1. 판다스(Pandas)

'웨스 맥키니'가 개발한 라이브러리. 데이터작업을 쉽고 직관적으로 할 수 있게 설계된 빠르고 유연한 데이터 구조(데이터프레임)를 제공하는 모듈.

1-1. Series와 DataFrame

2차원 표 데이터: 데이터프레임 = colums + index
1차원 표 데이터: 시리즈 = colums + index + values
표 데이터 부분: values
표 행 이름: index
표 열 이름: columns
데이터프레임, 시리즈: numpy의 ndarray 기반

In [ ]:

!pip install pandas

Looking in indexes: https://pypi.org/simple, https://us-python.pkg.dev/colab-wheels/public/simple/
Requirement already satisfied: pandas in /usr/local/lib/python3.10/dist-packages (1.5.3)
Requirement already satisfied: python-dateutil>=2.8.1 in /usr/local/lib/python3.10/dist-packages (from pandas) (2.8.2)
Requirement already satisfied: pytz>=2020.1 in /usr/local/lib/python3.10/dist-packages (from pandas) (2022.7.1)
Requirement already satisfied: numpy>=1.21.0 in /usr/local/lib/python3.10/dist-packages (from pandas) (1.22.4)
Requirement already satisfied: six>=1.5 in /usr/local/lib/python3.10/dist-packages (from python-dateutil>=2.8.1->pandas) (1.16.0)

In [ ]:

import pandas as pd

In [ ]:

# 데이터 만들기
data1 = [[67,93,91],
         [75,69,96],
         [75,81,82],
         [62,70,75],
         [98,45,87]]

In [ ]:

# 인덱스 만들기
idx1 = ['김사과', '반하나', '오렌지', '이메론', '배애리']

In [ ]:

# 행 만들기
col1 = ['국어','영어','수학']

In [ ]:

# List를 사용하여 데이터프레임 만들기
#DataFrame(데이터, 인덱스, 컬럼)으로 만들 수 있음.
pd.DataFrame(data1, idx1, col1)

Out[ ]:

	국어	영어	수학
김사과	67	93	91
반하나	75	69	96
오렌지	75	81	82
이메론	62	70	75
배애리	98	45	87

In [ ]:

# 데이터프레임 내에서 파라미터를 통해 명시해줄 수 있음. → 굳이 순서를 맞출 필요 없음.
pd.DataFrame(data=data1, columns=col1)

Out[ ]:

	국어	영어	수학
0	67	93	91
1	75	69	96
2	75	81	82
3	62	70	75
4	98	45	87

In [ ]:

df1 = pd.DataFrame(data1, idx1, col1)

In [ ]:

# 데이터프레임을 array로 출력
df1.values

Out[ ]:

array([[67, 93, 91],
       [75, 69, 96],
       [75, 81, 82],
       [62, 70, 75],
       [98, 45, 87]])

In [ ]:

df1.index

Out[ ]:

Index(['김사과', '반하나', '오렌지', '이메론', '배애리'], dtype='object')

In [ ]:

df1.columns

Out[ ]:

Index(['국어', '영어', '수학'], dtype='object')

In [ ]:

# 시리즈 만들기
data2 = [67, 75, 75, 62, 98]

In [ ]:

# Series(데이터, 인덱스)
pd.Series(data2)

Out[ ]:

0    67
1    75
2    75
3    62
4    98
dtype: int64

In [ ]:

pd.Series(data2, idx1)

Out[ ]:

김사과    67
반하나    75
오렌지    75
이메론    62
배애리    98
dtype: int64

In [ ]:

se1 = pd.Series(data2, idx1)

In [ ]:

se1.values

Out[ ]:

array([67, 75, 75, 62, 98])

In [ ]:

se1.index

Out[ ]:

Index(['김사과', '반하나', '오렌지', '이메론', '배애리'], dtype='object')

In [ ]:

# 딕셔너리를 사용하여 DataFrame 생성
dic1 = {
    '국어':[67, 75, 75, 62, 98],
    '영어':[93, 69, 81, 70, 45],
    '수학':[91, 96, 82, 75, 87]
}

In [ ]:

df2 = pd.DataFrame(data=dic1, index=idx1)

In [ ]:

df2

Out[ ]:

	국어	영어	수학
김사과	67	93	91
반하나	75	69	96
오렌지	75	81	82
이메론	62	70	75
배애리	98	45	87

In [ ]:

# csv파일, xlsx파일을 이용하여 DataFrame화 예제 실습

2. CSV 파일 다루기

CSV
Comma Seperaated Value의 약자로, 데이터를 쉼표로 구분한 파일.
Excel로 로딩이 가능하지만 Excel파일과는 엄연히 다른 파일.
쉼표로 구분된 CSV가 Excel보다 더 가볍기 때문에 데이터로 많이 사용.
공공데이터 포털에서도 CSV 포맷의 파일을 제공中

In [ ]:

# pd.read_csv(CSV파일, 인코딩방법)
pd.read_csv('korean-idol.csv')

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

pd.read_csv('/content/drive/MyDrive/KDT/2. 데이터분석/korean-idol.csv')

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

pd.read_csv('http://bit.ly/ds-korean-idol')

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

3. Excel파일 읽어오기

In [ ]:

pd.read_excel('/content/drive/MyDrive/KDT/2. 데이터분석/korean-idol.xlsx')

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

4. DataFrame 기본정보 알아보기

In [ ]:

df = pd.read_csv('http://bit.ly/ds-korean-idol')

In [ ]:

df

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

type(df) # type이 DataFrame이다.

Out[ ]:

pandas.core.frame.DataFrame

In [ ]:

df.info() # info(): 기본적인 행(row), 열(column)의 정보를 보여줌

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 15 entries, 0 to 14
Data columns (total 8 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   이름       15 non-null     object 
 1   그룹       14 non-null     object 
 2   소속사      15 non-null     object 
 3   성별       15 non-null     object 
 4   생년월일     15 non-null     object 
 5   키        13 non-null     float64
 6   혈액형      15 non-null     object 
 7   브랜드평판지수  15 non-null     int64  
dtypes: float64(1), int64(1), object(6)
memory usage: 1.1+ KB

4-1. 열(column) 다루기

In [ ]:

df.columns

Out[ ]:

Index(['이름', '그룹', '소속사', '성별', '생년월일', '키', '혈액형', '브랜드평판지수'], dtype='object')

In [ ]:

new_columns = ['name', 'group', 'company', 'gender', 'birthday', 'height', 'blood', 'brand']

In [ ]:

df.columns = new_columns

In [ ]:

df

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

4-2. 통계정보 알아보기

In [ ]:

# describe(): 통계 정보를 출력
df.describe()

Out[ ]:

	height	brand
count	13.000000	1.500000e+01
mean	175.792308	5.655856e+06
std	5.820576	2.539068e+06
min	162.100000	2.925442e+06
25%	174.000000	3.712344e+06
50%	177.000000	4.668615e+06
75%	179.200000	7.862214e+06
max	183.000000	1.052326e+07

In [ ]:

df.describe(include=object)

Out[ ]:

	name	group	company	gender	birthday	blood
count	15	14	15	15	15	15
unique	15	8	9	2	15	4
top	지민	방탄소년단	빅히트	남자	1995-10-13	A
freq	1	5	5	12	1	7

4-3. 형태(shape) 알아보기

In [ ]:

df.shape

Out[ ]:

(15, 8)

4-4. 원하는 개수의 데이터 보기

head(): 상위 5개의 row 출력
head(n): 상위 n개의 row 출력
tail(): 하위 5개의 row 출력
tail(n): 하위 n개의 row 출력

In [ ]:

df.head(7)

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792

In [ ]:

df.tail()

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

4-5. 정렬하기

In [ ]:

# index로 오름차순 정렬
df.sort_index()

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

# index로 내림차순 정렬
df.sort_index(ascending=False)

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260

In [ ]:

# 값에 따른 오름차순 정렬
df.sort_values(by='height')

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661

In [ ]:

# 값에 따른 내림차순 정렬
df.sort_values(by='height', ascending=False)

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661

In [ ]:

#NaN을 가장 위로 올리고 싶은 경우. na_position의 기본값은 last
df.sort_values(by='height', na_position='first')

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027

In [ ]:

# 조건이 동일할 때, 두번째 조건을 설정하고 싶은 경우
# 1차 정렬: 키(내림차순), 2차 정렬: 브랜드(오름차순) // NaN도 맨 위로 올리고 싶은 경우
df.sort_values(by=['height', 'brand'], ascending=[False, True], na_position='first'); # 파이썬은 2개 이상인 경우 list를 사용.

5. 데이터 다루기

In [ ]:

df.head()

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928

In [ ]:

# 혈액형만 뽑고 싶은 경우
print(df['blood']);
print(type(df['blood'])) # 해당 데이터 타입은 series이다.

0      A
1      A
2      A
3     AB
4      A
5      A
6      O
7      B
8      O
9      A
10     A
11     B
12    AB
13     O
14     O
Name: blood, dtype: object
<class 'pandas.core.series.Series'>

5-1. 범위 선택

In [ ]:

df.head(3)

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745

In [ ]:

df[:3]

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745

In [ ]:

# loc 인덱싱: 레이블(이름) 인덱싱. 행과 열 모두 인덱싱과 슬라이싱이 가능함.
df.loc[:, 'name'] # name만 모두 가져옴.

Out[ ]:

0       지민
1     지드래곤
2     강다니엘
3        뷔
4       화사
5       정국
6       민현
7       소연
8        진
9      하성운
10      태연
11     차은우
12      백호
13      JR
14      슈가
Name: name, dtype: object

In [ ]:

df.loc[2:5, 'name'] # index번호 2부터 '5'까지 모두 포함 (끝번호를 포함시킨다는 것을 꼭 기억하기)

Out[ ]:

2    강다니엘
3       뷔
4      화사
5      정국
Name: name, dtype: object

In [ ]:

df.loc[:,['name', 'gender', 'height']] #모든 행을 가져온 후, 특정 컬럼(name, gender, height)을 보고 싶은 경우. 여러개는 리스트를 사용.

Out[ ]:

	name	gender	height
0	지민	남자	173.6
1	지드래곤	남자	177.0
2	강다니엘	남자	180.0
3	뷔	남자	178.0
4	화사	여자	162.1
5	정국	남자	178.0
6	민현	남자	182.3
7	소연	여자	NaN
8	진	남자	179.2
9	하성운	남자	167.1
10	태연	여자	NaN
11	차은우	남자	183.0
12	백호	남자	175.0
13	JR	남자	176.0
14	슈가	남자	174.0

In [ ]:

df.loc[3:8, 'name':'gender'] # 3번부터 8번까지의 열을 name부터 gender까지 가져옴

Out[ ]:

	name	group	company	gender
3	뷔	방탄소년단	빅히트	남자
4	화사	마마무	RBW	여자
5	정국	방탄소년단	빅히트	남자
6	민현	뉴이스트	플레디스	남자
7	소연	아이들	큐브	여자
8	진	방탄소년단	빅히트	남자

In [ ]:

#iloc 인덱싱: index로 인덱싱, 행과 열 모두 인덱싱과 슬라이싱이 가능함.
df.iloc[:, [0,2]]

Out[ ]:

	name	company
0	지민	빅히트
1	지드래곤	YG
2	강다니엘	커넥트
3	뷔	빅히트
4	화사	RBW
5	정국	빅히트
6	민현	플레디스
7	소연	큐브
8	진	빅히트
9	하성운	스타크루이엔티
10	태연	SM
11	차은우	판타지오
12	백호	플레디스
13	JR	플레디스
14	슈가	빅히트

In [ ]:

df.iloc[:, 0:2] # index 2번 컬럼을 포함하지 않았음. (중요!)

Out[ ]:

	name	group
0	지민	방탄소년단
1	지드래곤	빅뱅
2	강다니엘	NaN
3	뷔	방탄소년단
4	화사	마마무
5	정국	방탄소년단
6	민현	뉴이스트
7	소연	아이들
8	진	방탄소년단
9	하성운	핫샷
10	태연	소녀시대
11	차은우	아스트로
12	백호	뉴이스트
13	JR	뉴이스트
14	슈가	방탄소년단

In [ ]:

df.iloc[1:3, 2:4] # row를 1부터 3직전, column을 2부터 4직전까지.

Out[ ]:

	company	gender
1	YG	남자
2	커넥트	남자

6. Boolean Indexing

조건, 비교연산을 넣으면 해당 결과가 t/f로 출력 특정 자료구조에 넣을 때 true만 뽑을 수 있음.

In [ ]:

df['height']>=180 # height가 180이상인 값을 True를 줌.

Out[ ]:

0     False
1     False
2      True
3     False
4     False
5     False
6      True
7     False
8     False
9     False
10    False
11     True
12    False
13    False
14    False
Name: height, dtype: bool

In [ ]:

df[df['height']>=180] # height가 180이상인 사람의 데이터는 true이고, true를 뽑아옴.

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027

In [ ]:

# height가 180이상인 사람의 이름만 보고싶은 경우
 df['name'][df['height']>=180]

Out[ ]:

2     강다니엘
6       민현
11     차은우
Name: name, dtype: object

In [ ]:

df[df['height']>=180]['name'] # 둘 다 표기 가능!

Out[ ]:

2     강다니엘
6       민현
11     차은우
Name: name, dtype: object

In [ ]:

# 행을 여러개를(name, gender, height) 뽑아서 보고 싶은 경우
df[['name', 'gender', 'height']][df['height']>=180]

Out[ ]:

	name	gender	height
2	강다니엘	남자	180.0
6	민현	남자	182.3
11	차은우	남자	183.0

In [ ]:

df

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

# 위의 내용을 loc로 만들어보기. loc[행의조건, 열의조건]
df.loc[df['height']>=180,['name', 'gender', 'height']]

Out[ ]:

	name	gender	height
2	강다니엘	남자	180.0
6	민현	남자	182.3
11	차은우	남자	183.0

7. isin

정의한 list에 있는 데이터를 색인하려는 경우 사용하는 함수. (조건을 걸어줄 값이 list안에 잇을 때 색인하는 방법)

In [ ]:

df

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

company = ['플레디스', 'SM']

In [ ]:

df['company'].isin(company) # 위에서 뽑은 company 2개가 df의 company에 있는지를 확인

Out[ ]:

0     False
1     False
2     False
3     False
4     False
5     False
6      True
7     False
8     False
9     False
10     True
11    False
12     True
13     True
14    False
Name: company, dtype: bool

In [ ]:

df[df['company'].isin(company) ] # T/F가 아니도록 뽑는 법.

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137

In [ ]:

# loc를 이용해서 뽑는 법
df.loc[df['company'].isin(company),: ]

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137

8. 결측값(Null, NaN)

Null: 비어있는 값, 결측값. pandas에서 NaN(Not a Number)로 표기된 값은 모두 결측값.

In [ ]:

df.info()
# df에서 결측값은 group과 height가 있음.

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 15 entries, 0 to 14
Data columns (total 8 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   name      15 non-null     object 
 1   group     14 non-null     object 
 2   company   15 non-null     object 
 3   gender    15 non-null     object 
 4   birthday  15 non-null     object 
 5   height    13 non-null     float64
 6   blood     15 non-null     object 
 7   brand     15 non-null     int64  
dtypes: float64(1), int64(1), object(6)
memory usage: 1.1+ KB

In [ ]:

df.isna() # 결측값을 t/f로 조회

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	False	False	False	False	False	False	False	False
1	False	False	False	False	False	False	False	False
2	False	True	False	False	False	False	False	False
3	False	False	False	False	False	False	False	False
4	False	False	False	False	False	False	False	False
5	False	False	False	False	False	False	False	False
6	False	False	False	False	False	False	False	False
7	False	False	False	False	False	True	False	False
8	False	False	False	False	False	False	False	False
9	False	False	False	False	False	False	False	False
10	False	False	False	False	False	True	False	False
11	False	False	False	False	False	False	False	False
12	False	False	False	False	False	False	False	False
13	False	False	False	False	False	False	False	False
14	False	False	False	False	False	False	False	False

In [ ]:

df.isnull() # isna()와 동일함.

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	False	False	False	False	False	False	False	False
1	False	False	False	False	False	False	False	False
2	False	True	False	False	False	False	False	False
3	False	False	False	False	False	False	False	False
4	False	False	False	False	False	False	False	False
5	False	False	False	False	False	False	False	False
6	False	False	False	False	False	False	False	False
7	False	False	False	False	False	True	False	False
8	False	False	False	False	False	False	False	False
9	False	False	False	False	False	False	False	False
10	False	False	False	False	False	True	False	False
11	False	False	False	False	False	False	False	False
12	False	False	False	False	False	False	False	False
13	False	False	False	False	False	False	False	False
14	False	False	False	False	False	False	False	False

In [ ]:

df['group'].isna() # group필드에 대해 결측값이 있는지의 여부를 확인

Out[ ]:

0     False
1     False
2      True
3     False
4     False
5     False
6     False
7     False
8     False
9     False
10    False
11    False
12    False
13    False
14    False
Name: group, dtype: bool

In [ ]:

df[df['group'].isna()] # 위의 결측값이 있는 데이터를 가져오고 싶은 경우

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745

In [ ]:

df['name'][df['group'].isna()]     # 데이터 중에서 이름만 가져오고 싶은 경우

Out[ ]:

2    강다니엘
Name: name, dtype: object

In [ ]:

df[df['group'].notnull()]       # group중 null값이 아닌 사람만 출력 (강다니엘이 빠져있음)

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

# 그룹이 있는 연예인의 이름, 키, 혈액형 출력. (loc를 사용)
df.loc[df['group'].notnull(),['name','group','blood']]

Out[ ]:

	name	group	blood
0	지민	방탄소년단	A
1	지드래곤	빅뱅	A
3	뷔	방탄소년단	AB
4	화사	마마무	A
5	정국	방탄소년단	A
6	민현	뉴이스트	O
7	소연	아이들	B
8	진	방탄소년단	O
9	하성운	핫샷	A
10	태연	소녀시대	A
11	차은우	아스트로	B
12	백호	뉴이스트	AB
13	JR	뉴이스트	O
14	슈가	방탄소년단	O

In [ ]:

# NaN값이 포함된 height값을 출력
df['height']

Out[ ]:

0     173.6
1     177.0
2     180.0
3     178.0
4     162.1
5     178.0
6     182.3
7       NaN
8     179.2
9     167.1
10      NaN
11    183.0
12    175.0
13    176.0
14    174.0
Name: height, dtype: float64

In [ ]:

# fillna(): 결측값을 채워주는 함수. 굉장히 많이 사용되므로 숙지해두기.
# height의 NaN값을 0으로 대체.
df['height'].fillna(0)

Out[ ]:

0     173.6
1     177.0
2     180.0
3     178.0
4     162.1
5     178.0
6     182.3
7       0.0
8     179.2
9     167.1
10      0.0
11    183.0
12    175.0
13    176.0
14    174.0
Name: height, dtype: float64

In [ ]:

# inplace연산을 이용하여 NaN을 0으로 수정한 부분을 반영.
df['height'].fillna(0, inplace=True)

In [ ]:

# 정상적으로 수정이 반영된 것을 확인할 수 있음.
df

Out[ ]:

	name	group	company	gender	birthday	height	blood	brand
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	0.0	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	0.0	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

# 데이터가 망가졌기 때문에, 데이터를 새로 받아옴.
df = pd.read_csv('http://bit.ly/ds-korean-idol')

In [ ]:

df

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

# df를 df2라는 파일로 복사
df2 = df.copy()

In [ ]:

df2

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

# 평균값: mean() 사용
height = df2['키'].mean()

In [ ]:

height

Out[ ]:

175.7923076923077

In [ ]:

df2['키'] = df2['키'].fillna(height)

In [ ]:

df2['키']

Out[ ]:

0     173.600000
1     177.000000
2     180.000000
3     178.000000
4     162.100000
5     178.000000
6     182.300000
7     175.792308
8     179.200000
9     167.100000
10    175.792308
11    183.000000
12    175.000000
13    176.000000
14    174.000000
Name: 키, dtype: float64

In [ ]:

df2=df.copy()
df2

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

# 존재하는 값 중 50% 위치의 값: median()
height = df2['키'].median()
height

Out[ ]:

177.0

In [ ]:

# 결측값이 있는 데이터 행을 삭제
# 결측값이 1개라도 있는 경우에도 행을 삭제
df.dropna()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

# 결측값이 있는 데이터 열을 삭제 (흔한 경우는 아님)
df.dropna(axis=1)

Out[ ]:

	이름	소속사	성별	생년월일	혈액형	브랜드평판지수
0	지민	빅히트	남자	1995-10-13	A	10523260
1	지드래곤	YG	남자	1988-08-18	A	9916947
2	강다니엘	커넥트	남자	1996-12-10	A	8273745
3	뷔	빅히트	남자	1995-12-30	AB	8073501
4	화사	RBW	여자	1995-07-23	A	7650928
5	정국	빅히트	남자	1997-09-01	A	5208335
6	민현	플레디스	남자	1995-08-09	O	4989792
7	소연	큐브	여자	1998-08-26	B	4668615
8	진	빅히트	남자	1992-12-04	O	4570308
9	하성운	스타크루이엔티	남자	1994-03-22	A	4036489
10	태연	SM	여자	1989-03-09	A	3918661
11	차은우	판타지오	남자	1997-03-30	B	3506027
12	백호	플레디스	남자	1995-07-21	AB	3301654
13	JR	플레디스	남자	1995-06-08	O	3274137
14	슈가	빅히트	남자	1993-03-09	O	2925442

9. 데이터 복사

In [ ]:

df

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

new_df = df

In [ ]:

new_df

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

new_df['이름'] = '김사과'

In [ ]:

new_df.head()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	김사과	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	김사과	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	김사과	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	김사과	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	김사과	마마무	RBW	여자	1995-07-23	162.1	A	7650928

In [ ]:

df

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	김사과	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	김사과	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	김사과	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	김사과	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	김사과	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	김사과	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	김사과	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	김사과	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	김사과	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	김사과	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	김사과	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	김사과	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	김사과	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	김사과	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	김사과	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

# 16진수 형태(hex)의 메모리 주소를 가리키는 id를 반환
print(hex(id(new_df)))
print(hex(id(df)))

0x7fe8d489c610
0x7fe8d489c610

In [ ]:

df = pd.read_csv('http://bit.ly/ds-korean-idol')

In [ ]:

copy_df = df.copy()

In [ ]:

print(hex(id(copy_df)))
print(hex(id(df)))

0x7fe8d474d630
0x7fe8d474d690

In [ ]:

copy_df['이름'] = '반하나'

In [ ]:

copy_df.head()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	반하나	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	반하나	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	반하나	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	반하나	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	반하나	마마무	RBW	여자	1995-07-23	162.1	A	7650928

In [ ]:

df.head()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928

10. 행, 열 추가 및 삭제하기

10-1. 행 추가하기

dict 형태의 데이터를 만들고, append() 함수를 사용하여 데이터를 추가함
반드시 ignore_index=True 옵션을 추가해야 에러가 발생하지 않음

In [ ]:

dic1 = {
    '이름':'김사과',
    '그룹':'애플',
    '소속사':'apple',
    '성별':'여자',
    '생년월일':'2000-01-01',
    '키':160,
    '혈액형':'A',
    '브랜드평판지수':987654321
}
df = df.append(dic1, ignore_index=True)

<ipython-input-127-f3ab664132e0>:11: FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
  df = df.append(dic1, ignore_index=True)

In [ ]:

df

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442
15	김사과	애플	apple	여자	2000-01-01	160.0	A	987654321

10-2. 열 추가하기

In [ ]:

df['국적'] = '대한민국'

In [ ]:

df.tail()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	국적
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	대한민국
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	대한민국
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	대한민국
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	대한민국
15	김사과	애플	apple	여자	2000-01-01	160.0	A	987654321	대한민국

In [ ]:

# '김사과'의 국적을 '미국'으로 변경(단, loc를 사용하여 작성)
df.loc[df['이름'] == '김사과', '국적'] = '미국'

In [ ]:

df.tail()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	국적
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	대한민국
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	대한민국
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	대한민국
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	대한민국
15	김사과	애플	apple	여자	2000-01-01	160.0	A	987654321	미국

10-3. 열 삭제하기

In [ ]:

df.drop('그룹', axis=1)

Out[ ]:

	이름	소속사	성별	생년월일	키	혈액형	브랜드평판지수	국적
0	지민	빅히트	남자	1995-10-13	173.6	A	10523260	대한민국
1	지드래곤	YG	남자	1988-08-18	177.0	A	9916947	대한민국
2	강다니엘	커넥트	남자	1996-12-10	180.0	A	8273745	대한민국
3	뷔	빅히트	남자	1995-12-30	178.0	AB	8073501	대한민국
4	화사	RBW	여자	1995-07-23	162.1	A	7650928	대한민국
5	정국	빅히트	남자	1997-09-01	178.0	A	5208335	대한민국
6	민현	플레디스	남자	1995-08-09	182.3	O	4989792	대한민국
7	소연	큐브	여자	1998-08-26	NaN	B	4668615	대한민국
8	진	빅히트	남자	1992-12-04	179.2	O	4570308	대한민국
9	하성운	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	대한민국
10	태연	SM	여자	1989-03-09	NaN	A	3918661	대한민국
11	차은우	판타지오	남자	1997-03-30	183.0	B	3506027	대한민국
12	백호	플레디스	남자	1995-07-21	175.0	AB	3301654	대한민국
13	JR	플레디스	남자	1995-06-08	176.0	O	3274137	대한민국
14	슈가	빅히트	남자	1993-03-09	174.0	O	2925442	대한민국
15	김사과	apple	여자	2000-01-01	160.0	A	987654321	미국

In [ ]:

df.drop(['그룹', '소속사'], axis=1)

Out[ ]:

	이름	성별	생년월일	키	혈액형	브랜드평판지수	국적
0	지민	남자	1995-10-13	173.6	A	10523260	대한민국
1	지드래곤	남자	1988-08-18	177.0	A	9916947	대한민국
2	강다니엘	남자	1996-12-10	180.0	A	8273745	대한민국
3	뷔	남자	1995-12-30	178.0	AB	8073501	대한민국
4	화사	여자	1995-07-23	162.1	A	7650928	대한민국
5	정국	남자	1997-09-01	178.0	A	5208335	대한민국
6	민현	남자	1995-08-09	182.3	O	4989792	대한민국
7	소연	여자	1998-08-26	NaN	B	4668615	대한민국
8	진	남자	1992-12-04	179.2	O	4570308	대한민국
9	하성운	남자	1994-03-22	167.1	A	4036489	대한민국
10	태연	여자	1989-03-09	NaN	A	3918661	대한민국
11	차은우	남자	1997-03-30	183.0	B	3506027	대한민국
12	백호	남자	1995-07-21	175.0	AB	3301654	대한민국
13	JR	남자	1995-06-08	176.0	O	3274137	대한민국
14	슈가	남자	1993-03-09	174.0	O	2925442	대한민국
15	김사과	여자	2000-01-01	160.0	A	987654321	미국

10-4. 행 삭제하기

In [ ]:

df.drop(15, axis=0)

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	국적
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	대한민국
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	대한민국
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	대한민국
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	대한민국
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	대한민국
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	대한민국
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	대한민국
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	대한민국
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	대한민국
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	대한민국
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	대한민국
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	대한민국
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	대한민국
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	대한민국
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	대한민국

In [ ]:

df.drop([1, 3, 5, 15], axis=0)

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	국적
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	대한민국
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	대한민국
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	대한민국
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	대한민국
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	대한민국
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	대한민국
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	대한민국
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	대한민국
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	대한민국
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	대한민국
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	대한민국
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	대한민국

11. 통계값 다루기

In [ ]:

df.describe()

Out[ ]:

	키	브랜드평판지수
count	14.000000	1.600000e+01
mean	174.664286	6.703076e+07
std	7.006218	2.455119e+08
min	160.000000	2.925442e+06
25%	173.700000	3.815502e+06
50%	176.500000	4.829204e+06
75%	178.900000	8.123562e+06
max	183.000000	9.876543e+08

In [ ]:

df['키'].sum()

Out[ ]:

2445.3

In [ ]:

df['키'].count() # count는 NaN를 포함하지 않음

Out[ ]:

In [ ]:

df['키'].mean()

Out[ ]:

174.66428571428574

In [ ]:

df['키'].max()

Out[ ]:

183.0

In [ ]:

df['키'].var() # 분산: 데이터가 평균으로부터 얼마나 떨어져 있는지 정도
# (데이터 - 평균) ** 2을 모두 더한 값 / 데이터의 갯수

Out[ ]:

49.08708791208794

In [ ]:

df['키'].std() # 표준편차: 분산에 루트를 씌움

Out[ ]:

7.0062178036432705

12. 그룹으로 묶기

In [ ]:

df

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	국적
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	대한민국
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	대한민국
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	대한민국
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	대한민국
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	대한민국
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	대한민국
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	대한민국
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	대한민국
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	대한민국
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	대한민국
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	대한민국
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	대한민국
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	대한민국
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	대한민국
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	대한민국
15	김사과	애플	apple	여자	2000-01-01	160.0	A	987654321	미국

In [ ]:

# groupby: 데이터를 그룹으로 묶어 분석할 때 사용
df.groupby('소속사')

Out[ ]:

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x7fe8d48afc70>

In [ ]:

df.groupby('소속사').count()

Out[ ]:

	이름	그룹	성별	생년월일	키	혈액형	브랜드평판지수	국적
소속사
RBW	1	1	1	1	1	1	1	1
SM	1	1	1	1	0	1	1	1
YG	1	1	1	1	1	1	1	1
apple	1	1	1	1	1	1	1	1
빅히트	5	5	5	5	5	5	5	5
스타크루이엔티	1	1	1	1	1	1	1	1
커넥트	1	0	1	1	1	1	1	1
큐브	1	1	1	1	0	1	1	1
판타지오	1	1	1	1	1	1	1	1
플레디스	3	3	3	3	3	3	3	3

In [ ]:

df.groupby('그룹').mean()

<ipython-input-151-77704ee27efa>:1: FutureWarning: The default value of numeric_only in DataFrameGroupBy.mean is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be valid for the function.
  df.groupby('그룹').mean()

Out[ ]:

	키	브랜드평판지수
그룹
뉴이스트	177.766667	3.855194e+06
마마무	162.100000	7.650928e+06
방탄소년단	176.560000	6.260169e+06
빅뱅	177.000000	9.916947e+06
소녀시대	NaN	3.918661e+06
아스트로	183.000000	3.506027e+06
아이들	NaN	4.668615e+06
애플	160.000000	9.876543e+08
핫샷	167.100000	4.036489e+06

In [ ]:

df.groupby('그룹').sum()

<ipython-input-150-9ca72e8e6547>:1: FutureWarning: The default value of numeric_only in DataFrameGroupBy.sum is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be valid for the function.
  df.groupby('그룹').sum()

Out[ ]:

	키	브랜드평판지수
그룹
뉴이스트	533.3	11565583
마마무	162.1	7650928
방탄소년단	882.8	31300846
빅뱅	177.0	9916947
소녀시대	0.0	3918661
아스트로	183.0	3506027
아이들	0.0	4668615
애플	160.0	987654321
핫샷	167.1	4036489

In [ ]:

df.groupby('성별').mean()

<ipython-input-149-34fb6a0b8638>:1: FutureWarning: The default value of numeric_only in DataFrameGroupBy.mean is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be valid for the function.
  df.groupby('성별').mean()

Out[ ]:

	키	브랜드평판지수
성별
남자	176.933333	5.716636e+06
여자	161.050000	2.509731e+08

In [ ]:

# 혈액형별로 그룹을 맺어, 키의 평균값을 확인
df.groupby('혈액형')['키'].mean()

Out[ ]:

혈액형
A     171.114286
AB    176.500000
B     183.000000
O     177.875000
Name: 키, dtype: float64

In [ ]:

# 혈액형별로 그룹을 맺고, 성별로 또 그룹을 나눈 후, 키의 평균값을 확인
df.groupby(['혈액형', '성별'])['키'].mean()

Out[ ]:

혈액형  성별
A    남자    175.140
     여자    161.050
AB   남자    176.500
B    남자    183.000
     여자        NaN
O    남자    177.875
Name: 키, dtype: float64

13. 중복값 제거하기

In [ ]:

df['혈액형']

Out[ ]:

0      A
1      A
2      A
3     AB
4      A
5      A
6      O
7      B
8      O
9      A
10     A
11     B
12    AB
13     O
14     O
15     A
Name: 혈액형, dtype: object

In [ ]:

# drop_duplicates(): 중복된 데이터를 제거
df['혈액형'].drop_duplicates() # df['혈액형'].drop_duplicates(keep='first')

Out[ ]:

0     A
3    AB
6     O
7     B
Name: 혈액형, dtype: object

In [ ]:

df['혈액형'].drop_duplicates(keep='last')

Out[ ]:

11     B
12    AB
14     O
15     A
Name: 혈액형, dtype: object

In [ ]:

# value_counts(): 열의 각 값에 대한 데이터의 개수를 반환. NaN은 생략
df['그룹'].value_counts()

Out[ ]:

방탄소년단    5
뉴이스트     3
빅뱅       1
마마무      1
아이들      1
핫샷       1
소녀시대     1
아스트로     1
애플       1
Name: 그룹, dtype: int64

In [ ]:

df['그룹'].value_counts(dropna=False)

Out[ ]:

방탄소년단    5
뉴이스트     3
빅뱅       1
NaN      1
마마무      1
아이들      1
핫샷       1
소녀시대     1
아스트로     1
애플       1
Name: 그룹, dtype: int64

14. 데이터프레임 합치기

In [ ]:

df1 = pd.read_csv('http://bit.ly/ds-korean-idol')
df2 = pd.read_csv('https://bit.ly/ds-korean-idol-2')

In [ ]:

df1

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

df2

Out[ ]:

	이름	연봉	가족수
0	지민	3000	3
1	지드래곤	3500	3
2	강다니엘	3200	4
3	뷔	3050	4
4	화사	4300	3
5	정국	2900	5
6	민현	3400	6
7	소연	4500	5
8	진	4200	4
9	하성운	4300	4
10	태연	3700	3
11	차은우	3850	5
12	백호	3900	4
13	JR	4100	3
14	슈가	4150	3

In [ ]:

df_copy = df1.copy()

In [ ]:

# concat(): 데이터를 합침. sort=False 옵션으로 순서가 유지되도록 함. axis=0이 생략
pd.concat([df1, df_copy], sort=False)

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

df_concat = pd.concat([df1, df_copy], sort=False)

In [ ]:

# reset_index(): index를 새롭게 적용. drop=True 옵션으로 기존 index를 삭제
df_concat.reset_index(drop=True)

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442
15	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
16	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
17	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
18	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
19	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928
20	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335
21	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792
22	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615
23	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308
24	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489
25	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661
26	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027
27	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654
28	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137
29	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442

In [ ]:

pd.concat([df1, df2], axis=1) # 같은 index와 결합

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	이름	연봉	가족수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	지민	3000	3
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	지드래곤	3500	3
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	강다니엘	3200	4
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	뷔	3050	4
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	화사	4300	3
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	정국	2900	5
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	민현	3400	6
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	소연	4500	5
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	진	4200	4
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	하성운	4300	4
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	태연	3700	3
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	차은우	3850	5
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	백호	3900	4
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	JR	4100	3
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	슈가	4150	3

In [ ]:

df3 = df2.drop([3, 5])
df3

Out[ ]:

	이름	연봉	가족수
0	지민	3000	3
1	지드래곤	3500	3
2	강다니엘	3200	4
4	화사	4300	3
6	민현	3400	6
7	소연	4500	5
8	진	4200	4
9	하성운	4300	4
10	태연	3700	3
11	차은우	3850	5
12	백호	3900	4
13	JR	4100	3
14	슈가	4150	3

In [ ]:

pd.concat([df1, df3], axis=1)

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	이름	연봉	가족수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	지민	3000.0	3.0
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	지드래곤	3500.0	3.0
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	강다니엘	3200.0	4.0
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	NaN	NaN	NaN
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	화사	4300.0	3.0
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	NaN	NaN	NaN
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	민현	3400.0	6.0
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	소연	4500.0	5.0
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	진	4200.0	4.0
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	하성운	4300.0	4.0
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	태연	3700.0	3.0
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	차은우	3850.0	5.0
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	백호	3900.0	4.0
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	JR	4100.0	3.0
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	슈가	4150.0	3.0

In [ ]:

df1 = pd.read_csv('http://bit.ly/ds-korean-idol')
df2 = pd.read_csv('https://bit.ly/ds-korean-idol-2')

In [ ]:

df_right = df2.drop([1, 3, 5, 7, 9], axis=0)

In [ ]:

df_right

Out[ ]:

	이름	연봉	가족수
0	지민	3000	3
2	강다니엘	3200	4
4	화사	4300	3
6	민현	3400	6
8	진	4200	4
10	태연	3700	3
11	차은우	3850	5
12	백호	3900	4
13	JR	4100	3
14	슈가	4150	3

In [ ]:

df_right = df_right.reset_index(drop=True) # 인덱스 번호 새롭게 선언

In [ ]:

df_right

Out[ ]:

	이름	연봉	가족수
0	지민	3000	3
1	강다니엘	3200	4
2	화사	4300	3
3	민현	3400	6
4	진	4200	4
5	태연	3700	3
6	차은우	3850	5
7	백호	3900	4
8	JR	4100	3
9	슈가	4150	3

In [ ]:

pd.concat([df1, df_right], axis=1)

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	이름	연봉	가족수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	지민	3000.0	3.0
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	강다니엘	3200.0	4.0
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	화사	4300.0	3.0
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	민현	3400.0	6.0
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	진	4200.0	4.0
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	태연	3700.0	3.0
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	차은우	3850.0	5.0
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	백호	3900.0	4.0
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	JR	4100.0	3.0
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	슈가	4150.0	3.0
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	NaN	NaN	NaN
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	NaN	NaN	NaN
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	NaN	NaN	NaN
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	NaN	NaN	NaN
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	NaN	NaN	NaN

In [ ]:

# merge(): 특정 고유한 키(unique, id)값을 기준으로 합침
# merge(데이터프레임1, 데이터프레임2, on='유니크한 값', how='병합의 기준')
# 병합의 기준: left, right, inner
pd.merge(df1, df_right, on='이름', how='left')

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	연봉	가족수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	3000.0	3.0
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	NaN	NaN
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	3200.0	4.0
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	NaN	NaN
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	4300.0	3.0
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	NaN	NaN
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	3400.0	6.0
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	NaN	NaN
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	4200.0	4.0
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	NaN	NaN
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	3700.0	3.0
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	3850.0	5.0
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	3900.0	4.0
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	4100.0	3.0
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	4150.0	3.0

In [ ]:

pd.merge(df1, df_right, on='이름', how='inner')

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	연봉	가족수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	3000	3
1	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	3200	4
2	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	4300	3
3	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	3400	6
4	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	4200	4
5	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	3700	3
6	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	3850	5
7	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	3900	4
8	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	4100	3
9	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	4150	3

In [ ]:

df_right = df_right.append({'이름':'김사과', '연봉':5000, '가족수':5}, ignore_index=True)

<ipython-input-183-0e3f56442356>:1: FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
  df_right = df_right.append({'이름':'김사과', '연봉':5000, '가족수':5}, ignore_index=True)

In [ ]:

df_right

Out[ ]:

	이름	연봉	가족수
0	지민	3000	3
1	강다니엘	3200	4
2	화사	4300	3
3	민현	3400	6
4	진	4200	4
5	태연	3700	3
6	차은우	3850	5
7	백호	3900	4
8	JR	4100	3
9	슈가	4150	3
10	김사과	5000	5

In [ ]:

pd.merge(df1, df_right, on='이름', how='right')

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	연봉	가족수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260.0	3000	3
1	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745.0	3200	4
2	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928.0	4300	3
3	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792.0	3400	6
4	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308.0	4200	4
5	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661.0	3700	3
6	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027.0	3850	5
7	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654.0	3900	4
8	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137.0	4100	3
9	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442.0	4150	3
10	김사과	NaN	NaN	NaN	NaN	NaN	NaN	NaN	5000	5

In [ ]:

df_right

Out[ ]:

	이름	연봉	가족수
0	지민	3000	3
1	강다니엘	3200	4
2	화사	4300	3
3	민현	3400	6
4	진	4200	4
5	태연	3700	3
6	차은우	3850	5
7	백호	3900	4
8	JR	4100	3
9	슈가	4150	3
10	김사과	5000	5

In [ ]:

df_right.columns = ['성함', '연봉', '가족수']

In [ ]:

df_right

Out[ ]:

	성함	연봉	가족수
0	지민	3000	3
1	강다니엘	3200	4
2	화사	4300	3
3	민현	3400	6
4	진	4200	4
5	태연	3700	3
6	차은우	3850	5
7	백호	3900	4
8	JR	4100	3
9	슈가	4150	3
10	김사과	5000	5

In [ ]:

pd.merge(df1, df_right, on='이름', how='left')

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-195-57b719b81580> in <cell line: 1>()
----> 1 pd.merge(df1, df_right, on='이름', how='left')

/usr/local/lib/python3.10/dist-packages/pandas/core/reshape/merge.py in merge(left, right, how, on, left_on, right_on, left_index, right_index, sort, suffixes, copy, indicator, validate)
    108     validate: str | None = None,
    109 ) -> DataFrame:
--> 110     op = _MergeOperation(
    111         left,
    112         right,

/usr/local/lib/python3.10/dist-packages/pandas/core/reshape/merge.py in __init__(self, left, right, how, on, left_on, right_on, axis, left_index, right_index, sort, suffixes, indicator, validate)
    701             self.right_join_keys,
    702             self.join_names,
--> 703         ) = self._get_merge_keys()
    704 
    705         # validate the merge keys dtypes. We may need to coerce

/usr/local/lib/python3.10/dist-packages/pandas/core/reshape/merge.py in _get_merge_keys(self)
   1160                         rk = cast(Hashable, rk)
   1161                         if rk is not None:
-> 1162                             right_keys.append(right._get_label_or_level_values(rk))
   1163                         else:
   1164                             # work-around for merge_asof(right_index=True)

/usr/local/lib/python3.10/dist-packages/pandas/core/generic.py in _get_label_or_level_values(self, key, axis)
   1848             )
   1849         else:
-> 1850             raise KeyError(key)
   1851 
   1852         # Check for duplicates

KeyError: '이름'

In [ ]:

pd.merge(df1, df_right, left_on='이름', right_on='성함', how='left')

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	성함	연봉	가족수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	지민	3000.0	3.0
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	NaN	NaN	NaN
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	강다니엘	3200.0	4.0
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	NaN	NaN	NaN
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	화사	4300.0	3.0
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	NaN	NaN	NaN
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	민현	3400.0	6.0
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	NaN	NaN	NaN
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	진	4200.0	4.0
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	NaN	NaN	NaN
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	태연	3700.0	3.0
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	차은우	3850.0	5.0
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	백호	3900.0	4.0
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	JR	4100.0	3.0
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	슈가	4150.0	3.0

15. 등수 매기기

In [ ]:

# rank(): 데이터프레임 또는 시리즈의 순위를 매기는 함수. 기본값은 ascending
df1['브랜드순위'] = df1['브랜드평판지수'].rank()

In [ ]:

df1

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	브랜드순위
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	15.0
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	14.0
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	13.0
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	12.0
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	11.0
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	10.0
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	9.0
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	8.0
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	7.0
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	6.0
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	5.0
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	4.0
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	3.0
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	2.0
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	1.0

In [ ]:

df1['브랜드순위'] = df1['브랜드평판지수'].rank(ascending=False)
df1

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	브랜드순위
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	1.0
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	2.0
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	3.0
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	4.0
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	5.0
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	6.0
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	7.0
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	8.0
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	9.0
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	10.0
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	11.0
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	12.0
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	13.0
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	14.0
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	15.0

In [ ]:

# astype(): 특정열의 자료형을 변경
df1['브랜드순위'] = df1['브랜드순위'].astype(int)
df1

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	브랜드순위
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	1
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	2
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	3
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	4
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	5
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	6
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	7
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	8
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	9
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	10
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	11
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	12
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	13
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	14
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	15

In [ ]:

df1['브랜드순위'].dtypes

Out[ ]:

dtype('int64')

16. 날짜타입 사용하기

In [ ]:

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16 entries, 0 to 15
Data columns (total 9 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   이름       16 non-null     object 
 1   그룹       15 non-null     object 
 2   소속사      16 non-null     object 
 3   성별       16 non-null     object 
 4   생년월일     16 non-null     object 
 5   키        14 non-null     float64
 6   혈액형      16 non-null     object 
 7   브랜드평판지수  16 non-null     int64  
 8   국적       16 non-null     object 
dtypes: float64(1), int64(1), object(7)
memory usage: 1.2+ KB

In [ ]:

df['생년월일']

Out[ ]:

0     1995-10-13
1     1988-08-18
2     1996-12-10
3     1995-12-30
4     1995-07-23
5     1997-09-01
6     1995-08-09
7     1998-08-26
8     1992-12-04
9     1994-03-22
10    1989-03-09
11    1997-03-30
12    1995-07-21
13    1995-06-08
14    1993-03-09
15    2000-01-01
Name: 생년월일, dtype: object

In [ ]:

# to_datetime(): object 타입에서 datetime 타입으로 변환
df['생년월일'] = pd.to_datetime(df['생년월일'])

In [ ]:

df['생년월일']

Out[ ]:

0    1995-10-13
1    1988-08-18
2    1996-12-10
3    1995-12-30
4    1995-07-23
5    1997-09-01
6    1995-08-09
7    1998-08-26
8    1992-12-04
9    1994-03-22
10   1989-03-09
11   1997-03-30
12   1995-07-21
13   1995-06-08
14   1993-03-09
15   2000-01-01
Name: 생년월일, dtype: datetime64[ns]

In [ ]:

df['생년월일'].dt.year

Out[ ]:

0     1995
1     1988
2     1996
3     1995
4     1995
5     1997
6     1995
7     1998
8     1992
9     1994
10    1989
11    1997
12    1995
13    1995
14    1993
15    2000
Name: 생년월일, dtype: int64

In [ ]:

df['생년월일'].dt.month

Out[ ]:

0     10
1      8
2     12
3     12
4      7
5      9
6      8
7      8
8     12
9      3
10     3
11     3
12     7
13     6
14     3
15     1
Name: 생년월일, dtype: int64

In [ ]:

df['생년월일'].dt.day

Out[ ]:

0     13
1     18
2     10
3     30
4     23
5      1
6      9
7     26
8      4
9     22
10     9
11    30
12    21
13     8
14     9
15     1
Name: 생년월일, dtype: int64

In [ ]:

df['생년월일'].dt.hour

Out[ ]:

0     0
1     0
2     0
3     0
4     0
5     0
6     0
7     0
8     0
9     0
10    0
11    0
12    0
13    0
14    0
15    0
Name: 생년월일, dtype: int64

In [ ]:

df['생년월일'].dt.minute

Out[ ]:

0     0
1     0
2     0
3     0
4     0
5     0
6     0
7     0
8     0
9     0
10    0
11    0
12    0
13    0
14    0
15    0
Name: 생년월일, dtype: int64

In [ ]:

df['생년월일'].dt.second

Out[ ]:

0     0
1     0
2     0
3     0
4     0
5     0
6     0
7     0
8     0
9     0
10    0
11    0
12    0
13    0
14    0
15    0
Name: 생년월일, dtype: int64

In [ ]:

df['생년월일'].dt.dayofweek # 요일: 0(월요일) ~ 6(일요일)

Out[ ]:

0     4
1     3
2     1
3     5
4     6
5     0
6     2
7     2
8     4
9     1
10    3
11    6
12    4
13    3
14    1
15    5
Name: 생년월일, dtype: int64

In [ ]:

df['생년월일'].dt.isocalendar().week

Out[ ]:

0     41
1     33
2     50
3     52
4     29
5     36
6     32
7     35
8     49
9     12
10    10
11    13
12    29
13    23
14    10
15    52
Name: week, dtype: UInt32

17. apply

Series나 DataFrame에 구체적인 로직을 적용하고 싶을 때 사용
apply를 적용하기 위해서는 별도의 함수가 먼저 정의되야 함
먼저 작성된 함수를 apply에 매개변수로 전달함

In [ ]:

df = pd.read_csv('http://bit.ly/ds-korean-idol')

In [ ]:

df.head()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928

In [ ]:

# 성별이 남자는 1, 여자는 0으로 변환(loc를 사용)
df.loc[df['성별'] == '남자', '성별'] = 1
df.loc[df['성별'] == '여자', '성별'] = 0

In [ ]:

df

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	1	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	1	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	1	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	1	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	0	1995-07-23	162.1	A	7650928
5	정국	방탄소년단	빅히트	1	1997-09-01	178.0	A	5208335
6	민현	뉴이스트	플레디스	1	1995-08-09	182.3	O	4989792
7	소연	아이들	큐브	0	1998-08-26	NaN	B	4668615
8	진	방탄소년단	빅히트	1	1992-12-04	179.2	O	4570308
9	하성운	핫샷	스타크루이엔티	1	1994-03-22	167.1	A	4036489
10	태연	소녀시대	SM	0	1989-03-09	NaN	A	3918661
11	차은우	아스트로	판타지오	1	1997-03-30	183.0	B	3506027
12	백호	뉴이스트	플레디스	1	1995-07-21	175.0	AB	3301654
13	JR	뉴이스트	플레디스	1	1995-06-08	176.0	O	3274137
14	슈가	방탄소년단	빅히트	1	1993-03-09	174.0	O	2925442

In [ ]:

df = pd.read_csv('http://bit.ly/ds-korean-idol')

In [ ]:

def male_or_female(x):
    if x == '남자':
        return 1
    elif x == '여자':
        return 0

In [ ]:

df['성별'].apply(male_or_female)

Out[ ]:

0     1
1     1
2     1
3     1
4     0
5     1
6     1
7     0
8     1
9     1
10    0
11    1
12    1
13    1
14    1
Name: 성별, dtype: int64

In [ ]:

df['성별'].apply(lambda x: 1 if x == '남자' else 0)

Out[ ]:

0     1
1     1
2     1
3     1
4     0
5     1
6     1
7     0
8     1
9     1
10    0
11    1
12    1
13    1
14    1
Name: 성별, dtype: int64

In [ ]:

df['New성별'] = df['성별'].apply(lambda x: 1 if x == '남자' else 0)

In [ ]:

df.head()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	New성별
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	1
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	1
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	1
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	1
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	0

18. map

딕셔너리를 통해 데이터와 같은 키의 값을 적용

In [ ]:

df = pd.read_csv('http://bit.ly/ds-korean-idol')

In [ ]:

df.head()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928

In [ ]:

map_gender = {'남자':1, '여자':0}

In [ ]:

df['성별'].map(map_gender)

Out[ ]:

0     1
1     1
2     1
3     1
4     0
5     1
6     1
7     0
8     1
9     1
10    0
11    1
12    1
13    1
14    1
Name: 성별, dtype: int64

In [ ]:

df['New성별'] = df['성별'].map(map_gender)
df.head()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	New성별
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	1
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	1
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	1
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	1
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	0

19. 데이터프레임의 산술연산

In [ ]:

df = pd.DataFrame({
    '파이썬':[60, 70, 80, 86, 95],
    '데이터분석':[40, 60, 70, 55, 88],
    '머신러닝딥러닝':[90, 40, 30, 100, 55]
})
df

Out[ ]:

	파이썬	데이터분석	머신러닝딥러닝
0	60	40	90
1	70	60	40
2	80	70	30
3	86	55	100
4	95	88	55

In [ ]:

type(df['파이썬'])

Out[ ]:

pandas.core.series.Series

In [ ]:

df['파이썬'] + df['데이터분석'] + df['머신러닝딥러닝']

Out[ ]:

0    190
1    170
2    180
3    241
4    238
dtype: int64

In [ ]:

df['총점'] = df['파이썬'] + df['데이터분석'] + df['머신러닝딥러닝']
df

Out[ ]:

	파이썬	데이터분석	머신러닝딥러닝	총점
0	60	40	90	190
1	70	60	40	170
2	80	70	30	180
3	86	55	100	241
4	95	88	55	238

In [ ]:

df['평균'] = df['총점'] / 3
df

Out[ ]:

	파이썬	데이터분석	머신러닝딥러닝	총점	평균
0	60	40	90	190	63.333333
1	70	60	40	170	56.666667
2	80	70	30	180	60.000000
3	86	55	100	241	80.333333
4	95	88	55	238	79.333333

In [ ]:

df['파이썬'].sum() # df['파이썬'].sum(axis=0)

Out[ ]:

In [ ]:

df['파이썬'].mean()

Out[ ]:

78.2

In [ ]:

df.mean()

Out[ ]:

파이썬         78.200000
데이터분석       62.600000
머신러닝딥러닝     63.000000
총점         203.800000
평균          67.933333
dtype: float64

In [ ]:

df1 = pd.DataFrame({
    '파이썬':[60, 70, 80, 86, 95],
    '데이터분석':[40, 60, 70, 55, 88],
    '머신러닝딥러닝':[90, 40, 30, 100, 55]
})

df2 = pd.DataFrame({
    '파이썬':['C', 'A', 'B', 'B', 'C'],
    '데이터분석':[40, 60, 70, 55, 88],
    '머신러닝딥러닝':[90, 40, 30, 100, 55]
})

In [ ]:

df1 + df2

TypeError: unsupported operand type(s) for +: 'int' and 'str'

In [ ]:

df1 + 10

Out[ ]:

	파이썬	데이터분석	머신러닝딥러닝
0	70	50	100
1	80	70	50
2	90	80	40
3	96	65	110
4	105	98	65

In [ ]:

df2 + 10

TypeError: can only concatenate str (not "int") to str

In [ ]:

df1 = pd.DataFrame({
    '데이터분석':[40, 60, 70, 55, 88],
    '머신러닝딥러닝':[90, 40, 30, 100, 55]
})

df2 = pd.DataFrame({
    '데이터분석':[40, 60, 70, 55],
    '머신러닝딥러닝':[90, 40, 30, 100]
})

In [ ]:

df1 + df2 # 행의 개수가 다를 경우 빠진 데이터를 NaN으로 취급하기 때문에 연산이 되지 않음

Out[ ]:

	데이터분석	머신러닝딥러닝
0	80.0	180.0
1	120.0	80.0
2	140.0	60.0
3	110.0	200.0
4	NaN	NaN

20. select_dtypes

In [ ]:

df = pd.read_csv('http://bit.ly/ds-korean-idol')

In [ ]:

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 15 entries, 0 to 14
Data columns (total 8 columns):
 #   Column   Non-Null Count  Dtype  
---  ------   --------------  -----  
 0   이름       15 non-null     object 
 1   그룹       14 non-null     object 
 2   소속사      15 non-null     object 
 3   성별       15 non-null     object 
 4   생년월일     15 non-null     object 
 5   키        13 non-null     float64
 6   혈액형      15 non-null     object 
 7   브랜드평판지수  15 non-null     int64  
dtypes: float64(1), int64(1), object(6)
memory usage: 1.1+ KB

In [ ]:

df.select_dtypes(include='object') # 문자열 컬럼만 가져오기

Out[ ]:

	이름	그룹	소속사	성별	생년월일	혈액형
0	지민	방탄소년단	빅히트	남자	1995-10-13	A
1	지드래곤	빅뱅	YG	남자	1988-08-18	A
2	강다니엘	NaN	커넥트	남자	1996-12-10	A
3	뷔	방탄소년단	빅히트	남자	1995-12-30	AB
4	화사	마마무	RBW	여자	1995-07-23	A
5	정국	방탄소년단	빅히트	남자	1997-09-01	A
6	민현	뉴이스트	플레디스	남자	1995-08-09	O
7	소연	아이들	큐브	여자	1998-08-26	B
8	진	방탄소년단	빅히트	남자	1992-12-04	O
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	A
10	태연	소녀시대	SM	여자	1989-03-09	A
11	차은우	아스트로	판타지오	남자	1997-03-30	B
12	백호	뉴이스트	플레디스	남자	1995-07-21	AB
13	JR	뉴이스트	플레디스	남자	1995-06-08	O
14	슈가	방탄소년단	빅히트	남자	1993-03-09	O

In [ ]:

df.select_dtypes(exclude='object') # 문자열 컬럼만 빼고 가져오기

Out[ ]:

	키	브랜드평판지수
0	173.6	10523260
1	177.0	9916947
2	180.0	8273745
3	178.0	8073501
4	162.1	7650928
5	178.0	5208335
6	182.3	4989792
7	NaN	4668615
8	179.2	4570308
9	167.1	4036489
10	NaN	3918661
11	183.0	3506027
12	175.0	3301654
13	176.0	3274137
14	174.0	2925442

In [ ]:

# 문자가 아닌 컬럼에만 10을 더함
df.select_dtypes(exclude='object') + 10

Out[ ]:

	키	브랜드평판지수
0	183.6	10523270
1	187.0	9916957
2	190.0	8273755
3	188.0	8073511
4	172.1	7650938
5	188.0	5208345
6	192.3	4989802
7	NaN	4668625
8	189.2	4570318
9	177.1	4036499
10	NaN	3918671
11	193.0	3506037
12	185.0	3301664
13	186.0	3274147
14	184.0	2925452

In [ ]:

# 문자열을 가지고 있는 컬럼만 저장
str_cols = df.select_dtypes(include='object').columns

In [ ]:

str_cols

Out[ ]:

Index(['이름', '그룹', '소속사', '성별', '생년월일', '혈액형'], dtype='object')

In [ ]:

df[str_cols]

Out[ ]:

	이름	그룹	소속사	성별	생년월일	혈액형
0	지민	방탄소년단	빅히트	남자	1995-10-13	A
1	지드래곤	빅뱅	YG	남자	1988-08-18	A
2	강다니엘	NaN	커넥트	남자	1996-12-10	A
3	뷔	방탄소년단	빅히트	남자	1995-12-30	AB
4	화사	마마무	RBW	여자	1995-07-23	A
5	정국	방탄소년단	빅히트	남자	1997-09-01	A
6	민현	뉴이스트	플레디스	남자	1995-08-09	O
7	소연	아이들	큐브	여자	1998-08-26	B
8	진	방탄소년단	빅히트	남자	1992-12-04	O
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	A
10	태연	소녀시대	SM	여자	1989-03-09	A
11	차은우	아스트로	판타지오	남자	1997-03-30	B
12	백호	뉴이스트	플레디스	남자	1995-07-21	AB
13	JR	뉴이스트	플레디스	남자	1995-06-08	O
14	슈가	방탄소년단	빅히트	남자	1993-03-09	O

21. 원 핫 인코딩(One Hot Encoding)

더미변수
원 핫 인코딩은 한개의 요소는 1, 나머지 요소는 0으로 만들어 카테고리형을 표현하는 방법
예) df['혈액형_code']를 머신러닝/딥러닝 알고리즘에 넣어 데이터를 예측하려고 지시를 하면 컴퓨터는 값들간의 관계를 스스로 형성하게 됨 -> 만약 B형은 1, AB형은 2라는 값을 가지고 있을 때 컴퓨터는 'B형 + AB형 = O형'라는 이상한 관계를 맺을 수 있게 됨 -> 별도의 column들을 형성해주고 1개의 column에는 1, 나머지는 0으로 넣어줌으로 'A, B, AB, O형의 관계는 서로 독립적이다'라는 카테고리로 표현해주는 방식을 사용

In [ ]:

blood_map = {'A':0, 'B':1, 'AB':2, 'O':3}

In [ ]:

df['혈액형_code'] = df['혈액형'].map(blood_map)
df.head()

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	혈액형_code
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	0
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	0
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	0
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	2
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	0

In [ ]:

# pd.get_dummies(): 원 학 인코딩을 적용
pd.get_dummies(df['혈액형_code'])

Out[ ]:

	0	1	2	3
0	1	0	0	0
1	1	0	0	0
2	1	0	0	0
3	0	0	1	0
4	1	0	0	0
5	1	0	0	0
6	0	0	0	1
7	0	1	0	0
8	0	0	0	1
9	1	0	0	0
10	1	0	0	0
11	0	1	0	0
12	0	0	1	0
13	0	0	0	1
14	0	0	0	1

In [ ]:

df = pd.get_dummies(df, columns=['혈액형_code'])

In [ ]:

df

Out[ ]:

	이름	그룹	소속사	성별	생년월일	키	혈액형	브랜드평판지수	혈액형_code_0	혈액형_code_1	혈액형_code_2	혈액형_code_3
0	지민	방탄소년단	빅히트	남자	1995-10-13	173.6	A	10523260	1	0	0	0
1	지드래곤	빅뱅	YG	남자	1988-08-18	177.0	A	9916947	1	0	0	0
2	강다니엘	NaN	커넥트	남자	1996-12-10	180.0	A	8273745	1	0	0	0
3	뷔	방탄소년단	빅히트	남자	1995-12-30	178.0	AB	8073501	0	0	1	0
4	화사	마마무	RBW	여자	1995-07-23	162.1	A	7650928	1	0	0	0
5	정국	방탄소년단	빅히트	남자	1997-09-01	178.0	A	5208335	1	0	0	0
6	민현	뉴이스트	플레디스	남자	1995-08-09	182.3	O	4989792	0	0	0	1
7	소연	아이들	큐브	여자	1998-08-26	NaN	B	4668615	0	1	0	0
8	진	방탄소년단	빅히트	남자	1992-12-04	179.2	O	4570308	0	0	0	1
9	하성운	핫샷	스타크루이엔티	남자	1994-03-22	167.1	A	4036489	1	0	0	0
10	태연	소녀시대	SM	여자	1989-03-09	NaN	A	3918661	1	0	0	0
11	차은우	아스트로	판타지오	남자	1997-03-30	183.0	B	3506027	0	1	0	0
12	백호	뉴이스트	플레디스	남자	1995-07-21	175.0	AB	3301654	0	0	1	0
13	JR	뉴이스트	플레디스	남자	1995-06-08	176.0	O	3274137	0	0	0	1
14	슈가	방탄소년단	빅히트	남자	1993-03-09	174.0	O	2925442	0	0	0	1

In [ ]:

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 15 entries, 0 to 14
Data columns (total 12 columns):
 #   Column      Non-Null Count  Dtype  
---  ------      --------------  -----  
 0   이름          15 non-null     object 
 1   그룹          14 non-null     object 
 2   소속사         15 non-null     object 
 3   성별          15 non-null     object 
 4   생년월일        15 non-null     object 
 5   키           13 non-null     float64
 6   혈액형         15 non-null     object 
 7   브랜드평판지수     15 non-null     int64  
 8   혈액형_code_0  15 non-null     uint8  
 9   혈액형_code_1  15 non-null     uint8  
 10  혈액형_code_2  15 non-null     uint8  
 11  혈액형_code_3  15 non-null     uint8  
dtypes: float64(1), int64(1), object(6), uint8(4)
memory usage: 1.1+ KB

	0	1	2	3
0	1	0	0	0
1	1	0	0	0
2	1	0	0	0
3	0	0	1	0
4	1	0	0	0
5	1	0	0	0
6	0	0	0	1
7	0	1	0	0
8	0	0	0	1
9	1	0	0	0
10	1	0	0	0
11	0	1	0	0
12	0	0	1	0
13	0	0	0	1
14	0	0	0	1

	0	1	2	3
0	1	0	0	0
1	1	0	0	0
2	1	0	0	0
3	0	0	1	0
4	1	0	0	0
5	1	0	0	0
6	0	0	0	1
7	0	1	0	0
8	0	0	0	1
9	1	0	0	0
10	1	0	0	0
11	0	1	0	0
12	0	0	1	0
13	0	0	0	1
14	0	0	0	1

(Python) 판다스

1. 판다스(Pandas)

1-1. Series와 DataFrame

2. CSV 파일 다루기

3. Excel파일 읽어오기

4. DataFrame 기본정보 알아보기

4-1. 열(column) 다루기

4-2. 통계정보 알아보기

4-3. 형태(shape) 알아보기

4-4. 원하는 개수의 데이터 보기

4-5. 정렬하기

5. 데이터 다루기

5-1. 범위 선택

6. Boolean Indexing

7. isin

8. 결측값(Null, NaN)

9. 데이터 복사

10. 행, 열 추가 및 삭제하기

10-1. 행 추가하기

10-2. 열 추가하기

10-3. 열 삭제하기

10-4. 행 삭제하기

11. 통계값 다루기

12. 그룹으로 묶기

13. 중복값 제거하기

14. 데이터프레임 합치기

15. 등수 매기기

16. 날짜타입 사용하기

17. apply

18. map

19. 데이터프레임의 산술연산

20. select_dtypes

21. 원 핫 인코딩(One Hot Encoding)

	0	1	2	3
0	1	0	0	0
1	1	0	0	0
2	1	0	0	0
3	0	0	1	0
4	1	0	0	0
5	1	0	0	0
6	0	0	0	1
7	0	1	0	0
8	0	0	0	1
9	1	0	0	0
10	1	0	0	0
11	0	1	0	0
12	0	0	1	0
13	0	0	0	1
14	0	0	0	1