Python - pandas(numpy기반의 복잡한 데이터분석을 위한 패키지)
2020. 9. 2. 21:02ㆍPython
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
|
# test22.py
# https://pandas.pydata.org
# pandas : numpy 기반 만들어져 있음, 복잡한 데이터 분석
# dataframe 기반 -> 엑셀 table, 2차원 배열(리스트), 행,열, DB table
import pandas as pd
# Series 데이터 생성 1차원 배열
s1 = pd.Series([10, 20, 30, 40, 50])
print(s1)
# 0 10
# 1 20
# 2 30
# 3 40
# 4 50
# dtype: int64
# index 번호 value 값
print(s1.index) # RangeIndex(start=0, stop=5, step=1)
print(s1.values) # [10 20 30 40 50]
s2 = pd.Series(['a', 'b', 'c', 1, 2, 3])
print(s2)
'''
0 a
1 b
2 c
3 1
4 2
5 3
dtype: object
'''
import numpy as np
# np.nan -> NaN 데이터 없다
s3 = pd.Series([np.nan, 10, 30])
print(s3)
'''
0 NaN
1 10.0
2 30.0
dtype: float64
'''
index_data = ['2020-08-01', '2020-08-02', '2020-08-03', '2020-08-04']
s4 = pd.Series([100, 195, np.nan, 205], index=index_data)
print(s4)
'''
2020-08-01 100.0
2020-08-02 195.0
2020-08-03 NaN
2020-08-04 205.0
dtype: float64
'''
s5 = pd.Series({'국어': 100, '영어': 95, '수학': 90})
print(s5)
'''
국어 100
영어 95
수학 90
dtype: int64
'''
# 날짜 생성
s6 = pd.date_range(start='2020-08-01', end='2020-08-07', periods=None, freq='D')
print(s6)
'''
DatetimeIndex(['2020-08-01', '2020-08-02', '2020-08-03', '2020-08-04',
'2020-08-05', '2020-08-06', '2020-08-07'],
dtype='datetime64[ns]', freq='D')
'''
s7 = pd.date_range(start='2020-08-01', periods=4, freq='D')
print(s7)
'''
DatetimeIndex(['2020-08-01', '2020-08-02', '2020-08-03', '2020-08-04'], dtype='datetime64[ns]', freq='D')
'''
# DataFrame 2차원 데이터 생성
index_data = pd.date_range(start='2020-08-01', periods=3) # 2020-08-01 3개
columns_list = ['A', 'B', 'C']
df1 = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], index=index_data, columns=columns_list)
print(df1)
'''
A B C
2020-08-01 1 2 3
2020-08-02 4 5 6
2020-08-03 7 8 9
'''
print(df1.index)
print(df1.values)
print(df1.columns)
'''
DatetimeIndex(['2020-08-01', '2020-08-02', '2020-08-03'], dtype='datetime64[ns]', freq='D')
----------------
[[1 2 3]
[4 5 6]
[7 8 9]]
---------------
Index(['A', 'B', 'C'], dtype='object')
'''
df2 = pd.DataFrame({'연도': [2015, 2016, 2017],
'지사': ['한국', '미국', '한국'],
'고객수': [200, 450, 300]})
print(df2)
'''
연도 지사 고객수
0 2015 한국 200
1 2016 미국 450
2 2017 한국 300
'''
# 봄 여름 가을 겨울
# 2012 256.5 356.5 256.5 156.5
# 2013 264.3 364.3 264.3 164.3
# 2014 215.9 315.9 215.9 115.9
# 2015 223.2 323.2 223.2 123.2
# 2016 312.8 312.8 312.8 112.8
df3 = pd.DataFrame([[256.5, 356.5, 256.5, 156.5], [264.3, 364.3, 264.3, 164.3], [215.9, 315.9, 215.9, 115.9],
[223.2, 323.2, 223.2, 123.2], [312.8, 312.8, 312.8, 112.8]],
columns=['봄', '여름', '가을', '겨울'],
index=[2012, 2013, 2014, 2015, 2016])
print(df3)
# 데이터 총합, 평균, 표준편차
print(df1)
print(df1.sum())
'''
A 12
B 15
C 18
'''
print(df1.sum(axis=1))
'''
2020-08-01 6
2020-08-02 15
2020-08-03 24
Freq: D, dtype: int64
'''
print(df1.mean())
print(df1.mean(axis=1))
print(df1.std())
print(df1.std(axis=1))
print(df1.describe())
print(df2.describe())
print(df3.describe())
'''
A 4.0
B 5.0
C 6.0
dtype: float64
---------------------
2020-08-01 2.0
2020-08-02 5.0
2020-08-03 8.0
Freq: D, dtype: float64
---------------------
A 3.0
B 3.0
C 3.0
dtype: float64
--------------------
2020-08-01 1.0
2020-08-02 1.0
2020-08-03 1.0
Freq: D, dtype: float64
---------------------
A B C
count 3.0 3.0 3.0
mean 4.0 5.0 6.0
std 3.0 3.0 3.0
min 1.0 2.0 3.0
25% 2.5 3.5 4.5
50% 4.0 5.0 6.0
75% 5.5 6.5 7.5
max 7.0 8.0 9.0
------------------------
연도 고객수
count 3.0 3.000000
mean 2016.0 316.666667
std 1.0 125.830574
min 2015.0 200.000000
25% 2015.5 250.000000
50% 2016.0 300.000000
75% 2016.5 375.000000
max 2017.0 450.000000
-----------------------------
봄 여름 가을 겨울
count 5.000000 5.00000 5.000000 5.00000
mean 254.540000 334.54000 254.540000 134.54000
std 38.628267 24.06539 38.628267 24.06539
min 215.900000 312.80000 215.900000 112.80000
25% 223.200000 315.90000 223.200000 115.90000
50% 256.500000 323.20000 256.500000 123.20000
75% 264.300000 356.50000 264.300000 156.50000
max 312.800000 364.30000 312.800000 164.30000
'''
# 상위 하위 몇개
print(df3.head(3))
print(df3.tail(3))
print(df3['봄'])
print(df3[0:2])
print(df3['봄'][0:2])
print(df3['봄'][2012:2014])
print(df3.loc[2012])
print(df3.loc[2012:2014]['봄'])
print(df3['봄'].loc[2012:2014])
print(df3.T) # 전치행렬(행,열바꿈)
'''
봄 여름 가을 겨울
2012 256.5 356.5 256.5 156.5
2013 264.3 364.3 264.3 164.3
2014 215.9 315.9 215.9 115.9
---------------------------------
봄 여름 가을 겨울
2014 215.9 315.9 215.9 115.9
2015 223.2 323.2 223.2 123.2
2016 312.8 312.8 312.8 112.8
--------------------------------------
2012 256.5
2013 264.3
2014 215.9
2015 223.2
2016 312.8
Name: 봄, dtype: float64
-----------------------------
봄 여름 가을 겨울
2012 256.5 356.5 256.5 156.5
2013 264.3 364.3 264.3 164.3
2012 256.5
2013 264.3
Name: 봄, dtype: float64
------------------------
Series([], Name: 봄, dtype: float64)
---------------------
봄 256.5
여름 356.5
가을 256.5
겨울 156.5
Name: 2012, dtype: float64
-----------------------
2012 256.5
2013 264.3
2014 215.9
Name: 봄, dtype: float64
-----------------------
2012 2013 2014 2015 2016
봄 256.5 264.3 215.9 223.2 312.8
여름 356.5 364.3 315.9 323.2 312.8
가을 256.5 264.3 215.9 223.2 312.8
겨울 156.5 164.3 115.9 123.2 112.8
'''
# 열추가
df3['sum_0']=0
print(df3)
df3['sum']=df3['봄']+df3['여름']+df3['가을']+df3['겨울']
print(df3)
'''
봄 여름 가을 겨울 sum_0 sum
2012 256.5 356.5 256.5 156.5 0 1026.0
2013 264.3 364.3 264.3 164.3 0 1057.2
2014 215.9 315.9 215.9 115.9 0 863.6
2015 223.2 323.2 223.2 123.2 0 892.8
2016 312.8 312.8 312.8 112.8 0 1051.2
'''
# avg 열추가
df3['avg']=df3['sum']/4
print(df3)
'''
봄 여름 가을 겨울 sum_0 sum avg
2012 256.5 356.5 256.5 156.5 0 1026.0 256.5
2013 264.3 364.3 264.3 164.3 0 1057.2 264.3
2014 215.9 315.9 215.9 115.9 0 863.6 215.9
2015 223.2 323.2 223.2 123.2 0 892.8 223.2
2016 312.8 312.8 312.8 112.8 0 1051.2 262.8
'''
# 열삭제
df3_1=df3.drop('sum_0',axis=1) # 저장한 결과를 다른변수에 저장
print(df3_1)
# 조건데이터 추출
# print(df3[조건식])
print(df3[df3['봄']>=300])
# 정렬
print(df3.sort_values(by=['봄'])) # 오름차순
print(df3.sort_values(by=['봄'],ascending=False)) # 내림차순
# min max sum count mean
print(df3.min())
print(df3.max())
print(df3.sum())
print(df3.count())
print(df3.mean())
# 그룹 groupby()
print(df2)
df2_group=df2.groupby(by='지사').count()
print(df2_group)
df2_group=df2.groupby(by='지사').mean()
print(df2_group)
df2_group=df2.groupby(by='지사')['고객수'].mean()
print(df2_group)
df2_group=df2.groupby(by='지사')['고객수'].agg([min,max])
print(df2_group)
# 연도 count 고객수 sum
agg_format={'연도':'count','고객수':'sum'}
df2_group=df2.groupby(by='지사').agg(agg_format)
print(df2_group)
# 파일 읽고 쓰기
# DataFrame -> 파일로 만들기
df1.index.name='년도'
print(df1)
df1.to_csv('df1.csv')
# df2 df3 -> csv 파일 만들기
df2.to_csv('df2.csv')
df3.to_csv('df3.csv')
# 파일 읽어오기
fdf1=pd.read_csv('height.csv',encoding="cp949") # 한글처리 encoding="cp949"
print(fdf1)
# nation index 지정
fdf2=pd.read_csv('height.csv',index_col="nation")
print(fdf2)
print(fdf2.mean())
# 두 frame 데이터 통합 행 추가 열추가 병합
df4=pd.DataFrame({'1반':[95,92,98,100],
'2반':[91,93,97,100]})
print(df4)
df5=pd.DataFrame({'1반':[87,89],
'2반':[85,90]})
print(df5)
# frame 추가 append
# index 번호 변경
print(df4.append(df5,ignore_index=True))
# frame 컬럼 (열) 추가 join()
df6=pd.DataFrame({'3반':[90,96,88,80]})
print(df4.join(df6))
# 1반 2반 3반
# 0 95 91 90
# 1 92 93 96
# 2 98 97 88
# 3 100 99 80
# frame 열기준 통합 (병합) merge
df7=pd.DataFrame({'1반':[95,92,98,100],
'2반':[91,93,97,99],
'3반':[90,96,88,80],
'4반':[95,90,80,80]})
df8=pd.DataFrame({'3반':[95,92,98,100],
'4반':[91,93,97,99],
'5반':[90,96,88,80],
'6반':[95,90,80,80]})
print(df7)
# 과목 1반 2반
# 0 국어 95 91
# 1 영어 92 93
# 2 수학 98 97
# 3 과학 100 99
print(df8)
# 과목 3반 4반
# 0 음악 90 95
# 1 미술 96 90
# 2 수학 88 80
# 3 과학 80 80
print(df7.merge(df8))
print(df7.merge(df8,how='inner'))
# 과목 1반 2반 3반 4반
# 0 수학 98 97 88 80
# 1 과학 100 99 80 80
print(df7.merge(df8,how='left'))
# 과목 1반 2반 3반 4반
# 0 국어 95 91 NaN NaN
# 1 영어 92 93 NaN NaN
# 2 수학 98 97 88.0 80.0
# 3 과학 100 99 80.0 80.0
print(df7.merge(df8,how='right'))
# 과목 1반 2반 3반 4반
# 0 음악 NaN NaN 90 95
# 1 미술 NaN NaN 96 90
# 2 수학 98.0 97.0 88 80
# 3 과학 100.0 99.0 80 80
print(df7.merge(df8,how='outer'))
# 과목 1반 2반 3반 4반
# 0 국어 95.0 91.0 NaN NaN
# 1 영어 92.0 93.0 NaN NaN
# 2 수학 98.0 97.0 88.0 80.0
# 3 과학 100.0 99.0 80.0 80.0
# 4 음악 NaN NaN 90.0 95.0
# 5 미술 NaN NaN 96.0 90.0
# 이상한 데이터 9999 => NaN 변경
# 결손데이터 (비어있는 데이터 처리) NaN => 0, 평균값 대치
mdf=df7.merge(df8,how='outer')
print(mdf)
print(mdf.isna().sum())
# NoN ->0,평균값 대치
print(mdf['2반'].fillna(0))
'''
0 91.0
1 93.0
2 97.0
3 99.0
4 0.0
5 0.0
6 0.0
7 0.0
'''
print(mdf['2반'].fillna(mdf['2반'].mean()))
'''
0 91.0
1 93.0
2 97.0
3 99.0
4 95.0
5 95.0
6 95.0
7 95.0
'''
# 람다함수이용 열 추가 apply()
print(mdf)
# '1반100' 1반열 *100
mdf['1반100']=mdf['1반'].apply(lambda x:x*100)
print(mdf)
# '1반grade' 1반열>=95 'A' else 'B' 람다 매개변수 : 참값 if 조건 else 거짓값
mdf['1반grade']=mdf['1반'].apply(lambda x: 'A' if x>=95 else 'B')
print(mdf)
# 과목 1반 2반 3반 4반 1반100 1반grade
# 0 국어 95.0 91.0 NaN NaN 9500.0 A
# 1 영어 92.0 93.0 NaN NaN 9200.0 B
# 2 수학 98.0 97.0 88.0 80.0 9800.0 A
# 3 과학 100.0 99.0 80.0 80.0 10000.0 A
# 4 음악 NaN NaN 90.0 95.0 NaN B
# 5 미술 NaN NaN 96.0 90.0 NaN B
# train.csv 가져오기
train_df=pd.read_csv('train.csv')
print(train_df)
# 상위 5개 출력
print(train_df.head(5))
# 하위 5개 출력
print(train_df.tail(5))
# 개수 출력
print(train_df.count())
# 추출 'Pclass' 3등석 상위 3개 출력
print(train_df[train_df['Pclass']==3].head(3))
# 추출 'Age' 60보다 큰 데이터 상위 3개 출력
print(train_df[train_df['Age']>60].head(3))
# 추출 'Age' 60보다 큰 데이터중 'Name','Age' 상위 3개 출력
print(train_df[train_df['Age']>60][['Name','Age']].head(3))
'''
PassengerId Survived Pclass ... Fare Cabin Embarked
0 1 0 3 ... 7.2500 NaN S
1 2 1 1 ... 71.2833 C85 C
2 3 1 3 ... 7.9250 NaN S
3 4 1 1 ... 53.1000 C123 S
4 5 0 3 ... 8.0500 NaN S
[5 rows x 12 columns]
PassengerId Survived Pclass ... Fare Cabin Embarked
886 887 0 2 ... 13.00 NaN S
887 888 1 1 ... 30.00 B42 S
888 889 0 3 ... 23.45 NaN S
889 890 1 1 ... 30.00 C148 C
890 891 0 3 ... 7.75 NaN Q
[5 rows x 12 columns]
PassengerId 891
Survived 891
Pclass 891
Name 891
Sex 891
Age 714
SibSp 891
Parch 891
Ticket 891
Fare 891
Cabin 204
Embarked 889
dtype: int64
PassengerId Survived Pclass ... Fare Cabin Embarked
0 1 0 3 ... 7.250 NaN S
2 3 1 3 ... 7.925 NaN S
4 5 0 3 ... 8.050 NaN S
[3 rows x 12 columns]
PassengerId Survived Pclass ... Fare Cabin Embarked
33 34 0 2 ... 10.5000 NaN S
54 55 0 1 ... 61.9792 B30 C
96 97 0 1 ... 34.6542 A5 C
[3 rows x 12 columns]
Name Age
33 Wheadon, Mr. Edward H 66.0
54 Ostby, Mr. Engelhart Cornelius 65.0
96 Goldschmidt, Mr. George B 71.0
'''
# 정렬
train_df_sorted=train_df.sort_values(by=['Name'])
print(train_df_sorted.head(3))
'''
PassengerId Survived Pclass ... Fare Cabin Embarked
845 846 0 3 ... 7.55 NaN S
746 747 0 3 ... 20.25 NaN S
279 280 1 3 ... 20.25 NaN S
'''
# 그룹
# 'Pclass' 기준으로 그룹 개수
train_df_group=train_df.groupby(by='Pclass')
print(train_df_group.count())
# 'Pclass' 기준으로 그룹 'Survived' 합계
print(train_df_group['Survived'].agg([sum]))
# 'Pclass' 기준으로 그룹 'Age' 최대값, 최소값
print(train_df_group['Age'].agg([max,min]))
# 'Pclass' 기준으로 그룹 'Age' 최대값, 'Fare' 평균
agg_format={'Age':'max','Fare':'mean'}
print(train_df_group.agg(agg_format))
# 'Pclass' 기준으로 그룹 'Age' 평균, 'Survived' 합계
agg_format={'Age':'mean','Survived':'sum'}
print(train_df_group.agg(agg_format))
# 'Sex' 기준으로 그룹 'Age' 평균, 'Survived' 합계
train_df_group=train_df.groupby(by="Sex")
agg_format={'Age':'mean','Survived':'sum'}
print(train_df_group.agg(agg_format))
# 열추가
train_df['age_10']=train_df['Age']*10
print(train_df)
|
cs |
pandas 패키지를 다운로드한 후 간단하게 활용해보았는데 복잡한 데이터를 다루기 위한 패키지 이기 때문인지 python 기능을 배워보는 것들 중에선 어렵게 느껴진 거 같다. 그래도 데이터를 [] 안에 {} 딕셔너리 형태로 여러 가지를 넣어주며 여러 내장 함수들을 활용해서 정렬을 해보고 칼럼이나 인덱스 별로 정렬도 해보면서 익숙해 지기 위해 노력해보았다.
아직은 많이 부족하지만 좀더 익숙해지고 여러 가지 들을 더 배워서 프로그램을 완벽하게 만들고 싶어 졌다.
'Python' 카테고리의 다른 글
Python - matplotlib (데이터를 시각화 해주는 패키지) (0) | 2020.09.02 |
---|---|
Python - numpy(계산을 빠르게 하기 위한 패키지) (0) | 2020.09.02 |
Python - 모듈 (0) | 2020.09.02 |
Python - 파일 입출력, print(),input() (0) | 2020.09.02 |
Python - Exception (0) | 2020.09.02 |