🌵Pandas 2. DataFrame(3) - 열에 접근하기

---

🌵 이번에는 데이터프레임의 열에 접근하는 법에 대해 살펴보겠다.
🌵 시작 전에 df 라는 데이터프레임을 하나 만들어두자.

import pandas as pd

df = pd.DataFrame({"국어" : [85, 92, 88],
                   "수학" : [100, 92, 84],
                   "영어" : [90, 90, 90]}, 
                   index = ["A","B","C"])
df

>>
        국어	수학	영어
A	85	100	90
B	92	92	90
C	88	84	90

2. DataFrame 열에 접근

2.1. ⭐⭐ 열의 요소에 접근하기

---

🌵 df[ 열이름 ] : return Series - 단일 열에 접근하는 경우

df['국어']

>>
A    85
B    92
C    88
Name: 국어, dtype: int64

🌵 df[ [ 열1,열2 ] ] : return DataFrame - 여러 열에 접근하는 경우

df[['국어','수학']]

>>
	국어	수학
A	85	100
B	92	92
C	88	84

각 경우의 반환하는 데이터 형태도 꼭 알아두자.

2.2. ⭐⭐ 새로운 열 만들기

---

🌵 df[새로운 열] = [값]

df['과학'] = [90, 92, 95]
df

>>
        국어	수학	영어	과학
A	85	100	92	90
B	92	92	90	92
C	88	84	90	95

과학 열이 새로 생겼다.

2.3. 열 삭제하기

---

🌵 del df[ 열이름 ]

del df['영어']
df

>>
        국어	수학	과학
A	85	100	90
B	92	92	92
C	88	84	95

2.4. 원본 데이터 보존하기

---

🌵 .copy( )
🌵 데이터를 이래저래 만지다 보면 원본 데이터가 손상되어 데이터의 신빙성이 떨어질 수도 있다. 만일을 대비하여 사용하는 습관을 들이도록 하자.

df2 = df[['수학', '과학']].copy()
df2['과학'] = [10, 20, 30]
df2

>>
        수학	과학
A	100	10
B	92	20
C	84	30

df

>>
        국어	수학	과학
A	85	100	90
B	92	92	92
C	88	84	95

2.5. 정규표현식으로 접근하기

---

🌵 df.filter(regex = 정규표현식)
🌵 regex = ⚪ : ⚪를 포함하는 문자열

df.filter(regex = "학")

>>
        수학	과학
A	100	92
B	92	92
C	84	95

🌵 regex = ^⚪ : ⚪로 시작하는 문자열

df.filter(regex = "^수")

>>
        수학
A	100
B	92
C	84

🌵 regex = ⚪$ : ⚪로 끝나는 문자열

df.filter(regex = "어$")

>>
        국어
A	85
B	92
C	88

🌵 간단한 데이터를 가지고 열에 접근하는 법을 알아보았다.
🌵 전처리 과정에서는 열을 다루는 경우가 많기 때문에, 많은 데이터를 처리해보면서 몸에 익혀나가는 것이 중요할 것 같다.
💡공부하면서 다른 방법이 있으면 게속 추가해나갈 예정!!