[pandas] 2. Series

18 Jun 2021

pandas

Series

Series는 Pandas의 가장 기본이 되는 자료형으로, 인덱스와 값으로 구성됩니다. 즉, Series는 각 요소에 대한 이름이 있는 배열 자료형이라고 해석할 수 있습니다.

인덱스	값
A	10
B	20
C	30
D	40
E	50
F	60

1. Series 생성방법 (3가지)

Series는 pandas의 Series() 함수를 사용하여 만들 수 있습니다. 인데긋와 값을 바탕으로 Series를 만드는 방법과 사전(dictionary)이라는 자료형을 바탕으로 Series를 만드는 방법이 있습니다.

import pandas as pd
import numpy as np

## 첫번째 방법
series = pd.Series([10, 20, 30, 40, 50, 60],
                  index=['A','B','C','D','E','F'])

## 두번째 방법
series = pd.Series({
    'A':10,
    'B':20,
    'C':30,
    'D':40,
    'E':50,
    'F':60
})

## 세번째 방법
series = pd.Series(np.random.random(10))

print(series)

.values와 .index 기능을 사용하여 series의 구성 요소를 확인할수 있습니다. 결과에서 보다시피, Series는 index와 numpy의 ndArray로 구성되는 것을 확인할 수 있습니다.

import pandas as pd
series = pd.Series([10, 20, 30],
                  index = ['A', 'B', 'C'])

print(series.index) # Index(['A', 'B', 'C'], dtype='object')
print(series.values) # [10 20 30]
print(type(series.values)) # numpy.ndArray

2. Series 연산

Series의 값은 ndArray 자료형이므로, numpy가 지원하는 ndArray에 대한 연산을 Pandas의 Series에 대해서도 똑같이 지원합니다.
유니버셜 함수의 경우, ndArray는 위치가 같은 요소끼리 연산이 되지만, Series는 인덱스가 같은 요소끼리 연산이 됩니다.

import pandas as pd
S_A = pd.Series([10, 20, 30], index = [1, 2, 3])
S_B = pd.Series([5, -3, 10], index = [3, 2, 1])

print(S_A + S_B) # {1: 20, 2: 17, 3: 35}

Numpy의 브로드캐스팅도 지원이 됩니다. 다만, Series는 기본적으로 1차원 배열이므로 1차원 배열과 상수 간 연산만 지원되는 것처럼 보일 수 있습니다.

import pandas as pd
series = pd.Series([10, 20, 30], index = ['A', 'B', 'C'])

print(series + 1) # {A: 11, B: 21, C: 31}
print(series * 2) # {A: 20, B: 40, C: 60}

.str에 속한 문자열 관련 함수를 사용한다면, Series에 속한 문자열 자료형에 일괄적으로 함수를 적용할수 있습니다.

import pandas as pd
series = pd.Series(['17:30', '21:15', '22:00'])
series.str.split(':') # {0: [17, 30], 1: [21, 15], 2: [22, 00]}

series = pd.Series(['abc', 'def', 'hi'])
series.str.capitalize() # {0: Abc, 1: Def, 2: Hi}

3. 연산 실습

두 개의 Series를 각각 더하고 곱해보자

import pandas as pd
S_A = pd.Series([10, 20, 30], index = ['A', 'B', 'C'])
S_B = pd.Series([30, 20, 10, 50], index = ['A', 'B', 'C', 'D'])

print(S_A + S_B)
## A 40.0
## B 40.0
## C 40.0
## D NaN
## dtype: float64

print(S_A * S_B)
## A 300.0
## B 400.0
## C 300.0
## D NaN
## dtype: float64

Series의 문자열함수 적용

본 실습에서는 Series에 문자열 함수를 적용해 보겠습니다.

아래의 코드를 실행하여 생성된 Series의 값인 small과 very small 에 대문자로 변환하는 문자열함수인 upper() 가 적용되는 것을 확인해 봅시다.

import pandas as pd
S_C = pd.Series(['small', 'very small'])

print(S_C.str.upper())
## 0 SMALL
## 1 VERY SMALL
## dtype: object