파이썬 Pandas DataFrame 구조 이해하기

1. DataFrame의 특징

2차원 데이터 구조로 index가 row와 column으로 구성되어 있다.

• column들이 서로 다른 타입일 수도 있다.
• 크기는 변할 수 있다.
• row는 각 개별 데이터를, column은 각 개별 속성(feautre)을 의미한다.
• row와 column에 산술 연산을 수행할 수 있다.

import pandas as pd

 

pandas.DataFrame

판다스 DataFrame은 다음과 같은 생성자를 사용해서 만들어진다.

	pandas.DataFrame( data, index, columns, dtype, copy )
data	ndarray, series, map, lists, dict, 상수 그리고 또 다른 DataFrame까지 변수의 형태로 가질 수 있다.
index	row 레이블의 경우, 인덱스 값이 없으면 0-based index (np.arange(n))가 기본으로 사용된다.
columns	column 레이블의 경우, 인덱스 값이 없으면 0-based index (np.arange(n))가 기본으로 사용된다.
dtype	각 column 마다 데이터 유형을 나타낸다.
copy	이 속성의 기본값이 False인 경우 데이터 복사에 사용된다.

 

 

2. DataFrame의 구조

# data 출처: https://www.kaggle.com/hesh97/titanicdataset-traincsv/data
train_data = pd.read_csv('./train.csv')
train_data.head()

 

인덱스 (index)

• index 속성은 각 아이템을 특정할 수 있는 고유의 값을 저장한다.
• 복잡한 데이터의 경우, 멀티 인덱스(index가 2개, 3개 ....)로 표현 가능하다.
• index 속성을 이용해 다른 DataFrame를 생성할 때 index를 재사용 할 수 있다.

>>> train_data.index
RangeIndex(start=0, stop=892, step=1)

 

컬럼 (column)

• column 속성은 각각의 특성(feature)을 나타낸다.
• 복잡한 데이터의 경우, 멀티 컬럼(column이 2개, 3개 ....)로 표현 가능하다.

 >>> train_data.columns
Index(['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp', 'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked'], dtype='object')

 

 

3. DataFrame의 데이터 파악하기

DataFrame.head()

# 데이터를 전체가 아닌 처음부터 5번째 열까지 간단하게 보기 위한 함수 (default: n=5)
# 출력하고 싶은 데이터 양을 늘리고 싶으면 n 속성 값을 지정하면 된다.
>>> train_data.head()

DataFrame.tail()

# 데이터를 전체가 아닌 마지막 5개를 간단하게 보기 위한 함수 (default: n=5)
# 출력하고 싶은 데이터 양을 늘리고 싶으면 n 속성 값을 지정하면 된다.
>>> train_data.tail()

 

DataFrame.shape

# 데이터의 형태를 알려준다. (row, column)
>>> train_data.shape
(891, 12)

 

DataFrame.describe()

# 숫자형 데이터의 통계치를 계산해준다.
>>> train_data.describe()

 

DataFrame.info()

# 각 column 마다 데이터 타입, 각 데이터의 아이템 개수를 출력해준다.
>>> train_data.info()

위 자료를 보면 Age, Cabin, Embarked feature에 데이터 손실이 있다는 것을 알 수 있다.