판다스 내에서 함수처리 하는 방법입니다. 파이썬으로 할 수 있지만 판다스 메쏘드로 간단한 함수를 정의할 수 있다는 게 큰 장점이고 메모리 절약도 할 수 있습니다. map, apply, applymap 세가지 메쏘드를 알아볼까 합니다. map map 은 수학시간에 배운 합성함수와 같습니다. 인덱스가 잘 맞춰져 있다면 값 전환을 할 수가 있습니다. x, y를 다음과 같이 정의하겠습니다. import pandas as pd x = pd.Series({'one':1,'two':2,'three':3}) y = pd.Series({1:'triangle',2:'square',3:'circle'}) map을 이용해 x에서 y로 값 전환을 합니다. x.map(y) mapd을 반대로 하면 NaN로 나옵니다. y.map(x..
가끔 파이썬에서 SQL 데이터를 작업해야하거나 작업한 데이터를 SQL에 다시 저장해야하는 일이 생깁니다. 파이썬으로 SQL 데이터를 가져오기 위해서 sqlite3을 쓰지만 메모리형식으로 저장되기 때문에 휘발성이 강합니다. 메모리 절약을 위해 sqlite3에서 필요한 데이터만 가져오는 것도 좋지만 지속적으로 저장되어야 하는 경우도 있습니다. 이럴 때 판다스로 SQL을 불러오면 작업에 필요한 내용이 정의가 되기 때문에 작업을 용이하게 할 수 있습니다. 데이터프레임 SQL 데이터로 저장하기 데이터프레임을 SQL데이터(sqlite or db)로 저장을 해보겠습니다. 저장할 데이터는 애플과 마이크로소프트의 가격 데이터입니다. 먼저 저장할 sqlite 파일에 연결을 합니다. import sqlite3 import ..
데이터 분석을 할 때 특정한 값만 변경하고 싶을 때가 있습니다. 그런 경우 replace를 이용해 값을 변경할 수 있습니다. replace는 값에 초점을 맞췄기 때문에 한글이나 word에 있는 찾아바꾸기 기능과 동일합니다. Seires와 DataFrame 모두 적용 가능합니다. Series에서의 replace 적용 간단한 Series를 만들어 살펴보겠습니다 import pandas as pd s = pd.Series([0,1,2,3,4,5]) 1개값 변경 사실 Series에서 값을 변경하려면 해당 값을 지정해주면 끝입니다. s[0] = 3 s 간단하게 값이 변경되서 굳이 replace를 쓸 이유가 없긴 합니다만 위의 방식처럼 지정을 해버리면 확정이 되어서 이전 데이터로 돌아갈수가 없습니다. 하지만, re..
이번 포스팅은 판다스로 CSV 파일 저장, 불러오는 방법입니다. CSV(comma-separated values)는 필드를 쉼표(,)로 구분한 텍스트 데이터 및 텍스트 파일로 이루어져 있습니다. 데이터를 간편하게 저장하기에 용이해서 데이터 전처리 작업을 하게 되면 한번쯤은 다루게 되는 파일형식입니다. CSV 저장하기 데이터프레임 작업을 마치고 CSV로 저장하는 방법입니다. 아래 코드처럼 경로에 파일이름 만들어서 저장합니다. 예를 들어, apple 이라는 파일이름을 지정하고 싶다면 '경로/apple.csv' 를 경로에 넣으시면 됩니다. 기존에 있던 파일이름이 있다면 덮어쓰기가 되니 주의하셔야 합니다. 데이터프레임의 index 설정이 안되어 있으면 숫자로 인덱스가 붙여진 것을 볼 수 있습니다. 이 상태에서 ..
인덱스를 이용한 값 찾는 방법입니다. loc와 iloc에 대한 포스팅을 했었습니다. loc와 iloc는 인덱스에 따른 모든 컬럼의 값을 가져오는데에 초점이 맞춰져 있었는데 at,iat은 정확한 위치의 값을 요청하는 메쏘드입니다. 영어에서도 at은 꼭 집는다는 의미를 담고 있어서 그 부분을 강조한 메쏘드가 아닌가 싶습니다. 아무튼 loc와 iloc가 보다 포괄적인 개념이라면 at,iat는 명확한 개념이라고 볼 수 있습니다. loc와 iloc에서도 at,iat 기능을 그대로 쓸 수 있기 때문에 더 명확한 코드작성을 위해서 at,iat을 쓰는 것이라 생각할 수 있습니다. df.at[index,column] 지정한 인덱스를 이용해 원하는 위치값을 가져올 수 있습니다. 국내 ETF의 하나인 KODEX 200의 데..
Series에서 인덱스로 값 찾는 방법입니다. 인덱스로 값 찾는 방법에는 두가지 방법이 있습니다. loc : 지정한 인덱스로 값 찾기 iloc : 고유 인덱스로 값 찾기 인덱스 가져오기 loc 지정한 인덱스대로 값을 찾는 방법입니다. import pandas as pd s = pd.Series([2,4,6,8,10],index=[10,20,30,40,50]) 값 하나만 가져온다면 숫자나 str 로 나타납니다. s.loc[10] 값을 두개 이상 가져온다면 series로 나타납니다. 타입이 series로 나타나기 때문에 코딩작업시 값이 하나만 나오는지 두개가 나오는지 확인이 필요합니다. 1번째와 3번째 값을 가져오겠습니다. 리스트를 넣어주어야 합니다. s.loc[[10,30]] 범위로 가져오고 싶다면 슬라이..
빈 데이터프레임 만드는 방법입니다. 기본적으로는 필수성분인 index와 column을 추가해주면 됩니다. import pandas as pd df = pd.DataFrame(index=range(0,원하는갯수), columns = {'column1','column2',...}) index, column 없이 빈 데이터프레임 만든다면.. index와 column을 안 쓰고도 생성할 수 있습니다. empty_df = pd.DataFrame() index와 column이 없는 상태가 되면 다른 데이터프레임을 합칠때 주의를 기울여야 합니다. 간단하게 다른 데이터프레임과 합치려면 append나 concat을 이용하면 합칠 수 있습니다. join, merge는 안 됩니다. df = pd.DataFrame({'col..
데이터 작업을 하다보면 다른 행과 계산할 경우 shift를 이용해 해결할 수 있습니다. for문으로 인덱스를 일일히 돌리지 않아도 되고 필요에 따라 컬럼을 추가해서 눈으로 확인해도 되지만 다른 행과 계산하려고 일일히 컬럼을 추가하는 번거로움을 줄일 수 있습니다. shift() period에 넣은 값만큼 행이 밀립니다. 행전체를 아래로 내리고 싶다면 양의정수를 넣고 위로 올리고 싶다면 음의 정수를 넣습니다. 특정 컬럼을 넣고 싶다면 특정 컬럼만 shift를 진행합니다. 확인을 위해 새로운 컬럼을 만들어 Open 값을 아래로 내린 값을 넣겠습니다. df df['Open_shift'] = df['Open'].shift(1) Open_shift라는 컬럼에 Open 값이 하나씩 내려왔습니다. 바로 전 행과의 계산..
데이터 프레임을 병합하는 과정에서 중복한 데이터를 빼고 병합하고 싶은 경우가 생길 수 있습니다. merge, concat, join도 병합 메쏘드 중에 하나인데 중복이 있고 column이 똑같은 데이터프레임의 병합에서는 문제가 발생할 수 있습니다. 이는 각각의 메쏘드의 특징이 달라서인데요. merge는 서로 다른 column일 때 합치기 편하고 concat과 append는 row를 하나씩 추가하는 방식입니다. join은 인덱스를 기준으로 column으로 합쳐나가는 방식입니다. 만약 데이터프레임 A와 B의 column은 같은데 중복데이터만 없애고 합치고 싶다면 모든 메쏘드가 적절하지 않을 수 있습니다. 왜냐하면 key가 중복된 상황에서 merge를 하게 되면 merge는 key에서 가능한 모든 경우의 수를..
notna와 notnull을 이용하여 결측치가 아닌 값을 찾는 방법입니다. isin이나 isna로 하는 게 더 편하긴 하지만 쓰기 나름이라서 누군가는 필요할 수도 있으니 일단 포스팅을 하겠습니다. 예제로 데이터프레임을 하나 만들겠습니다. df = pd.DataFrame(dict(level=[1,2,3,4,5,np.nan],age=[12,13,18,20,np.nan,23])) df notna 와 notnull 의 기능 notna 와 notnull 은 isna와 반대로 결측치가 아닌 값을 찾아내는 기능을 가지고 있습니다. 그래서 bool로 출력이 되는데 결측치에는 False로 나오게 됩니다. df_notna = pd.notna(df) df_notna df_notnull = pd.notnull(df) df_n..
데이터프레임의 로우와 컬럼을 바꾸는 방법입니다. 넘파이에서 transpose 하는 방법과 동일합니다. T 를 이용합니다. df를 다음과 같이 만들었습니다. df 로우와 컬럼을 바꿔보겠습니다. df.T 인덱스가 설정되어 있으면 인덱스의 내용이 위로 올라가게 됩니다. df2= df2.set_index('Name') df2.T 멀티인덱스로 해도 똑같이 적용됩니다. 인덱스에 들어가는 내용이 컬럼으로 됩니다. df2= df2.set_index(['Name','Gender']) df2.T 컬럼을 확인해보면 다음과 같이 멀티인덱스로써 이루어져 있는 걸 볼 수 있습니다. df2_T = df2.T df2_T.columns 관련 포스팅 [Python/Pandas] - [Pandas] 데이터프레임 멀티인덱스 다루기(loc,..
크롤링을 하거나 데이터를 받았는데 문자열과 기호가 섞여 있는 경우가 있습니다. 판다스에는 따로 그런걸 할 수 있는 메쏘드는 없고 기본 지식을 이용해 컬럼을 쪼개봅시다. 예를 들어 중간고사 점수 데이터를 받았는데 다음과 같이 한 덩어리로 주었다고 합시다. import pandas as pd df = pd.DataFrame({'Mid-term': ['Anne:M:100:A', 'Peter:F:50:C', 'Max:M:90:B']}) df 황당무계한 데이터를 보기 좋게 컬럼을 자르려고 하는 겁니다. 판다스의 메쏘드가 없으니 만들어 합시다. 문자열을 ':'로 나누고 데이터프레임도 나눠진 문자열만큼 컬럼을 만들어 냅니다. 먼저 문자열을 나눠야 하니 split() 이용합니다. 그리고 컬럼에 넣어야 하니 리스트로 반..
판다스에서 멀티인덱서 다루는 방법입니다. 제가 이전에 groupby에 대해 써놓은 게 있는데 그 상황에서 멀티인덱서를 다뤄보겠습니다. 두가지 방법으로 loc,xs가 있긴 하지만 사실상 실제적으로 많이 쓰는 건 xs입니다. loc인 경우 싱글인덱스일때 쓰는 방식인데 그걸 멀티인덱스에 그대로 적용하면 한계가 있습니다. 하나씩 살펴보겟습니다. 먼저 데이터를 불러오겠습니다. df 일단 Quarter와 Month odd_even 을 멀티인덱스로 잡으면 다음과 같이 나옵니다. groups_two = df.groupby(['Quarter','Month odd_even']) multi_index = groups_two.first() multi_index 인덱스를 봐도 멀티인덱스로 되어있습니다. multi_index.i..
판다스가 어느 포맷들을 불러올 수 있는지 정리합니다. 불러올 수 있다는 것이 의미하는 건 일종의 변환이라 판다스로 펼쳐놓으면 판다스처럼 쓸수 있는 것을 의미합니다. 판다스를 잘 쓰는 사람들에게는 판다스가 많은 확장자 파일을 다룰 수 있으면 여러모로 편리하게 쓸수 있지 않을까 싶습니다. 저장과 불러오는 방법을 엑셀 파일로 들면 df를 저장할 데이터프레임이라 하면(이름 정의를 꼭 df로 할 필요는 없습니다) 저장할 때는 df.to_excel('경로'/'파일이름.xlsx') 불러올 때는 df = pd.read_exel('경로/파일이름.xlsx') 입니다. 다른 확장자인 경우는 아래 표에 적어놓았습니다. Format Input Output CSV pd.read_csv() .to_csv() xls/xlsx pd...
데이터프레임을 정렬하는 방법입니다. 데이터프레임은 인덱스(index)와 컬럼값(value)이 있는데 그에 맞게 정렬을 할 수 있습니다. 인덱스 정렬을 하려면 sort_index() 메쏘드를 컬럼의 값 정렬을 위해서는 sort_value() 메쏘드를 쓰면 됩니다. 분류기 머신러닝이나 인공지능 입문자들이 많이 쓰는 연습용 데이터셋인 아이리스 데이터셋으로 해보겠습니다. 아이리스 데이터셋을 다루는게 목적이 아니니 설명은 생략하겠습니다. 필요한 것만 하겠습니다. 데이터 셋팅 import pandas as pd from sklearn.datasets import load_iris iris = load_iris() df = pd.DataFrame(data=iris.data,columns = iris.feature_n..