Pandas - Selection

데이터 선택

Getting

데이터 프레임의 단일 컬럼(column)을 선택하여 Series를 생성한다. ( ↓예시용 데이터 프레임)

 

열 인덱싱

df['A'] # column 인덱싱 - 인덱스도 함께 출력됨

2013-01-01   -0.824017
2013-01-02   -0.585061
2013-01-03    1.296661
2013-01-04   -1.111253
2013-01-05    0.963859
2013-01-06   -0.778794
Freq: D, Name: A, dtype: float64

행 인덱싱

데이터프레임명[시작행:종료행] : 종료행 이전까지 출력된다.

df[0:3] # row 인덱싱 

 

특정 행 값 인덱싱

데이터프레임명[시작행 인덱스 : 종료행 인덱스] : 종료행을 포함하여 출력된다.

df['20130102':'20130104']

Selection by label : loc[]

행과 열의 이름으로 특정 데이터를 가져오는 방법이다.

• 좌측의 데이터프레임은 날짜 형식의 인덱스를 가지고 있다.
• 인터프리터에 dates[0]을 입력하고  
  Timestamp('2013-01-01 00:00:00', freq='D') 이 출력된다.
• 인터프리터에 df.loc[dates[0]]을 입력하고 실행하면 첫번째 인덱스의 행 값들이 출력된다. 
• loc를 이용하여 특정 열의 모든 행을 추출하는 것도 가능하다.

df.loc[dates[0]]    # 첫번째 인덱스의 행 출력

A   0.377537
B   0.277693
C   0.870421
D   1.539975
Name: 2013-01-01 00:00:00, dtype: float64

df.loc[:, ['A', 'B']] # A열과 B열의 모든 행 추출

df.loc['20130102':'20130104', ['A', 'B']]    # A열과 B열의 특정 행 추출

df.loc[dates[0], 'A']
df.at[dates[0], 'A']   	# 같은 결과가 출력된다.

0.37753714341895384
0.37753714341895384

Selection by position

행과 열의 특정 위치를 지정해 값을 가져오는 방법이다.

df.iloc[3] # i = index    # 특정 행 값들 가져오기

A    0.183872
B   -1.631413
C   -0.610849
D    0.619572
Name: 2013-01-04 00:00:00, dtype: float64

df.iloc[3:5, 0:2]    # 특정 행, 열 값들 가져오기

df.iloc[[1, 2, 4], [0, 2]]

Boolean indexing

조건에 맞는 값을 가져오는 방법이다.

df[df['A'] > 0]    # 'A'열에 있는 값이 0보다 큰 값 가져오기

df[df > 0]    # 데이터가 0보다 큰 값 가져오기

※ 열 삽입

df2 = df.copy()
df2['E'] = ['one', 'one', 'two', 'three', 'four', 'three']
df2

isin

특정 값으로 필터링

df2[df2['E'].isin(['two', 'four'])]

Setting

s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range('20130102', periods=6))
s1

판다스 date_range 메소드를 사용하여 지정한 날짜부터 periods만큼 날짜 데이터(timestamp)를 생성한다.

2013-01-02 1
2013-01-03 2
2013-01-04 3
2013-01-05 4
2013-01-06 5
2013-01-07 6
Freq: D, dtype: int64

array * len

df.loc[:, 'D'] = np.array([5] * len(df))
df

데이터프레임의 행 수만큼 반복하여 값을 생성, 데이터프레임에 입력한다.

연산

df2 = df.copy() # df2는 df 복사한 데이터프레임
df2[df2 > 0] = -df2

df2의 0보다 큰 값들에 전부 마이너스를 곱한다.

<bound method Series.drop of 2013-01-01 NaN
2013-01-02 1.0
2013-01-03 2.0
2013-01-04 3.0
2013-01-05 4.0
2013-01-06 5.0
Freq: D, Name: E, dtype: float64>

 

 

※ 10 minutes to pandas를 바탕으로 한 학습 기록입니다 ※