Pandas 빠 른 학습
pandas 의 데이터 구 조 는 numpy 를 바탕 으로 구 축 된 것 이다. pandas 의 데이터 구 조 는 세 단계 로 나 눌 수 있 고 낮은 등급 의 데이터 구 조 는 높 은 등급 의 데이터 구조의 요소 로 볼 수 있다. 이렇게 이해 할 수 있다. 최저 등급 의 데이터 구 조 는 1 차원 배열 이 고 두 번 째 등급 의 데이터 구 조 는 2 차원 배열 이 라 고 볼 수 있다.세 번 째 단계 의 데이터 구 조 는 3 차원 의 배열 이 라 고 볼 수 있다. 물론 이 세 가지 데이터 구조의 복잡 한 정 도 는 배열 보다 훨씬 높다. 이 세 가지 데이터 구 조 는 각각
Series, DataFrame 과 Panel 이다. 이런 데이터 구조의 상세 함 은 다음 과 같다.Series
Series 는
라 는 뜻 으로 1 차원 배열 이다. 그 복잡 한 정 도 는 그 가 1 차원 배열 에 많은 조작 방법 을 제공 하여 이런 1 차원 데 이 터 를 처리 하 는 데 편리 하 다 는 것 이다.data 매개 변 수 는 바로 들 어 오 는 데이터 로 하나의 배열 또는 교체 가능 한 대상 index 매개 변 수 는 색인 을 지정 하고 1 차원 배열 이 어야 합 니 다 (다 차원 배열 일 수도 있 습 니 다. 예 를 들 어) dtype 매개 변수, 지정 한 요소 의 데이터 형식import pandas as pd
s1 = pd.Series([[1,2,3],[2,3,4]],index=[[1,2],[3,4]])
print(s1)
돌아 오 는 Series 는 다음 과 같 습 니 다.
1 3 [1, 2, 3]
2 4 [2, 3, 4]
import pandas as pd
s1 = pd.Series([1,2,3,4])
다 차원 배열 을 사용 하여
Series 대상 을 만 들 수도 있 습 니 다. 다만 그 는 데 이 터 를 1 차원 으로 해석 할 것 입 니 다. 다음 과 같 습 니 다.import pandas as pd
s1 = pd.Series([[1,2,3],[2,3,4]])
그것 은 다음 과 같은 형식 으로 해 석 될 것 이다.
0 [1, 2, 3]
1 [2, 3, 4]
그 중에서 왼쪽 은 색인 이 고 오른쪽 은 값 이다. 즉, 몇 차원 의 배열 을 전달 하 든 그 는 이 를 1 차원 의 형식 으로 해석 할 것 이다. 다만 안의 요 소 는
n-1 차원 으로 변 할 뿐이다. T 속성: 반환 Series 의 전환, 전환 의 유형 도 Series, Series 의 전환 은 변 하지 않 습 니 다. 이렇게 이해 할 수 있 습 니 다. 돌려 놓 은 전환 은 다시 하나의 Series 대상 으로 구성 되 었 습 니 다. at 속성: 하나의 pandas.core.indexing._AtIndexer 대상 을 되 돌려 주 고 이 대상 을 통 해 색인 으로 데 이 터 를 방문 할 수 있 습 니 다.import pandas as pd
s = pd.Series([1,2,3])
print(s.at[1])
다음 과 같이 되 돌아 갑 니 다.
2
실제 속성의 이름 은 명 사 를 사용 해 야 하지만 그 는 자연 언어 처럼 보이 기 위해 부사 일 것 이다. 속성 명
DataFrame
DataFrame 의 글자 뜻 은 데이터 상자 이다. 글자 의 의미 에서 도 2 차원 배열 임 을 알 수 있 고 Series 과 유사 하 다. 그 도 2 차원 배열 로 해석 되 었 을 것 이다.DataFramedata: 들 어 온 데이터, 2 차원 배열 index: 색인 명 은 하나의 이름 columns: 열 명, 색인 과 상대 적 으로 줄 이름 dtype: 요소 의 데이터 구조 import pandas as pd
import numpy as np
data_frame = pd.DataFrame([[1,2,3,],[4,5,6],[7,8,9]]
,index=[" "," "," "]
,columns=[" "," "," "]
,dtype=np.int64)
data_frame
그림 - 1 되 돌아 오 는 데이터 대상
일반적인 방법 으로 DataFrame 대상 을 구성 하 는 것 외 에 사전 을 사용 하여 DataFrame 대상 을 만 들 수도 있 습 니 다. 그러면 생 성 대상 은 사전 의
key 을 열 로 하고 사전 의 value 을 열 로 합 니 다.T: DataFrame 의 전환 을 되 돌려 줍 니 다.import pandas as pd
import numpy as np
data_frame = pd.DataFrame([[1,2,3,],[4,5,6],[7,8,9]]
,index=[" "," "," "]
,columns=[" "," "," "]
,dtype=np.int64)
data_frame.T
다음 과 같이 되 돌아 갑 니 다.
1 4 7
2 5 8
3 6 9
index: 모든 열 이름 을 되 돌려 줍 니 다. 왜 중요 합 니까? index 에 따라 줄 별로 데 이 터 를 찾 을 수 있 습 니 다.import pandas as pd
import numpy as np
data_frame = pd.DataFrame([[1,2,3,],[4,5,6],[7,8,9]]
,index=[" "," "," "]
,columns=[" "," "," "]
,dtype=np.int64)
data_frame.index
Index([' ', ' ', ' '], dtype='object')
columns: 열 이름과 상대 하여 모든 줄 이름 을 되 돌려 줍 니 다.import pandas as pd
import numpy as np
data_frame = pd.DataFrame([[1,2,3,],[4,5,6],[7,8,9]]
,index=[" "," "," "]
,columns=[" "," "," "]
,dtype=np.int64)
data_frame.columns
Index([' ', ' ', ' '], dtype='object')
loc 위치 추적 기 를 되 돌려 줍 니 다. 이것 은 위치 추적 기 에 두 개의 인자 가 있 는 것 과 같 습 니 다. 하나의 조작 줄 (즉 index, 하나의 조작 열 (즉 columns 은 다음 과 같 습 니 다.data_frame.loc[index,columns]
이렇게 하면 쉽게 이해 할 수 있다. 다음은 이 포 지 셔 닝 기기 의 꽃무늬 포 지 셔 닝 을 살 펴 보 자. 아래 의 사례 는 모두 아래 의 이 데 이 터 를 예 로 들 자.
그림 - 2 원시 데이터
import pandas as pd
import numpy as np
data_frame = pd.DataFrame([[1,2,3,],[4,5,6],[7,8,9]]
,index=[" "," "," "]
,columns=[" "," "," "]
,dtype=np.int64)
data_frame.loc[" "]
첫 줄 의 데 이 터 를 되 돌려 줍 니 다.
1
2
3
Name: , dtype: int64
import pandas as pd
import numpy as np
data_frame = pd.DataFrame([[1,2,3,],[4,5,6],[7,8,9]]
,index=[" "," "," "]
,columns=[" "," "," "]
,dtype=np.int64)
# ':' ,
#
data_frame.loc[:," "]
다음 과 같이 되 돌아 갑 니 다.
2
5
8
Name: , dtype: int64
import pandas as pd
import numpy as np
data_frame = pd.DataFrame([[1,2,3,],[4,5,6],[7,8,9]]
,index=[" "," "," "]
,columns=[" "," "," "]
,dtype=np.int64)
data_frame.loc[[" "," "],[" "," "]]
되돌아오다
제1 열
제2 열
첫 줄
1
2
두 번 째 줄
4
5
import pandas as pd
import numpy as np
data_frame = pd.DataFrame([[1,2,3,],[4,5,6],[7,8,9]]
,index=[" "," "," "]
,columns=[" "," "," "]
,dtype=np.int64)
# ,
data_frame.loc[[False,False,True],[False,False,True]]
다음 과 같이 되 돌아 갑 니 다.
제3 열
셋째 줄
9
import pandas as pd
import numpy as np
data_frame = pd.DataFrame([[1,2,3,],[4,5,6],[7,8,9]]
,index=[" "," "," "]
,columns=[" "," "," "]
,dtype=np.int64)
# 2
data_frame.loc[data_frame[" "]>2]
제1 열
제2 열
제3 열
두 번 째 줄
4
5
6
셋째 줄
7
8
9
??본문 끝?
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
다양한 언어의 JSONJSON은 Javascript 표기법을 사용하여 데이터 구조를 레이아웃하는 데이터 형식입니다. 그러나 Javascript가 코드에서 이러한 구조를 나타낼 수 있는 유일한 언어는 아닙니다. 저는 일반적으로 '객체'{}...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
