[pandas] 5. 데이터 인덱싱 & 슬라이싱

18 Jun 2021

pandas

데이터 인덱싱 & 슬라이싱

1. DataFrame에서 열 선택

DataFrame은 두 개 이상의 Series로 구성된 자료형이며, 하나의 Series는 열의 역할을 하는 것

DataFrame에서 열을 선택
- ```
df['컬럼명']
```
- 이렇게 선택된 열의 자료형은 Series
- 컬럼명은 반드시 ‘’, “” 로 감싸야 합니다.

df.컬럼명 으로 더 간단하게 컬럼을 선택할 수도 있지만, 컬럼명이 다른 함수와 이름이 겹치는 경우에 부를 수 없다는 점에서 추천하지 않는다. X

아직 존재하지 않는 컬럼명을 선언해주는 방식으로 새로운 열을 만들 수 있다.

import pandas as pd
df = pd.DataFrame(
	{
        '인구수(만명)': [67.8, 59.4, 54.3, 53.6],
        '면적(km^2)': [33.88, 41.4, 40, 35.44]
    },
    index = ['송파구', '강서구', '강남구', '노원구']
)

print(df['인구수(만명)'])
## 송파구: 67.8, 강서구: 59.4, 강남구: 54.3, 노원구: 53.6

df['인구밀도']  = df['인구수(만명)'] / df['면적(km^2)'] * 10000
print(df['인구밀도'])
## 송파구: 20011, 강서구: 14347, 강남구: 13575, 노원구: 15124

1-1. 실습

DataFrame에서 컬럼을 선택하는 방법 이용

생성된 DataFrame에서 두 개의 컬럼을 선택하고, 이를 연산하여 새로운 컬럼 생성 실습

실습을 위해 서울시의 특정 지역의 인구수와 면적이 들어있는 DataFrame을 먼저 생성합니다.

생성된 DF의 인구수 컬럼과 면적 컬럼을 선택하여 연산한 후, 인구밀도 컬럼을 생성합니다.

import pandas as pd
df = pd.DataFrame(
	{
		'인구수(만명)':[67.8, 59.4, 54.3, 53.6],
		'면적(km^2)': [33.88, 41.4, 40, 35.44]
	},
	index = ['송파구', '강서구', '강남구', '노원구']
)

df['인구밀도'] = df['인구수(만명)'] / df['면적(km^2)'] * 10000

print(df.to_html())
## print(df)

2. 인덱서 loc & iloc

Series와 DataFrame은 명시적인 인덱스 와 암묵적인 인덱스 가 있습니다.

명시적인 인덱스란 실제로 정의된 인덱스를 의미

암묵적인 인덱스란 따로 정의하지 않더라도 정의되는 일종의 위치 인덱스

암묵적인덱스	명시적 인덱스	값
0	1	10
1	3	20
2	5	30
3	7	40

[여기서 잠깐]

Q. 위에서 표시된 A라는 Series가 있을 때, A[1]은 10을 나타내는 것일까요? 아니면 20을 나타내는 것일까요?

A. 명시적 인덱스가 암묵적 인덱스에 우선하기 때문에, 정답은 10 이지만,
   충분히 혼동될 수 있어서 명시적 인덱스를 참조하는 것인지, 암묵적 인덱스를 참조하는 것인지를 명시해주는
   인덱서가 필요합니다.
  

명시적 인덱서
- loc 함수
암묵적 인덱서
- iloc 함수

import pandas as pd
A = pd.Series([10, 20, 30, 40], index = [1, 3, 5, 7])

print(A.loc[1]) # 10
print(A.iloc[1]) # 20

2-2. loc & iloc 활용

명시적 인덱서와 암묵적 인덱서 활용하기

## 명시적 인덱서와 암묵적 인덱서 차이 확인하기

import pandas as pd
A = pd.Series([10, 20, 30, 40], index = [1, 3, 5, 7])

print(A.loc[1]) # 10
print(A.iloc[1]) # 20

3. 마스크를 이용한 인덱싱

Numpy의 ndArray와 마찬가지로, Series나 DataFrame에 대해 부울 배열이 인덱스로 사용되면, 부울 배열에서 True와 대응되는 Series나 DataFrame에 대한 값만 가져옵니다.

import pandas as pd
A = pd.Series([10, 20, 30, 40], index = [1, 3, 5, 7])
print(A[[True, False, False, True]])

비교 연산의 결과는 항상 부울 배열이므로, 특정 조건을 만족하는 값이나 행만 가져올 수 있는데, 이를 마스크를 이용한 인덱싱이라고 부릅니다.

import pandas as pd
series = pd.Series(
    [67.8, 59.4, 54.3, 53.6, 50.2, 48.2, 46.0, 44.2],
    index = ['송파구', '강서구', '강남구', '노원구', '관악구', '은평구', '양천구', '성북구']
)

print(series >= 50) # 송파구: True, 강서구: True, ..., 성북구: False
print(Series[series >= 50]) # 송파구: 67.8, 강서구: 59.4, 강남구: 54.3, 노원구:53.6, 관악구: 50.2

numpy에 포함된 부울 배열간 연산 함수

logical_and
logical_or

사용하면 훨씬 다양한 조건을 활용할 수 있습니다.

3-1 마스크 인덱싱 실습

마스크를 이용한 인덱싱 DataFrame에서 특정 조건을 만족하는 행의 인덱스를 가져오는 실습

## 아래의 코드는 생성된 데이터 프레임에서
## col1 컬럼의 값이 col2컬럼의 값보다 '크거나 같은 행'의 index 가져오기
## col1 컬럼의 값과 col2컬럼의 값이 `같은 행`의 index 가져오기

import pandas as pd
df = pd.DataFrame(
	{
        'col1': [3, 2, 3, 4, 1],
        'col2': [3, 4, 2, 1, 4]
    },
    index = ['a', 'b', 'c', 'd', 'e']
)

print(df[df['col1'] >= df['col2']].index)
print(df[df['col1'] == df['col2']].index)

[여기서 잠깐]

파이썬에서는 가장 안쪽에 있는 괄호에 대해 먼저 연산합니다. 따라서 어느 괄호가 먼저 닫혔는지를 확인해야만 코드의 실행 결과를 정확히 예상할 수 있습니다.

df[df['col1'] >= df['col2']].index 라는 구문에서

안쪽의 괄호인 df['col1'] >= df['col2'] 부분이 먼저 실행되고,

(col1 컬럼의 값이 col2 컬럼의 값보다 큰 행인지 여부를 True/False로 반환하는 연산)

그 결과로 리턴된 True,False의 값에 따라 True인 index만을 가져오게 되는 것입니다.