• pandas 복사
• pandas row, column 추가 및 삭제
• pandas 통계값
  • min(최소값)
  • max(최대값)
  • sum(합계)
  • mean(평균)
  • var, variance(분산) / std, standard deviation(표준편차)
  • count(카운트)
  • median(중앙값)
  • mode(최빈값)
• 피벗테이블
• groupby
• Multi-Index

pandas 복사

흔히 코드 상에서 복사를 할 때는 새로운 변수에 원래 값을 넣어주어 복사를 한다.

new_df = df

값이 들어있는 DataFrame을 복사하기 위해서는 위 방식으로 하면 될 것 같지만 그렇지 않다.

new_df와 df 모두 같은 메모리를 참조하기 때문에 new_df를 수정하면 df도 수정이 된다.

copy_df = df.copy()

위 메서드를 이용해 복사를 할 수가 있다.

pandas row, column 추가 및 삭제

row 추가

df = df.append({'이름': '테디', '그룹': '테디그룹', '소속사': '끝내주는소속사', '성별': '남자', '생년월일': '1970-01-01', '키': 195.0, '혈액형': 'O', '브랜드평판지수': 12345678}, ignore_index=True)

• append() 함수 사용
• Dictionary 형태의 데이터 Input
• Ignore_index=True 옵션 추가

column 추가

df['국적'] = '대한민국'

• 국적이라는 열을 생성하고 해당 열에 모두 대한민국이라는 값을 추가

값을 변경하고 싶다면 아래와 같이 loc 함수를 이용해 변경 가능하다

df.loc[df['이름'] == '지드래곤', '국적'] = 'Korea'

pandas 통계값

min(최소값)

df['키'].min()

max(최대값)

df['키'].max()

sum(합계)

df['키'].sum()

mean(평균)

df['키'].mean()

var, variance(분산) / std, standard deviation(표준편차)

분산과 표준편차는 데이터가 평균으로부터 얼마나 떨어져 있는지 정도를 나타낸다.

• 분산: (데이터 - 평균)^2을 모두 합한 값

  data = np.array([1, 3, 5, 7, 9])
  data.var()
  

  df['키'].var()
  

• 표준편차: 분산의 루트

  data.std()
  

  df['키'].std()
  

count(카운트)

df['키'].count()

median(중앙값)

df['키'].median()

mode(최빈값)

df['키'].mode()

피벗테이블

엑셀에서 말하는 피벗테이블과 동일하며 데이터 열 중에서 두 가지 열을 각각 행 인덱스, 열 인덱스로 사용하여 데이터를 조회하는 것을 의미한다.

• 왼쪽에 나타나는 인덱스를 행 인덱스, 상단에 나타나는 인덱스를 열 인덱스라고 부름

사용법

pd.pivot_table(df, index='소속사', columns='혈액형', values='키')

pd.pivot_table(df, index='그룹', columns='혈액형', values='브랜드평판지수', aggfunc=np.sum)

기본적으로는 평균값을 나타내고 만약 합을 구하고 싶다면 aggfunc에 값을 바꿔줄 수 있다.

groupby

• 데이터를 그룹으로 묶어 분석할 때 활용
• 성별 키의 평균과 같이 특정, 그룹별 통계 및 데이터 성질을 확인할 때 활용

groupby와 함께 활용 가능한 함수

• count()
• sum()
• mean()
• var()
• std()
• min()
• max()

사용 예시

df.groupby('그룹').mean()

df.groupby('혈액형')['키'].mean()

위처럼 특정 열만 출력도 가능하다

Multi-Index

행 인덱스를 복합적으로 구성할 수가 있다.

df.groupby(['혈액형', '성별']).mean()

• 혈액형으로 1차 분류 뒤에 성별로 분류

unstack

Multi-Index 형태의 DataFrame을 피벗테이블 형태로 다시 변환해 줄 수 있다.
➡️ 쫙 펼질 수 있다.

df2.unstack('혈액형')

성별, 혈액형 중 혈액형을 가장 위로 분류한다.

reset_index

df2.reset_index()

Multi-Index를 해제해서 원래 DataFrame 형태로 변환해준다.

[참조] 패스트캠퍼스 - 직장인을 위한 파이썬 데이터분석 올인원 패키지 Online.

끝!