특정 열을 행 인덱스로 설정
DataFame.set_index[['열 이름'] 또는 "열 이름"]
exam_data = {'이름': ['서준','우현','인아'],
'수학': [90,80,70],
'영어': [98,89,95],
'음악': [85, 95, 100],
'체육': [100,90,90]}
df = pd.DataFrame(exam_data)
ndf = pd.set_index(['이름'])
print(ndf)
ndf2 = pd.set_index('음악')
print(ndf2)
ndf3 = ndf.set_index(['수학','음악'])
print(ndf3)
수학 영어 음악 체육
이름
서준 90 98 85 100
우현 80 89 95 90
인아 70 95 100 90
수학 영어 체육
음악
85 90 98 100
95 80 89 90
100 70 95 90
영어 체육
수학 음악
90 85 98 100
80 95 89 90
70 100 95 90행 인덱스를 재배열하는 방법
DataFrame.reindex(새로운 인덱스 배열)
dict_data = {'c0':[1,2,3], 'c1':[4,5,6],'c2':[7,8,9],'c3':[10,11,12],'c4':[13,14,15]}
df = pd.DataFrame(dict_data, index=['r0','r1','r2'])
print(df)
new_index = ['r0', 'r1', 'r2', 'r3', 'r4']
ndf = df.reindex(new_index)
print(ndf)
ndf2 = df.reindex(new_index, fill_value=0)
print(ndf2)
c0 c1 c2 c3 c4
r0 1 4 7 10 13
r1 2 5 8 11 14
r2 3 6 9 12 15
c0 c1 c2 c3 c4
r0 1.0 4.0 7.0 10.0 13.0
r1 2.0 5.0 8.0 11.0 14.0
r2 3.0 6.0 9.0 12.0 15.0
r3 NaN NaN NaN NaN NaN
r4 NaN NaN NaN NaN NaN
c0 c1 c2 c3 c4
r0 1 4 7 10 13
r1 2 5 8 11 14
r2 3 6 9 12 15
r3 0 0 0 0 0
r4 0 0 0 0 0
행 인덱스 초기화
DataFrame.reset_index()
dict_data = {'c0':[1,2,3], 'c1':[4,5,6],'c2':[7,8,9],'c3':[10,11,12],'c4':[13,14,15]}
df = pd.DataFrame(dict_data, index=['r0','r1','r2'])
print(df)
ndf = df.reset_index()
print(ndf)
c0 c1 c2 c3 c4
r0 1 4 7 10 13
r1 2 5 8 11 14
r2 3 6 9 12 15
index c0 c1 c2 c3 c4
0 r0 1 4 7 10 13
1 r1 2 5 8 11 14
2 r2 3 6 9 12 15행 인덱스 기준으로 데이터 프레임 정렬
DataFrame.sort_index()
ascending=False 이면 내림차순, ascending=True 이면 오름차순
dict_data = {'c0':[1,2,3], 'c1':[4,5,6],'c2':[7,8,9],'c3':[10,11,12],'c4':[13,14,15]}
df = pd.DataFrame(dict_data, index=['r0','r1','r2'])
print(df)
ndf = df.sort_index(ascending=False)
print(ndf)
c0 c1 c2 c3 c4
r0 1 4 7 10 13
r1 2 5 8 11 14
r2 3 6 9 12 15
c0 c1 c2 c3 c4
r2 3 6 9 12 15
r1 2 5 8 11 14
r0 1 4 7 10 13특정 열의 데이터 값을 기준으로 데이터 프레임 정렬
DataFrame.sort_values()
dict_data = {'c0':[1,2,3], 'c1':[4,5,6],'c2':[7,8,9],'c3':[10,11,12],'c4':[13,14,15]}
df = pd.DataFrame(dict_data, index = ['r0','r1','r2'])
print(df)
ndf = df.sort_values(by='c1', ascending=False)
print(ndf)
c0 c1 c2 c3 c4
r0 1 4 7 10 13
r1 2 5 8 11 14
r2 3 6 9 12 15
c0 c1 c2 c3 c4
r2 3 6 9 12 15
r1 2 5 8 11 14
r0 1 4 7 10 13
산술 연산
시리즈와 숫자 연산
Series + 연산자 + 숫자
student = pd.Series({'국어':100, '영어':80, '수학':90})
print(student)
percentage = student/200
print(percentage)
print(type(percentage))
국어 100
영어 80
수학 90
dtype: int64
국어 0.50
영어 0.40
수학 0.45
dtype: float64
<class 'pandas.core.series.Series'>
시리즈끼리 사칙연산
Series + 사칙연산 + Series
student1 = pd.Series({'국어':100, '영어':80, '수학':90})
student2 = pd.Series({'국어':80, '영어':90, '수학':80})
addition = student1 + student2
subtraction = student1 - student2
multiplication = student1 * student2
division = student1/student2
print(type(division))
result = pd.DataFrame([addition, subtraction, multiplication, division], index=['덧셈','뺄셈','곱셈','나눗셈'])
print(result)
국어 영어 수학
덧셈 180.00 170.000000 170.000
뺄셈 20.00 -10.000000 10.000
곱셈 8000.00 7200.000000 7200.000
나눗셈 1.25 0.888889 1.125
판다스는 같은 인덱스를 찾아 정렬한 후 같은 인덱스의 데이터 값끼리 덧셈한다.
동일한 인덱스가 양쪽에 모두 존재하더라도 한쪽이 NaN이면 계산이 되지 않는다.
student1 = pd.Series({'국어':100, '영어':80, '수학':90})
student2 = pd.Series({'수학':80 ,'국어':90})
print(student1)
print(student2)
addition = student1 + student2
subtraction = student1 - student2
multiplication = student1 * student2
division = student1/student2
print(type(division))
result = pd.DataFrame([addition, subtraction, multiplication, division], index=['덧셈','뺄셈','곱셈','나눗셈'])
print(result)
국어 100
영어 80
수학 90
dtype: int64
수학 80
국어 90
dtype: int64
<class 'pandas.core.series.Series'>
국어 수학 영어
덧셈 190.000000 170.000 NaN
뺄셈 10.000000 10.000 NaN
곱셈 9000.000000 7200.000 NaN
나눗셈 1.111111 1.125 NaN연산 메소드
Series.add(series2, fill_value = 0) NaN 대신 채우고 싶은 값을 fill_value 이용해서
student1 = pd.Series({'국어':100, '영어':80, '수학':90})
student2 = pd.Series({'수학':80 ,'국어':90})
sr_add = student1.add(student2, fill_value=0)
sr_sub = student1.sub(student2, fill_value=0)
sr_mul = student1.mul(student2, fill_value=0)
sr_div = student1.div(student2, fill_value=0)
result = pd.DataFrame([sr_add, sr_sub, sr_mul, sr_div], index=['덧셈','뺄셈','곱셈','나눗셈'])
print(result)
국어 수학 영어
덧셈 190.000000 170.000 80.0
뺄셈 10.000000 10.000 80.0
곱셈 9000.000000 7200.000 0.0
나눗셈 1.111111 1.125 inf
데이터 프레임 연산
DataFrame + 연산자 + 숫자
#데이터 프레임 연산 : DataFrame + 연산자 + 숫자
import seaborn as sns
titanic = sns.load_dataset('titanic')
df = titanic.loc[:, ['age','fare']]
print(df.head())
print(type(df))
addition = df + 10
print(addition.head())
print(type(addition))
age fare
0 22.0 7.2500
1 38.0 71.2833
2 26.0 7.9250
3 35.0 53.1000
4 35.0 8.0500
<class 'pandas.core.frame.DataFrame'>
age fare
0 32.0 17.2500
1 48.0 81.2833
2 36.0 17.9250
3 45.0 63.1000
4 45.0 18.0500
<class 'pandas.core.frame.DataFrame'>데이터프레임은 같은 행 같은 열 위치에 있는 원소끼리 계산한다.
만약 한쪽에 원소가 존재하지 않거나 NaN이면 연산 결과를 NaN으로 처리한다.
titanic = sns.load_dataset('titanic')
df = titanic.loc[:, ['age','fare']]
print(df.tail())
print(type(df))
addition = df + 10
print(addition.tail())
print(type(addition))
subtraction = addition - df
print(subtraction.tail())
print(type(subtraction))
age fare
886 27.0 13.00
887 19.0 30.00
888 NaN 23.45
889 26.0 30.00
890 32.0 7.75
<class 'pandas.core.frame.DataFrame'>
age fare
886 37.0 23.00
887 29.0 40.00
888 NaN 33.45
889 36.0 40.00
890 42.0 17.75
<class 'pandas.core.frame.DataFrame'>
age fare
886 10.0 10.0
887 10.0 10.0
888 NaN 10.0
889 10.0 10.0
890 10.0 10.0
<class 'pandas.core.frame.DataFrame'>'Study > 혼자 공부하는 판다스' 카테고리의 다른 글
| 혼자 공부하는 판다스 - 시각화 도구 (0) | 2022.04.05 |
|---|---|
| 혼자 공부하는 판다스 - 데이터 살펴보기 (0) | 2022.04.04 |
| 혼자 공부하는 판다스 - 데이터 저장하기 (0) | 2022.04.04 |
| 혼자 공부하는 판다스 - 외부파일 읽어오기 (0) | 2022.04.04 |
| 혼자 공부하는 판다스 - 시리즈와 데이터프레임 (0) | 2022.03.10 |
