제 12장 📒데이터 분석_pandas(Series 자료형)📒

Numpy를 배운것은 Pandas 를 쓰기 위해 너무 중요하기 때문이라고도

말할 수 있습니다😲 드디어 데이터 시각화에 실무에도 많이 쓰이는 pandas🐼에 대해 배우는 시간입니다.

Pandas

• 데이터 처리 및 분석을 위한 라이브러리
• 대용량 데이터를 안정적이면서도 간편하게 처리
• 서로 다른 데이터타입으로 열을 구성할 수 있음
  (참고) Numpy : 전체 배열 원소를 동일한 타입으로 제한
• 주요 기능
  • 데이터 입출력 : csv, excel, RDB, JSON 등 다양한 포맷의 데이터를 효율적으로 처리할 수 있는 형식을 사용
  • 데이터 가공 : 분리, 결합, 계층, 피봇 등
  • 통계 분석 처리

자료형

• Series
  
  • 1차원 배열과 유사한 자료형
  • 색인(index) : 행 번호
    • 각각의 데이터에 부여하는 속성으로 기본값은 0부터 1씩 증가하는 숫자 지정
    • index 파라미터를 통해 새로운 값으로 변경 가능
    • 리스트, 튜플 타입으로 새로운 값을 전달해야하며 다차원 자료형은 사용할 수 없음
    • 전달하는 색인의 개수와 데이터의 개수가 일치해야 함
  • 각각의 색인과 데이터가 매핑되어 있으므로 dictionary 자료형과 유사
  • 여러 가지 데이터 타입 사용 가능

✅ pandas 라이브러리 및 Series, dataFrame 네임스페이스 불러오기

- import pandas as pd

- pd.Series()

Series 생성

• 하나의 값(숫자, 문자) 또는 자료형(리스트, 튜플, np 배열)으로 데이터 전달
• 숫자
  • ex) s1 = pd.Series(10)
    
•  문자
  • ex) s2 = pd.Series('abc')
• 자료형
  • ex) s3 = pd.Series([10, 20, 30])
• 데이터 타입이 서로 다른 리스트 자료형
  • ex) s4 = pd.Series([10.3, 'test', 200, [1, 2, 3]])
• 딕셔너리 자료형(자동으로 라벨 부여, key가 index, value가 실제 데이터)
  • ex) s5 = pd.Series({'a':10, 'b':20, 'c':30})

Series 속성

• 속성은 소괄호를 붙이지 않음
• index : series 객체의 인덱스 배열을 반환
• values : series 객체의 데이터(값) 배열을 반환
• name : series 객체의 이름을 반환
• dtype : series 객체의 데이터 타입을 반환
• size : series 객체의 데이터 개수(길이)를 반환
• shape : series 객체의 구조(행, 열, 차원)를 반환

⛔(주의) : 1) 행 개수(데이터 개수)와 동일한 길이를 전달해야 한다

                  2) 인덱스 객체 내부의 단일 라벨 인덱스만 수정하는것은 불가능

                  3) 인덱스 라벨링 수정시 전체 인덱스를 대입해줘야 한다

 

---

🔑 dictionary 자료형과 유사한 Series 자료형

1) dictionary 자료형으로 Series 생성

ex)

data = {'서울':100, '경기':200, '강원':300, '부산':400}
sample = pd.Series(data)
print(data)
print(sample)

{'서울': 100, '경기': 200, '강원': 300, '부산': 400}
서울    100
경기    200
강원    300
부산    400

 2) Series 객체와 in 연산자
 dictionary와 유사 : in 연산자를 사용해 내부 요소 검사시
 key값에 해당하는 라벨을 이용해 해당 요소가 있는지 없는지 여부를 True, False로 출력

ex)

print('서울' in data)
print('서울' in sample)

 

True
True

3) for문에서 in연산자로 접근 : Series의 value값을 참조

ex)

for key in data:
    print(key)
print("--------------")
for value in sample.values:
    print(value)

 

서울
경기
강원
부산
--------------
100
200
300
400

---

인덱싱(Indexing)

• 하나의 특정 값을 선택하거나 변경
• 참조하는 인덱스 : 기본 숫자 인덱스, 라벨 인덱스
• 새로운 인덱스를 설정해도 기본 숫자 인덱스 사용 가능

슬라이싱(Slicing)

• Series객체[시작인덱스 : 끝인덱스 : 간격]
• 특정 범위의 값을 선택하거나 변경
• 기본 숫자 인덱스 또는 새로운 인덱스 모두 사용 가능
• 기본 숫자 인덱스를 사용해서 슬라이싱 할 때는 끝 인덱스 미포함
• 라벨 인덱스를 사용해서 슬라이싱 할 때 끝 인덱스까지 모두 포함

다음 시간에는 DataFrame 을 블로깅 할 예정 입니다.