처음 아시는 분들이 신경 쓰실 판다스의 사용법.

저는 평소에 Go 언어를 자주 사용하고 Python 자신도 잘 쓰지 않아서 팬더스를 거의 사용하지 않았습니다.요즘 팬더스를 사용할 수밖에 없는 상황에 살짝 만져봤어요.
나는 판다스가 매우 편리한 고기능이라고 생각한다.다만, 기능이 너무 높아서 자세히 소개된 기사가 많지만, 제가 알고 싶은 것은 그 상태가 아니기 때문에 접점으로 정리해봤는데, 이런 것들을 최소한 알고 있다면 팬더스의 기본을 이해했다고 할 수 있을 것 같습니다.

대상 독자

제1차pandas

pandas의 데이터 구조를 몰라

python은 항상 쓸 수 있을 것 같아

pandas의 데이터 구조는 두 가지가 있다

pandas의 데이터 구조는 두 가지로 나뉜다. DataFrame 표시표(열과 줄)의 데이터 구조와 1열 또는 1행Series만 표시하는 데이터 구조이다.

DataFrame

데이터 구조는 행과 열이 있는 표와 유사하다.판다스라면 거의 이 데이터 구조를 처리할 것이다.( 공식 문서 )
name
height
birthdate
a
tanaka
160
1990-01-01
b
yamada
170
1980-02-02
c
kato
180
1970-03-03
각 열에는 열 이름이 있습니다.
맨 왼쪽의 열을 인덱스라고 하는데, 줄 번호와 같은 존재이다.색인에 열 이름을 추가할 수도 있고, 색인에 여러 열을 지정할 수도 있습니다.인덱스는 숫자, 문자열, 날짜, 시간 등 각종 데이터를 사용할 수 있다.

Series

DataFrame과 달리 1열 또는 1행만 나타내는 데이터 구조입니다.( 공식 문서 )
weight
a
53
b
67
c
83
한 열만 있지만 색인이 있습니다.DataFrame과 마찬가지로 여러 열 색인이 있거나 수치, 문자열, 날짜 및 시간 등 다양한 데이터를 색인으로 사용할 수 있습니다.그 밖에 열명은 때로는 가지고 있고 때로는 없다.

DataFrame 및 Series의 관계 및 고려 사항

DataFrame은 여러 시리즈의 모음으로 구성됩니다.
내 경우는 시리즈형의 존재를 몰랐을 때 어느 도서관에서 시리즈형의 데이터를 얻어 곤혹스러웠다.
하나의 시리즈형 데이터도 DataFrame으로 변환할 수 있습니다.초보자가 시리즈형의 조작법을 기억하는 것은 매우 번거롭다고 생각하기 때문에 시리즈형의 데이터는 주저하지 말고 DataFrame형으로 바꾸는 것이 좋지 않겠는가.이렇게 되면 DataFrame형으로만 통일할 수 있기 때문에 초보자에게는 비교적 처리하기 쉽다.
변환 방법은 매우 간단하다. 시리즈형 데이터.to_frame()만 있으면 된다.( 공식 문서 )
시리즈형 데이터는 DataFrame형 데이터로 빠르게 변환되기 때문에 이 글은 DataFrame형에 대한 조작만 소개한다.

데이터 프레임 사용 방법

새 데이터 프레임 만들기

df = pd.DataFrame(
    [
        ['tanaka',160,datetime(1990, 1, 1)],
        ['yamada',170,datetime(1980, 2, 2)],
        ['kato',180,datetime(1970, 3, 3)]
    ],
    index=['a','b','c'],
    columns=['name','height','birthdate']
)

DataFrame의 제작 방법은 여러 가지 방법이 있기 때문에 이것은 DataFrame의 제작 방법의 한 예이다.이 예에서 모든 줄은 데이터를 정의했지만 열에 따라 데이터를 정의할 수도 있고 csv 데이터를 읽을 수도 있고 index와columns를 지정하지 않을 수도 있다.( 공식 문서 )
index를 지정하지 않으면 0, 1, 2...자동 번호 매기기.

DataFrame 컨텐츠 디버그

print(df)

홍보만 하면 됩니다.데이터가 많을 때 처음의 몇 줄과 끝의 몇 줄을 표시합니다. index,columns, 기록수 등은 다음과 같습니다.

                  Open        High         Low       Close   Adj Close   Volume
Date                                                                           
1966-07-05    0.000000    0.273663    0.267490    0.269547    0.124835   388800
1966-07-06    0.000000    0.283951    0.267490    0.283951    0.131506   692550
1966-07-07    0.000000    0.291152    0.271605    0.273663    0.126741  1858950
1966-07-08    0.000000    0.276749    0.267490    0.276749    0.128171  1239300
1966-07-11    0.000000    0.283951    0.272634    0.275720    0.127694   656100
...                ...         ...         ...         ...         ...      ...
2021-07-29  243.320007  245.199997  242.979996  244.020004  244.020004  2572300
2021-07-30  243.850006  245.410004  242.210007  242.710007  242.710007  2336800
2021-08-02  244.240005  244.679993  239.690002  240.100006  240.100006  2693900
2021-08-03  239.559998  239.949997  235.250000  236.949997  236.949997  3299300
2021-08-04  236.449997  236.600006  233.050003  234.830002  234.830002  2240000

[13866 rows x 6 columns]

DataFrame 또는 Series 확인

print(type(df))

데이터 프레임의 경우-><class 'pandas.core.frame.DataFrame'>시리즈의 경우 -> <class 'pandas.core.series.Series'>및 내보내기.

Series를 DataFrame으로 변환

.to_frame() 너한테만 해줄게.( 공식 문서 )

ser = pd.Series(
    [53, 67, 83],
    index=['a','b','c'],
    name="weight"
)
df = ser.to_frame()

DataFrame에서 색인 목록 체크 아웃

df.index

DataFrame에서 column 차트 꺼내기

df.columns

데이터 프레임에서 이동

행 - 시리즈 객체를 가져옵니다.

df.loc['index名']

DataFrame에서 지정된 기준에서 여러 행 체크 아웃

df.loc[df['height'] > 165]

데이터 프레임에서 값 체크 아웃

df.loc['index名', 'column名']

행별 루프 데이터 프레임

for index, row in df.iterrows():
	print(index) # indexの値を出力する
	print(row['column名']) # column名で値を取得できる

데이터 프레임 업데이트

index와column을 지정하여 데이터를 업데이트할 수 있습니다.

df.loc['index名', 'colume名'] = "sato"

조건을 지정하여 업데이트하려면 다음과 같이 하십시오.

df.loc[df['height'] > 165, 'name'] = "sato"

데이터 프레임에 행 추가

index 이름을 지정합니다. 값을 그룹에 대입하고 줄을 추가할 수 있습니다.배열 요소의 수량은 열 수와 일치해야 합니다.

df.loc['index名'] = ['sato',185,datetime(1960, 3, 3)]

index의 데이터 프레임을 지정하지 않은 상황에서 index는 0, 1, 2...연결len(df)이기 때문에 DataFrame의 줄 수를 얻는 것이 좋습니다.

df.loc[len(df)] = ['sato',185,datetime(1960, 3, 3)]

데이터 프레임에 열 추가하기

column의 이름을 지정합니다. 수치의 그룹을 대입한 후에 열을 추가할 수 있습니다.배열 요소의 수는 행 수와 일치해야 합니다.

df['column名'] = [55,65,75]

데이터 프레임의 행 삭제

df.drop('index名')

데이터 프레임 열 삭제

drop()의 매개 변수에 axix=1를 추가하면 줄을 삭제할 수 있습니다.

df.drop('column名', axis=1)

csv 파일을 데이터 프레임으로 읽기

df = pd.read_csv('ファイルパス')

csv에 꼬리표가 있으면 열 이름이 자동으로 읽힙니다.다른 작은 옵션을 사용해서 열 이름을 지정할 수도 있고, 몇 걸음 건너뛰어서 불러올 수도 있습니다.( 공식 문서 )

csv 파일로 내보내기

df.to_csv('ファイルパス')

대부분의 경우 이렇게 하면 된다.옵션을 통해 상세하게 설정할 수도 있다.( 공식 문서 )

끝맺다

pandas의 데이터 구조와 DataFrame에 대한 처리를 총괄하였다.이걸 알면 그에 상응하는 판다스로 데이터를 조회하고 조작할 수 있을 것 같아요.나는 이곳의 일 이외에 아무것도 모르지만, 판다스로 데이터를 구할 수 있다!
판다스는 매우 높은 기능이기 때문에 다양한 방법으로 똑같은 처리를 할 수 있고 다양한 선택을 통해 손이 가려운 곳에 도달할 수 있다.여기에 소개된 것은 단지 각종 방법 중의 한 예일 뿐이다.
디테일공식 문서이 있으니 필요할 때마다 참고하는 게 좋아요.또 구글로 검색하면 자세한 내용을 소개하는 글이 일본어나 영어나 다양해 곤란하지 않다.