개굴캐글개굴 Pandas 기초

Tab 23년 2학기 스터디로 AI 공부를 하면서 블로그를 정리해보려한다.

NumPy 기초

Numpy import하기

  
import numpy as np

numpy는 일반적으로 np로 줄여 사용한다.

ndarray 생성

  
data = [1,2,3,4]
arr = np.array(data)
type(arr)

  
numpy.ndarray #출력값

  
price = [
    [100,80,70,90],
    [120,110,100,110]
]
arr = np.array(price)
arr

  
array([[100,  80,  70,  90],
       [120, 110, 100, 110]]) #출력값

np.array함수를 통해 1,2차원의 ndarray를 생성할 수 있고 tpye은 ndarray타입으로 생성된다.

Numpy 접근

Numpy의 ndarray의 접근은 python의 리스트와 비슷하다.

index로 접근

  
print(arr[0][0])
print(arr[0,0]) # arr[row,column]

  
100
100 #출력값

python과 똑같이 접근할 수 있지만 ndarray는 더 편리하게 접근 할 수 있다.

slicing으로 접근

  
print(arr[:,1]) # arr[row,column]

  
[ 80 110] #출력값

ndarray는 slicing으로 행과 열을 지정해 접근할 수 있다.

Pandas 기초

Pandas 기본 자료구조

Series : Numpy를 기반으로 만들어진 1차원 데이터를 위한 자료구조
DataFrame : Numpy를 기반으로 만들어진 2차원 데이터를 위한 자료구조

Pandas import하기

  
import pandas as pd

pandas는 일반적으로 pd로 줄여 사용한다.

Series, DataFrame 생성

  
arr = pd.Series(data)
arr

  
  1
  2
  3
  4
dtype: int64 # 출력값

Pandas의 Series는 pd.Series()로 생성할 수 있다.

  
arr = pd.DataFrame(price)
arr

	0	1	2	3
0	100	80	70	90
1	120	110	100	110

Pandas의 DataFrame은 pd.DataFrame()로 생성할 수 있다.

Pandas Series, DataFrame의 접근

df를 Series나 DataFrame으로 가정했을 때 3가지 방법으로 접근할 수 있다.

df[] : 행으로 접근
df.loc[] : 행과, 열 접근
df.iloc[] : 오직 index로 행, 열 접근

Pandas 데이터 추가, 변경, 삭제

데이터 추가

  
df.loc[2] = [111,222,333,444]

	0	1	2	3
0	100	80	70	90
1	120	110	100	110
2	111	222	333	444

데이터 삭제

  
arr.drop(2,inplace = True)
arr

	0	1	2	3
0	100	80	70	90
1	120	110	100	110

데이터 변경

  
arr.loc[1] = ['이도환','황동규','이산','이준하']
arr

	0	1	2	3
0	100	80	70	90
1	이도환	황동규	이산	이준하

느낀점

Tab 스터디를 통해 잘 기억이 나지 않았던 numpy, pandas 기초에 대해 다시 공부 및 복습을 해보면서 기초를 더 탄탄히 다지는 계기가 되었다.