[ python ] Pandas 라이브러리 불러오기 사용하기 > python

 

#Pandas 라이브러리 불러오기, 사용하기

import pandas as pd

#serise 사용

population=pd.Series([9904312,3448737,289045,2466052])

population

0    9904312

1    3448737

2     289045

3    2466052

dtype: int64

population = pd.Series([9904312,3448737,289045,2466052],

                      index=['서울','부산','인천','대구'])

population

서울    9904312

부산    3448737

인천     289045

대구    2466052

dtype: int64

#series에서 실제 데이터 값만 추출하기 -> .values

population.values

array([9904312, 3448737,  289045, 2466052], dtype=int64)

#Series에서 index 내용만 추출하기 -> .index

population.index

Index(['서울', '부산', '인천', '대구'], dtype='object')

population.dtype

dtype('int64')

#Series에서 이름 지정하기

#전체적인 Series에 이름 지정 -> .name

#index에 대하여 이름 지정-> .index.name

population.name="지역별 인구수"

population.index.name="도시"

population

도시

서울    9904312

부산    3448737

인천     289045

대구    2466052

Name: 지역별 인구수, dtype: int64

#Series 의 연산

population*10

도시

서울    99043120

부산    34487370

인천     2890450

대구    24660520

Name: 지역별 인구수, dtype: int64

#Series 인덱싱 구하기

print(population[1])

print(population['부산'])

3448737

3448737

#[서울 대구 부산]

print(population[[0,3,1]])

print(population[['서울','대구','부산']])

도시

서울    9904312

대구    2466052

부산    3448737

Name: 지역별 인구수, dtype: int64

도시

서울    9904312

대구    2466052

부산    3448737

Name: 지역별 인구수, dtype: int64

population>=2500000

도시

서울     True

부산     True

인천    False

대구    False

Name: 지역별 인구수, dtype: bool

population[population>=2500000]

도시

서울    9904312

부산    3448737

Name: 지역별 인구수, dtype: int64

population[(population>=2500000) & (population<=5000000)]

도시

부산    3448737

Name: 지역별 인구수, dtype: int64

population

도시

서울    9904312

부산    3448737

인천     289045

대구    2466052

Name: 지역별 인구수, dtype: int64

#시작점부터 끝점의 -1만큰 가져온다.

population[1:3]

도시

부산    3448737

인천     289045

Name: 지역별 인구수, dtype: int64

#명칭으로 입력시 해당이름을 포함해서 가져온다.

population['서울':'인천']

도시

서울    9904312

부산    3448737

인천     289045

Name: 지역별 인구수, dtype: int64

#Series를 생성할 수 있는 2번째 방법

data = {'서울':9631482, '부산':3393191, '인천':2632035, '대전':1490158}

data

{'서울': 9631482, '부산': 3393191, '인천': 2632035, '대전': 1490158}

population2=pd.Series(data)

population2

서울    9631482

부산    3393191

인천    2632035

대전    1490158

dtype: int64

population3=pd.Series({'서울':9631482, '부산':3393191, '인천':2632035, '대전':1490158})

population3

서울    9631482

부산    3393191

인천    2632035

대전    1490158

dtype: int64

#isnull() -> null값을 찾아 True로 표현

ds.isnull()

#Series 데이터 갱신, 추가 삭제

population['부산']=2500000

population

도시

서울    9904312

부산    2500000

인천     289045

대구    2466052

Name: 지역별 인구수, dtype: int64

#Series 데이터 추가

population['대전'] = 1700000

population

도시

서울    9904312

부산    2500000

인천     289045

대구    2466052

대전    1700000

Name: 지역별 인구수, dtype: int64

del population['인천']

population

도시

서울    9904312

부산    2500000

대구    2466052

대전    1700000

Name: 지역별 인구수, dtype: int64

#1) How to create a DataFrame

data = {"2015":[9904312,3448737,2890451,2466058],

       "2010":[9631482,3393191,2632035,2431774]}

df=pd.DataFrame(data)

df

#Index a DataFrame

df.index=['서울','부산','인천','대구']

df

 

#2) How to create a DataFrame

data2 = [[9904312,3448737,2890451,2466058],

       [9631482,3393191,2632035,2431774]]

ind=['2015','2010']

col=['서울','부산','인천','대구']

#pd.DataFrame( data, index=Index name, columns = column name)

df2=pd.DataFrame(data2, index=ind, columns=col)

df2

 

#Location the data

df2.T

#Location the data

df2.T

 

 #Location the Save data

df3=df2.T

df3

#DataFrame -> values, index, columns

print(df.values)

print(df.index)

print(df.columns)

[[9904312 9631482]
 [3448737 3393191]
 [2890451 2632035]
 [2466058 2431774]]
Index(['서울', '부산', '인천', '대구'], dtype='object')
Index(['2015', '2010'], dtype='object')

#DataFrame Indxing

df[['2015']]

#2010을 먼저 보여주고 2015를 뒤에 보여주기 위해서 index값을 차례로 적어준다

df[['2010','2015']]

#DataFrame 값 추가하기

#2005년 컬럼명으로 인구수 대입

df['2005']=[9762546,3512547,2517680,2456016]

df

#서울 부산 인덱싱

df['서울':'부산']

#0~1 인덱싱

df[0:2]

#loc[], iloc[]

#loc[] - 실제 인덱스를 사용하여 행을 가지고 올 때 사용하는 ->df.loc[행,열]

#loc['서울'] 등의 형태로 조회

#iloc[] - numpy의 array 인덱싱 -> df.iloc[]

#iloc[0,1] 등의 형태로 조회

df.loc['서울':'부산', '2015':'2010']

df.iloc[[2],[0]]

df.loc[['서울','인천']]

df.loc[['서울','인천'],['2015']]

df.loc[['서울', '인천'], ['2010','2005']]

df.iloc[[0,2],[0,1]]

 

추천0 비추천0