🌵Pandas 2. DataFrame(1) - 만들기

1.DataFrame

🌵 데이터프레임은 시리즈로 이루어진 데이터입니다.
🌵 row 와 column으로 구성되는 Table 형식입니다.

2.Dafatrame 생성 - pd.DataFrame( ) 함수

2.1 index를 따로 지정해서 만들기

---

import pandas as pd

🌵pd.DataFrame(딕셔너리, index)

df1 = pd.DataFrame({"a" : [1,2,3],
                    "b" : [4,5,6],
                    "c" : [7,8,9]}, index=[1,2,3])
df1

>> 
    a   b   c
1   1   4   7
2   2   5   8
3   3   6   9

2.2. index를 따로 지정하지 않는 경우

---

🌵pd.DataFrame(딕셔너리)

df2 = pd.DataFrame({"a" : [1,2,3],
                    "b" : [4,5,6],
                    "c" : [7,8,9]})
df2

>> 
    a   b   c
0   1   4   7
1   2   5   8
2   3   6   9

index를 따로 지정하지 않는 경우 default는 0,1,2… 로 자동 설정됩니다.

2.3. 리스트로 만들기

---

🌵pd.DataFrame(리스트, columns, index)

df3 = pd.DataFrame(data = [[1,4,7],[2,5,8],[3,6,9]], 
                   columns = ['a','b','c'], 
                   index = [1,2,3])
df3

>> 
    a   b   c
1   1   4   7
2   2   5   8
3   3   6   9

2.4. 멀티인덱스 만들기

---

🌵pd.MultiIndex(인덱스 리스트, names)

df4 = pd.DataFrame({"a" : [1,2,3],
                    "b" : [4,5,6],
                    "c" : [7,8,9]},
                    index = pd.MultiIndex.from_tuples(
                    [('d',1), ('d',2), ('e',1)], names=['n','v']))
df4

>> 
        a   b   c
n   v
d   1   1   4   7
    2   2   5   8
e   1   3   6   9

MultiIndex를 처음부터 사용하는 경우는 거의 보지 못했는데 새로워서 가져와봤습니다.

pandas에서 제공하는 포맷이기에 필요에 따라 사용하시는 것도 좋을 것 같습니다!!

3. DataFrame에 접근하기

df = pd.DataFrame({"a" : [1,2,3],
                   "b" : [4,5,6],
                   "c" : [7,8,9]})
df

>> 
    a   b   c
0   1   4   7
1   2   5   8
2   3   6   9

3.1. DataFrame 정보얻기

---

🌵 df.index - 인덱스 정보

df.index

>> RangeIndex(start=0, stop=3, step=1)

🌵 df.columns - 열 정보

df.columns

>> Index(['a', 'b', 'c'], dtype='object')

🌵 df.values - 값 정보

df.values

>> array([[1, 4, 7],
          [2, 5, 8],
          [3, 6, 9]], dtype=int64)

🌵 df.shape - 형태 정보

df.shape

>> (3, 3)

🌵 df. info() - 데이터프레임의 정보

df.info()

>> <class 'pandas.core.frame.DataFrame'>
    RangeIndex: 3 entries, 0 to 2
    Data columns (total 3 columns):
     #   Column  Non-Null Count  Dtype
    ---  ------  --------------  -----
     0   a       3 non-null      int64
     1   b       3 non-null      int64
     2   c       3 non-null      int64
    dtypes: int64(3)
    memory usage: 200.0 bytes

특히 df. info() 함수는 결측값의 유무를 보여주기 때문에 데이터 전처리 과정에서 상당히 유용하게 쓰이는 함수입니다.

3.2. 열을 인덱스로 만들기

---

🌵 df.set_index(열)

df.set_index('a')

>> 
    b   c
a
1   4   7
2   5   8
3   6   9

리스트를 사용해서 여러 개의 열을 인덱스로 지정할 수 있습니다.

df.set_index(['a', 'b'])

>> 
       c
a  b
1  4   7
2  5   8
3  6   9

3.3. 인덱스 초기화하기

---

🌵 df.reset_index()

drop 옵션은 default 가 False 이기 때문에 기존의 인덱스를 첫번째열로 삽입합니다.

df.reset_index(drop = False)

>> 
    index   a   b   c
0       0   1   4   7
1       1   2   5   8
2       2   3   6   9

drop=True 로 지정하면 기존의 인덱스를 버리고 정렬해줍니다.

df.reset_index(drop = True)

>> 
    a   b   c
0   1   4   7
1   2   5   8
2   3   6   9

---