[Pandas] 판다스 소개 및 시리즈(series)와 데이터프레임(dataframe)

---

판다스 (Pandas)

 

판다스(공식 홈페이지)는 판다와 관련이 없다. 판다스는 패널(panel) 데이터(data)를 다루는 라이브러리라 Pan(panel)da(data)s 이다. R이 이러한 방식의 데이터를 주로 다루는데, 판다스는 파이썬에서 R과 같이 데이터를 다룰 수 있도록 도와주는 라이브러리라 생각하면 된다. 데이터사이언스와 데이터분석의 기본적으로 사용되는 라이브러리이며, 다양한 포맷의 데이터를 불러와 처리하는데, csv, Excel, SQL 데이터베이스 등 데이터를 처리할 수 있다.

import pandas as pd

판다스는 기본적으로 pd로 바꿔 불러오는 것이 관례이다.

간단한 판다스 관련된 여러 함수와 메소드를 간략하게 정리한 이 pdf를 참고하면 좋다.

 

---

시리즈 (Series)

 

1차원 배열과 유사한 형태이다. Series(참고링크)를 통해 생성한다. 리스트, 딕셔너리 등을 시리즈로 변환하여 사용하는 것이 일반적인데, 예를 들어 아래와 같은 리스트를 시리즈로 변형할 수 있다.

temp_list = [1, 2, 3]
temp_Series = pd.Series(temp_list)

그렇다면 temp_Series는 다음과 같다.

0    1
1    2
2    3
dtype: int64

앞에 나오는 0, 1, 2 는 인덱스로 다음과 같이 설정도 가능하다.

temp_list = [1, 2, 3]
temp_Series = pd.Series(temp_list, index=[1, 2, 3])

그렇다면 temp_Series는 다음과 같다.

1    1
2    2
3    3
dtype: int64

딕셔너리를 시리즈로 변환하는 것은 다음과 같이 할 수 있다.

temp_dictionary = {1: 10, 2: 20}
temp_Series = pd.Series(temp_dictionary)

그렇다면 temp_Series는 다음과 같다.

1    10
2    20
dtype: int64

즉 키가 인덱스가 되고, 값이 시리즈 값이 된다. 만약 index를 설정한다면, 설정된 인덱스가 딕셔너리에 존재하면 값을 저장하고, 존재하지 않는다면 NaN으로 처리한다. 예를 들어 다음과 같이 시리즈를 만들어보자.

temp_dictionary = {1: 10, 2: 20}
temp_Series = pd.Series(temp_dictionary, index=[1, 3, 4])

그렇다면 temp_Series는 다음과 같다.

1    10.0
3     NaN
4     NaN
dtype: float64

그 외 매개변수로 dtype, name 등을 설정할 수 있다. 자세한 내용은 위 시리즈 명령어 참고링크에 접속하면 나와있다.

 

---

데이터프레임 (DataFrame)

 

데이터프레임은 엑셀의 표를 생각하면 편한데, 행과 열로 이루어진 자료형이다. 대부분 판다스를 이용해 자료를 다루면 데이터프레임으로 다루기 때문에 판다스의 핵심이라 할 수 있다.

DataFrame(참고링크)을 통해 생성한다. 리스트, 딕셔너리 등을 데이터프레임으로 변환하여 사용 가능한데, 많은 경우 csv, 엑셀 파일, SQL 데이터 등을 가져와서 사용한다. 예를 들어 아래와 같이 리스트를 데이터프레임으로 만들 수 있다.

temp_list = [[10, 20], [11, 21]]
temp_DataFrame = pd.DataFrame(temp_list)

그렇다면 temp_DataFrame는 다음과 같다.

    0   1
0  10  20
1  11  21

왼쪽이 행의 인덱스이고, 위쪽이 열의 이름이다. 아래와 같이 설정도 가능하다.

temp_list = [[10, 20], [11, 21]]
temp_DataFrame = pd.DataFrame(temp_list, index=[1, 2], columns=["수학", "영어"])

그렇다면 temp_DataFrame는 다음과 같다.

   수학  영어
1  10  20
2  11  21

즉 index 매개변수는 행의 인덱스를, columns 매개변수는 열의 이름을 설정해준다.

딕셔너리를 데이터프레임으로 변환하는 것은 다음과 같이 가능하다.

temp_dictionary = {1:[10, 11], 2:[10, 12]}
temp_DataFrame = pd.DataFrame(temp_dictionary)

그렇다면 temp_DataFrame는 다음과 같다.

    1   2
0  10  10
1  11  12

역시 인덱스와 열의 이름을 설정할 수 있다. 단 딕셔너리를 통해 데이터프레임을 만들 때 딕셔너리의 키가 열의 이름으로 설정되기 때문에 설정한 열의 이름과 같은 키가 있다면 원래 처럼 생성하고, 없다면 NaN을 설정한다.

temp_dictionary = {1:[10, 11], 2:[10, 12]}
temp_DataFrame = pd.DataFrame(temp_dictionary, index=[1, 2], columns=[1, "수학"])

그렇다면 temp_DataFrame는 다음과 같다.

    1   수학
1  10  NaN
2  11  NaN

그 외에도 딕셔너리나 리스트가 아니라 넘파이의 ndarray 객체를 넣어서 데이터프레임을 만들 수도 있다.

temp_ndarray = np.array( [ [ 1, 2, 3, 4 ] , 
                           [ 5, 6, 7, 8 ] ] )
temp_DataFrame = pd.DataFrame(temp_ndarray)

그렇다면 temp_DataFrame는 다음과 같다.

   0  1  2  3
0  1  2  3  4
1  5  6  7  8

그 외에도 dtype을 설정할 수 있다. 자세한 내용은 위 데이터프레임 명령어 참고링크에 접속하면 나와있다.