[Python pandas] pd.DataFrame 만들고 Attributes 조회하기

이번 포스팅에서는 Python pandas에서 가장 중요하게 사용되는 Data 구조인

 

 - (1) DataFrame을 만들어보고,

 

 - (2) 다양한 Attributes 를 조회

 

하는 방법에 대해서 알아보겠습니다.

 

 

먼저 필요한 Library 들을 importing 하겠습니다.

 

In [1]: import numpy as np    ...: import pandas as pd    ...: from pandas import DataFrame as df

 

 

 

(1) pandas DataFrame 만들기

 

pd.DataFrame() 에서 사용하는 Paraeter 들에는 (1) data, (2) index, (3) columns, (4) dtype, (5) copy 의 5가지가 있습니다.

 

(1-1) data : numpy ndarray, dict, DataFrame 등의 data source

(1-2) index : 행(row) 이름, 만약 명기하지 않으면 np.arange(n)이 자동으로 할당 됨

(1-3) column : 열(column) 이름, 만약 명기하지 않으면 역시 np.arnage(n)이 자동으로 할당 됨

(1-4) dtype : 데이터 형태(type), 만약 지정하지 않으면 Python이 자동으로 추정해서 넣어줌

(1-5) copy : 입력 데이터를 복사할지 지정. 디폴트는 False 임. (복사할 거 아니면 메모리 관리 차원에서 디폴트인 False 설정 사용하면 됨)

 

 

3행 4열짜리 간단한 DataFrame을 만들어보겠습니다.  data  란에 input data 지정은 필수로 해줘야 하구요, 나머지 index, columns, dtype, copy는 별도로 명기를 안해줘도 디폴트 세팅이 적용되어서 DataFrame이 생성이 되긴 합니다.

 

In [2]: df_1 = df(data=np.arange(12).reshape(3, 4),    ...: index=['r0', 'r1', 'r2'], # Will default to np.arange(n) if no indexing    ...: columns=['c0', 'c1', 'c2', 'c3'],    ...: dtype='int', # Data type to force, otherwise infer    ...: copy=False) # Copy data from inputs   In [3]: df_1 Out[3]:      c0  c1  c2  c3 r0   0   1   2   3 r1   4   5   6   7 r2   8   9  10  11

 

 

 

 

(2) DataFrame 의 Attributes 조회하기

 

 

다음으로 DataFrame의 Attributes을 조회하는 방법을 소개하겠습니다.

참고로, 아래 Attributes의 끝에는 괄호 ()를 붙이지 않으니 헷갈리지 않도록 조심하세요.

 

 

(2-1) T : 행과 열 전치 (transpose)

 

In [5]: df_1.T # Transpose index and columns Out[5]: c3   3   7  11 c0   0   4   8 c1   1   5   9 c2   2   6  10 c3   3   7  11

 

 

 

(2-2) axes : 행과 열 이름을 리스트로 반환

 

In [6]: df_1.axes Out[6]: [Index(['r0', 'r1', 'r2'], dtype='object'), Index(['c0', 'c1', 'c2', 'c3'], dtype='object')]

 

 

 

(2-3) dtypes : 데이터 형태 반환

 

In [7]: df_1.dtypes # Return the dtypes in this object Out[7]: c0 int32 c1 int32 c2 int32 c3 int32 dtype: object

 

 

 

(2-4) shape : 행과 열의 개수(차원)을 튜플로 반환

 

In [22]: df_1.shape # Return a tuple representing the dimensionality of the DataFrame Out[22]: (3, 4)

 

 

 

(2-5) size : NDFrame의 원소의 개수를 반환

 

In [23]: df_1.size # number of elements in the NDFrame Out[23]: 12

 

 

 

(2-6) values : NDFrame의 원소를 numpy 형태로 반환

 

In [24]: df_1.values # Numpy representation of NDFrame Out[24]: array([[ 0,  1,  2,  3],        [ 4,  5,  6,  7],        [ 8,  9, 10, 11]])

 

 

다음번 포스팅에서는 DataFrame에서 indexing 하는 방법을 소개하겠습니다.