Pandas 활용(2) - 데이터프레임의 Indexing, Slicing

In [1]:

from IPython.display import display, HTML
display(HTML("<style>.container { width:90% !important; }</style>"))
# 코드 입력창의 너비를 조정하는 코드입니다.

판다스 데이터프레임의 Indexing, Slicing¶

데이터프레임에서, 원하는 데이터를 access 하는 방법 3가지¶

1. 컬럼의 데이터를 가져오는 방법 => 변수명 바로 오른쪽에 대괄호 사용
2. .loc[ , ]로 가져오는 방법
3. .iloc[ , ]로 가져오는 방법

아래 예제들을 통해 하나씩 알아보자.

In [2]:

import pandas as pd

In [3]:

items2 = [{'bikes': 20, 'pants': 30, 'watches': 35}, 
          {'watches': 10, 'glasses': 50, 'bikes': 15, 'pants':5}]

In [4]:

df = pd.DataFrame(data= items2, index= ['store 1', 'store 2'])

In [5]:

df

Out[5]:

	bikes	pants	watches	glasses
store 1	20	30	35	NaN
store 2	15	5	10	50.0

In [41]:

### 1. 컬럼의 데이터를 가져오는 방법    
###    => 변수명 바로 오른쪽에 대괄호 사용

In [6]:

df['bikes']

Out[6]:

store 1    20
store 2    15
Name: bikes, dtype: int64

In [7]:

df['watches']

Out[7]:

store 1    35
store 2    10
Name: watches, dtype: int64

In [8]:

df['watches'][0]

Out[8]:

35

In [9]:

df[ ['bikes', 'watches'] ]

Out[9]:

	bikes	watches
store 1	20	35
store 2	15	10

In [ ]:

In [ ]:

### 2. 행과 열의 정보로, 데이터를 가져오는 방법 중
###     .loc[ , ] 로 가져오는 방법
###    이 방법은 인덱스명과 컬럼명으로 데이터를 억세스한다.

In [10]:

df

Out[10]:

	bikes	pants	watches	glasses
store 1	20	30	35	NaN
store 2	15	5	10	50.0

In [11]:

# 스토어 1의 팬츠 데이터를 가져오시오
df.loc['store 1', 'pants']

Out[11]:

30

In [12]:

# 스토어 2에서, bikes와 watches 데이터를 가져오시오
df.loc['store 2', ['bikes', 'watches']]

Out[12]:

bikes      15.0
watches    10.0
Name: store 2, dtype: float64

In [14]:

# 스토어 2 행 전체를 가져오시오
df.loc['store 2', ]

Out[14]:

bikes      15.0
pants       5.0
watches    10.0
glasses    50.0
Name: store 2, dtype: float64

In [15]:

# 스토어 2에서, pants부터 glasses 까지의 데이터를 가져오시오
df.loc['store 2', 'pants':'glasses']

Out[15]:

pants       5.0
watches    10.0
glasses    50.0
Name: store 2, dtype: float64

In [ ]:

### 3. 행과 열의 정보로, 데이터를 가져오는 방법 중
###    .iloc[ , ] 로 가져오는 방법
###    이 방법은, 컴퓨터가 매기는 인덱스(오프셋)으로 데이터를 억세스한다.

In [16]:

df

Out[16]:

	bikes	pants	watches	glasses
store 1	20	30	35	NaN
store 2	15	5	10	50.0

In [18]:

df.iloc[0, 1] # = df.loc[ 'store 1', 'pants']

Out[18]:

30

In [ ]:

# 스토어2 데이터에서, bikes 부터 watches 까지의 데이터를 가져오세요

In [19]:

df.iloc[1, 0:2+1]

Out[19]:

bikes      15.0
pants       5.0
watches    10.0
Name: store 2, dtype: float64

In [20]:

df.loc['store 2', 'bikes':'watches']

Out[20]:

bikes      15.0
pants       5.0
watches    10.0
Name: store 2, dtype: float64

In [ ]:

# 스토어1의 bikes, watches, glasses 데이터를 가져오시오

In [21]:

df.iloc[0, [0,2,3]]

Out[21]:

bikes      20.0
watches    35.0
glasses     NaN
Name: store 1, dtype: float64

In [22]:

df.loc['store 1', ['bikes', 'watches', 'glasses']]

Out[22]:

bikes      20.0
watches    35.0
glasses     NaN
Name: store 1, dtype: float64