Python Pandas DataFrame Basics: How To Perform Indexing And Slicing

---

1. Introduction

• pandas는 data analysis를 위한 오픈소스 python 라이브러리
• spread-sheet같은 data를 아래와 같은 기능을 하도록 지원
  • fast-data loading
  • manipulating
  • aligning
  • mering
  • among other functions
• pandas의 이런 기능을 잘 이용하기 위해서 pandas는 2가지 새로운 type data를 이용
  1. Series
  2. Dataframe

Series: Pandas series are basically dataset having only one row or one column. Means, if we filter out only one row or only one column from a dataframe, its called “series”.

• dataframe으로부터 one row or one column을 가지는 dataset

Dataframe: The DataFrame represents your entire spreadsheet or rectangular data, whereas the Series is a single column of the DataFrame.

• 전체 data를 가짐 반며에 Series는 Dataframe의 one column or one row
• Dataframe은 Series Object들의 dictionary or collection으로 취급

Dataframe example

Series example

• 위의 dataframe에서 3번째 index를 추출 또는 one row를 추출하면 그것이 series object가 된다

  filtering one row

  

  slicing one column

  

---

2.Dataframe Explained in Detail

2.1 Get the number of rows and columns

• df.shape은 첫번째 row은 tuple을 반환 그리고 2번째 row부터 column을 반환
• shape는 dataframe의 attribute이기 때문에 function이나 method가 아님
• shape[0] : 행
• shape[1] : 열

2.2 Get the column names

• df.columns method는 dataframe의 column명을 가져옴

2.3 Get the dtype of each column

2.4 Get more information about our data

2.5 Pandas Type Versus Python Types

---

3. Lookig at columns, rows, cells

data가 너무 많으므로 handling할 경우, subsets of data를 보고 data를 handling한다 —

3.1 Subsetting Columns

3.1.1 Subsetting Columns by name

• data의 특정 column만 보고 싶은 경우 square bracket를 사용
• 여러 column을 subset으로 지정

3.1.2 Subsetting Columns by Range

• built-in range function을 활용하여 생성가능

• 특정 begin and end value값을 지정하여 해당 범위 subset자동 생성

3.2 Subsetting Rows

• rows은 multiple way로 subset 생성가능

3.2.1 Subset Rows by Index Label : loc

• loc[integer]를 활용하여 특정 row의 data를 가져옴

3.2.2 Subset Rows by Row Number: iloc

• iloc는 loc와 유사하지만, row index number를 활용
• index label이 같으면 iloc와 loc과 같은 동작으로 사용

• index label은 row number가 필요

3.3 Mixing it up : Subsetting Multiple rows and colums

• loc그리고 iloc attribute는 subset of columns, rows, or 둘다 가져 올 수 있음
• comma의 left : subset의 row values
• comma의 right : subset의 column values

  df.loc[[rows],[columns]] or df.iloc[[rows],[columns]]

3.3.1 Subsetting columns using loc

• python slicing syntax을 colon을 사용
• df.loc[:,[columns]]와 같은 syntax로사용

3.3.2 Subsetting columns uinsg iloc

3.3.3 Slicing Cclumns

• python slicing syntax ,column은 range syntax와 유사

참고

medium

docs-python