[Python pandas] DataFrame의 행 또는 열 데이터 선택해서 가져오기 (DataFrame objects indexing and selection)

지난번 포스팅에서는 Python pandas의 DataFrame 만들기, Attributes 조회하기에 대해서 알아보았습니다.

 

이번 포스팅에서는 DataFrame의 데이터를

 

 - (1) 행(row) 기준으로 선택해서 가져오기

 - (2) 열(column) 기준으로 선택해서 가져오기

 

방법(DataFrame objects indexing and selection by rows or columns)에 대해서 소개하겠습니다.

 

 

먼저, 필요한 Libraries 를 importing하고, 간단한 5행 3열의 DataFrame을 만들어 보겠습니다.

 

In [1]: import numpy as np    ...: import pandas as pd    ...: from pandas import DataFrame    ...:    ...: ##-- Making DataFrame    ...: df_2 = DataFrame({'class_1': ['a', 'a', 'b', 'b', 'c'],    ...:                          'var_1': np.arange(5),    ...:                          'var_2': np.random.randn(5)},    ...:                          index = ['r0', 'r1', 'r2', 'r3', 'r4'])    ...:    ...: df_2 Out[1]:    class_1  var_1     var_2 r0       a      0  2.896618 r1       a      1 -0.113472 r2       b      2  0.261695 r3       b      3 -0.260788 r4       c      4 -0.791744

 

 

 

 

(1) 행 기준으로 선택해서 가져오기 (indexing and selection by row)

 

DataFrame의 index 를 확인해보겠습니다.

 

In [2]: df_2.index # returning index Out[2]: Index(['r0', 'r1', 'r2', 'r3', 'r4'], dtype='object')

 

 

'ix'를 사용하면 행 기준 indexing할 때 정수(int)와 행 이름(row label) 모두 사용할 수 있어서 편리합니다.

조건을 조금씩 달리해가면서 몇 가지 예를 아래에 들어보겠습니다. 서로 다른 점을 유심히 살펴보시면 어렵지 않게 사용법을 이해하실 수 있을 겁니다. 어렵지 않아요.

 

 

In [4]: df_2.ix[2:] # indexing from int. position to end Out[4]:    class_1  var_1     var_2 r2       b      2  0.261695 r3       b      3 -0.260788 r4       c      4 -0.791744

 

 

In [5]: df_2.ix[2] # indexing specific row with int. position Out[5]: class_1           b var_1             2 var_2      0.261695 Name: r2, dtype: object

 

 

In [6]: df_2.ix['r2'] # indexing specific row with row label Out[6]: class_1           b var_1             2 var_2      0.261695 Name: r2, dtype: object

 

 

 

데이터가 매우 많은 수의 행을 가지고 있을 경우에 위로 부터 n개의 행만 보고 싶은 때는 head(n) 메소드를 사용하면 됩니다.

 

In [7]: df_2.head(2) # Returns first n rows Out[7]:    class_1  var_1     var_2 r0       a      0  2.896618 r1       a      1 -0.113472

 

 

 

tail(n) 메소드는 행의 제일 마지막부터 n번째까지의 행 기준 데이터를 반환합니다.

 

In [8]: df_2.tail(2) # Returns last n rows   Out[8]:       class_1  var_1     var_2 r3       b      3 -0.260788 r4       c      4 -0.791744

 

 

 

 

(2) 열 기준으로 선택해서 가져오기 (indexing and selection by column)

 

 

df_2 DataFrame의 열을 .columns 로 확인해 보겠습니다.

 

In [12]: df_2.columns Out[12]: Index(['class_1', 'var_1', 'var_2'], dtype='object')

 

 

 

열(column) 기준으로 indexing할때는 '[ ]' 안에 열 이름(column label)을 'string' 형식으로 입력해주면 됩니다.

 

In [13]: df_2['class_1'] Out[13]: r0    a r1    a r2    b r3    b r4    c Name: class_1, dtype: object

 

 

 

두 개이상의 열(columns)을 가져오고 싶을 때는 튜플(tuple)을 사용해서 열의 이름을 나열해 주면 됩니다.

 

In [14]: df_2[['class_1', 'var_1']] Out[14]:    class_1  var_1 r0       a      0 r1       a      1 r2       b      2 r3       b      3 r4       c      4

 

 

이상으로 DataFrame Indexing and Selection에 대해서 마치겠습니다.

 

다음번 포스팅에서는 DataFrame index의 reindexing에 대해서 알아보겠습니다.