Pandas 데이터 구조

Pandas 데이터 구조

import pandas as pd

Series

#   list  Series
ser_obj = pd.Series(range(10, 20))
print(type(ser_obj))

데이터/인덱스 가 져 오기

#     
print(ser_obj.values)

#     
print(ser_obj.index)

[10 11 12 13 14 15 16 17 18 19]
RangeIndex(start=0, stop=10, step=1)

데이터 미리 보기

print(ser_obj.head(3))

0    10
1    11
2    12
dtype: int32

print(ser_obj)

0    10
1    11
2    12
3    13
4    14
5    15
6    16
7    17
8    18
9    19
dtype: int32

색인 으로 데이터 가 져 오기

print(ser_obj[0])
print(ser_obj[8])

10
18

색인 과 데이터 의 대응 관 계 는 여전히 배열 연산 결과 에 유지 되 어 있다.

print(ser_obj * 2)
print(ser_obj > 15)

0    20
1    22
2    24
3    26
4    28
5    30
6    32
7    34
8    36
9    38
dtype: int32
0    False
1    False
2    False
3    False
4    False
5    False
6     True
7     True
8     True
9     True
dtype: bool

dict 를 통 해 시리즈 구축

year_data = {2001: 17.8, 2002: 20.1, 2003: 16.5}
ser_obj2 = pd.Series(year_data)
print(ser_obj2.head())
print(ser_obj2.index)

2001    17.8
2002    20.1
2003    16.5
dtype: float64
Int64Index([2001, 2002, 2003], dtype='int64')

name 속성

ser_obj2.name = 'temp'
ser_obj2.index.name = 'year'
print(ser_obj2.head())

year
2001    17.8
2002    20.1
2003    16.5
Name: temp, dtype: float64

DataFrame

import numpy as np

ndarray 를 통 해 DataFrame 구축

array = np.random.randn(5,4)
print(array)

df_obj = pd.DataFrame(array)
print(df_obj.head())

[[-0.59215481  0.6673983   0.74760472  0.25187461]
 [-0.46854892  0.00348568  0.25366534  0.11720985]
 [ 1.33302115 -0.42943891 -0.06333589  0.30176743]
 [-0.81349163  0.62868913 -0.91357273  0.78261241]
 [ 0.85686905  0.81765967  0.03702749 -0.32047593]]
          0         1         2         3
0 -0.592155  0.667398  0.747605  0.251875
1 -0.468549  0.003486  0.253665  0.117210
2  1.333021 -0.429439 -0.063336  0.301767
3 -0.813492  0.628689 -0.913573  0.782612
4  0.856869  0.817660  0.037027 -0.320476

dict 를 통 해 DataFrame 구축

dict_data = {'A': 1., 
             'B': pd.Timestamp('20161217'),
             'C': pd.Series(1, index=list(range(4)),dtype='float32'),
             'D': np.array([3] * 4,dtype='int32'),
             'E' : pd.Categorical(["Python","Java","C++","C#"]),
             'F' : 'ChinaHadoop' }
#print dict_data
df_obj2 = pd.DataFrame(dict_data)
print(df_obj2.head())

     A          B    C  D       E            F
0  1.0 2016-12-17  1.0  3  Python  ChinaHadoop
1  1.0 2016-12-17  1.0  3    Java  ChinaHadoop
2  1.0 2016-12-17  1.0  3     C++  ChinaHadoop
3  1.0 2016-12-17  1.0  3      C#  ChinaHadoop

열 색인 을 통 해 열 데 이 터 를 가 져 옵 니 다.

print(df_obj2['A'])
print(type(df_obj2['A']))
print(df_obj2.A)

0    1.0
1    1.0
2    1.0
3    1.0
Name: A, dtype: float64

0    1.0
1    1.0
2    1.0
3    1.0
Name: A, dtype: float64

증가 열

df_obj2['G'] = df_obj2['D'] + 4
print(df_obj2.head())

     A          B    C  D       E            F  G
0  1.0 2016-12-17  1.0  3  Python  ChinaHadoop  7
1  1.0 2016-12-17  1.0  3    Java  ChinaHadoop  7
2  1.0 2016-12-17  1.0  3     C++  ChinaHadoop  7
3  1.0 2016-12-17  1.0  3      C#  ChinaHadoop  7

열 삭제

del(df_obj2['G'] )
print(df_obj2.head())

     A          B    C  D       E            F
0  1.0 2016-12-17  1.0  3  Python  ChinaHadoop
1  1.0 2016-12-17  1.0  3    Java  ChinaHadoop
2  1.0 2016-12-17  1.0  3     C++  ChinaHadoop
3  1.0 2016-12-17  1.0  3      C#  ChinaHadoop

인덱스 개체 인덱스

print(type(ser_obj.index))
print(type(df_obj2.index))

print(df_obj2.index)

Int64Index([0, 1, 2, 3], dtype='int64')

인덱스 대상 변경 불가

df_obj2.index[0] = 2

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

 in ()
----> 1 df_obj2.index[0] = 2


C:\Users\weixiao\Anaconda3\lib\site-packages\pandas\core\indexes\base.py in __setitem__(self, key, value)
   1618 
   1619     def __setitem__(self, key, value):
-> 1620         raise TypeError("Index does not support mutable operations")
   1621 
   1622     def __getitem__(self, key):


TypeError: Index does not support mutable operations