Pandas 데이터 조회, 정렬, 조건필터 - loc, iloc, where, isin

Pandas 데이터 조회, 정렬, 조건필터 - loc, iloc, where, isin

데이터 분석

데이터 조회

• 함수값
  • df.head() : 앞 부분 5개 데이터 확인
  • df.tail() : 뒷 부분 5개 데이터 확인
  • df.info() : 컬럼별 정보 확인 (데이터 개수, 데이터 타입)
  • df.describe() : 컬럼별 요약 통계 확인
  • df.describe(include='object') : 글자인 경우
• 속성값
  • df.value_counts : 컬럼별 값의 분포 확인
  • df.ndim : 데이터 차원을 확인
  • df.shape
  • df.index
  • df.columns
  • df.values
• df['pclass'].astype('int32') : 데이터타입 변경

데이터 정렬

• index 기준 정렬
  • df.sort_index() : 오름차순 정렬
  • df.sort_index(ascending=False) : 내림차순 정렬
• value에 대한 정렬
  • df.sort_values(by='age').head() : 오름차순 정렬
  • df.sort_values(by='age', ascending=False).head() : 내림차순 정렬
  • df.sort_values(by=['fare', 'age']).head() : 2개 이상 컬럼을 기준으로 정렬
  • df.sort_values(by=['fare', 'age'], ascending=[False, True]).head() : 각 컬럼 지정 정렬

loc - indexing / slicing / 조건필터 / 다중조건

• indexing
  • loc[행인덱스,열인덱스]
  • df.loc[5, 'class']
  • df.loc[2:5, ['age', 'fare', 'who']]
• slicing
  • df.loc[2:5], ['age', 'fare', 'who']]
  • df.loc[2:5, 'class':'deck'].head()
• 조건필터
  • condition = df['who'] == 'man' : 조건 condition 대입
  • df[condition].head() : Case1
  • df.loc[condition].head() : Case2 -> 이걸 추천
  • df.loc[condition, 'age'] = 10
• 다중조건

  • & ,

    연산자 사용

  • condition1 = (df['fare'] > 30) 조건1
  • condition2 = (df['who'] == 'woman') 조건2
  • df.loc[condition1 & condition2]

iloc

• loc와 유사하지만 index만 허용 / indexing, slicing 모두 사용 가능
• df.iloc[[0, 3, 4], [0, 1, 5, 6]]

where

• pandas의 where과 numpy의 where은 다름 ```python DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, errors=’raise’, try_cast=False)

• cond: True/False로 판단될 수 있는 식
• other: condition을 만족하지 못하는 요소에 할당 할 값 ```
• df['fare'].where(df['fare'] < 20, 0).tail(10)

isin

• 특정 값의 포함 여부는 isin 함수를 통해 비교
• sample['name'].isin(['kim', 'lee'])
• 조건 필터링
  • condition = sample['name'].isin(['kim', 'lee'])
  • sample.loc[condition]