[Python] 판다스(Pandas)기초

안녕하세요(. ❛ ᴗ ❛.)!

오늘은 데이터분석의 가장 기초 라이브러리인 Pandas에 대해 공부해 보려고 합니당!

 

판다스는 지난번에 공부했던 넘파이에 비해 데이터 핸들링이 훨씬 유연하고 쉽다는 장점이 있는 라이브러리 입니다.

데이터 분석에서 가장 자주 쓰이는 라이브러리이기도 합니다...ㅎ

 

 

판다스에서 가장 중요한 것은 DataFrame입니다.

데이터 프레임은 행과 열로 구성되어 있는 2차원의 데이터 구조라고 생각하면 됩니다.

 

 

Series -> 컬럼이 하나인 구조체

DataFrame -> 컬럼이 여러개인 구조체

라고 생각하시면 될거 같습니당!

 

 

오늘은 데이터프레임 형식으로 데이터를 불러오고, 판다스를 이용해 아주 기초적인 분석을 해보도록 하겠습니다(●'◡'●)

 

 

 

먼저, 캐글에서 데이터 분석에 사용할 데이터를 다운받도록 하겠습니다. 

https://www.kaggle.com/c/titanic/data?select=train.csv 

Titanic - Machine Learning from Disaster | Kaggle

 

 

데이터분석 연습에 가장 자주 쓰이는 데이터셋 중 하나인 타이타닉 데이터를 다운받아 줍니당

 

 

 

 

저는 아나콘다 주피터를 사용했습니다

 

 

 

 

1. 데이터 불러오기

import pandas as pd
titanic_df = pd.read_csv('titanic_train.csv')
titanic_df.head()

df.head()는 데이터프레임의 맨 위의 N개의 로우를 반환해 줍니다. 

디폴트는 5개 이며, df.head(3) 을 입력해주면 3개의 데이터를 반환해 줍니다.

 

head()함수를 이용하면 간단하게 전체적인 데이터셋의 구조를 확인할 수 있습니다. 

 

 

 

 

 

 

 

2. 데이터프레임의 행과 열 크기 알아보기

titanic_df.shape

생성된 데이터 프레임은 891개의 행과 12개의 열로 이루어진 것을 확인할 수 있습니다. 

 

 

 

 

 

 

 

 

3. 데이터정보확인(info())

titanic_df.info()

 

info()메서드를 사용하면 총 데이터 수, 데이터 타입, NULL이 아닌 데이터 수를 알 수 있습니다. 

 

 

 

 

 

 

 

4. 데이터 정보 확인(describe())

titanic_df.describe()

 

describe()메서드를 사용하면 컬럼별로 데이터의 n-percentile 분포, 평균, 최대, 최솟값을 확인할 수 있습니다. 

숫자형 컬럼만을 확인할 수 있으며, object타입은 출력에서 제외시킵니다. 

 

 

 

 

 

 

 

 

5. 컬럼의 데이터 분포 확인

titanic_df['Pclass'].value_counts()

3이 491개, 1이 216개, 2가 184개로 구성

value_counts()는 많은 건수 순서로 정렬되어 값을 반환합니다. 

DataFramed의 연산자 []내부에 컬럼명을 입력하면, 해당 컬럼에 해당하는 Series 객체를 반환합니다. 

 

 

대략적으로 컬럼의 데이터가 한쪽으로 치우쳐져있지는 않은지 확인하고 싶을 때 유용하게 사용할 수 있습니다. 

 

 

 

 

 

 

 

다음에는 리스트, 딕셔너리, ndarray를 데이터 프레임으로 변경하는 방법으로 돌아오도록 하겠습니당당!