[pandas] 4. Index

18 Jun 2021

pandas

Index

pandas의 index 객체는 Series의 경우에는 각 요소에 대한 ID 역할을 하고, DataFrame의 경우에는 각 행에 대한 ID 역할을 합니다.

앞서 살펴본 것과 같이, index 기능을 통해 Series와 DataFrame의 인덱스를 추출할 수 있습니다.

import pandas as pd
series = pd.Series([10, 20, 30, 40], index = ['A', 'B', 'C', 'D'])
print(series.index) # Index(['A', 'B', 'C', 'D'], dtype='object')

Index 객체는 순서가 있는 집합처럼 작동합니다. 당연히 교집합과 합집합 등의 집합 연산도 지원합니다.

import pandas as pd

Series_A = pd.Series([10, 20, 30, 40], index = ['A', 'B', 'C', 'D'])
Series_B = pd.Series([30, 20, 10, 40], index = ['C', 'D', 'E', 'F'])

index_A = Series_A.index
index_B = Series_B.index

print('교집합:', index_A & index_B)
## 교집합: Index(['C', 'D'], dtype='object')

print('합집합:', index_A | index_B)
## 합집합: Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object')

Series와 DataFrame에 데이터를 추가하거나 삭제하고, Index를 이용해서 이를 확인해 볼 수 있습니다.

데이터를 추가하거나 삭제하는 함수는 실습에서 자세히 다루겠습니다.

import pandas as pd

## Series 생성
series = pd.Series([10, 20, 30, 40], index = ['A', 'B', 'C', 'D'])

## 삭제
series = series.drop('A')
print(series.index) # ['B', 'C", 'D']

## 생성
series['A'] = 50
print(series) # B: 20, C: 30, D: 40, A: 50

## DataFrame 생성
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index = [1, 2, 3])

## index 삭제
df = df.drop(2)
print(df.index) # [1, 3]

1. 실습 - Series의 인덱스 추출 및 연산

Series의 인덱스(index)를 추출/연산하는 방법 실습

## Series의 인덱스가 추출되어 출력 확인

import pandas as pd
series = pd.Series([10, 20, 30, 40], index = ['A', 'B', 'C', 'D'])

print(series.index) # Index(['A', 'B', 'C', 'D'], dtype='object')

생성된 두개의 Series의 index들의 교집합과 합집합 구하는 코드

import pandas as pd
series1 = pd.Series([10, 20, 30, 40], index = ['A', 'B', 'C', 'D'])
series2 = pd.Series([50, 60, 70, 80], index = ['C', 'D', 'E', 'F'])

print('합집합=', series1.index | series2.index)
## 합집합= Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object')

print('교집합=', series1.index & series2.index)
## 교집합= Index(['C', 'D'], dtype='object')

2. 실습 - Series의 데이터 추가/삭제

데이터를 추가하거나 삭제하는 함수를 실습하고, Index 기능을 이용하여 이를 확인하는 방법 학습

데이터 추가

series['E'] = 50

데이터 삭제

series = series.drop('B') # drop 은 리턴값이 있음

drop() 함수의 경우에는 지정된 Index의 값이 삭제된 Series를 복제하여 리턴하기 때문에 series변수에 갱신해주어야 합니다.

실습

import pandas as pd
series = pd.Series([10, 20, 30, 40], index = ['A', 'B', 'C', 'D'])

print('생성 직후=',series.index) 
## 생성 직후= Index(['A', 'B', 'C', 'D'], dtype='object')

series['E'] = 50
print('데이터 추가 후=',series.index) 
## 데이터 추가 후= Index(['A', 'B', 'C', 'D', 'E'], dtype='object')

series = series.drop('B')
print('B의 값 삭제 후=',series.index) 
## B의 값 삭제 후= Index(['A', 'C', 'D', 'E'], dtype='object')

3. DataFrame 인덱스 추출 및 연산

DataFrame 인덱스 추출 출력

import pandas as pd
df = pd.DataFrame(
	[
        [1, 10],
        [2, 20],
        [3, 30],
        [4, 40]
    ],
    columns = ['A', 'B'],
    index = ['a', 'b', 'c', 'd']
)

print(df.index) # Index(['a', 'b', 'c', 'd'], dtype='object')

두 개의 DataFrame의 index들의 교집합 & 합집합 구하기

import pandas as pd
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index = [1, 2, 3])
df2 = pd.DataFrame({'A': [4, 5, 6], 'B': [7, 8, 9]}, index = [2, 3, 4])

print('합집합=', df1 .index | df2 .index)
## 합집합= Int64Index([1, 2, 3, 4], dtype='int64')

print('교집합=', df1 .index & df2 .index)
## 교집합= Int64Index([2, 3], dtype='int64')

4. DataFrame 데이터 추가/삭제

행 데이터 추가

df.loc['d'] = [7, 8]

데이터 삭제

## 인덱스 b의 행을 삭제
df = df.drop('b', axis = 0)

## 컬럼 A의 열을 삭제
df = df.drop('A', axis = 1)

axis 를 통해 행을 삭제할 지, 열을 삭제할 지 지정 ( axis = ) 생략가능하므로 df=df.drop('b',0) 형태가능

drop() 함수는 지정된 index의 행이 삭제된 df 복제하여 리턴하기 때문에 df변수에 갱신해줘야함

실습

import pandas as pd

df = pd.DataFrame(
	[
		[1, 10], 
	  	[2, 20], 
	  	[3, 30], 
	  	[4, 40]
	], 
  	columns = ['열1', '열2'], 
  	index = ['행A', '행B', '행C', '행D']
)
print('생성 직후=',df .index) 

df.loc['행E'] = [5,50]
print('행 데이터 추가 후=',df.index) 

df= df.drop('행B',axis=0)
print('행B의 행 삭제 후=',df.index) 