Pandas 다루기 - Dataframe 값 접근/필터

Python에서 데이터 분석을 할 때 가장 편리한 것이 Pandas 라이브러리이고 가장 많이 사용하는 것이 Dataframe(2차원) 객체라고 이야기 하면서,
정작 필요할 때는 인터넷 검색으로 처음부터 다시 시작하고 있다는 것을 느끼고,
필수 적인것을 쓸 때마다 정리

1. Dataframe은 무엇인가: 2차원 배열로 row값(index), column값(header)를 가질 수 있는 자료구조, Pandas 라이브러리에 있다.

2. 어떻게 사용하는가 ( ① ~ ④ )
    ① 'import pandas as pd' 라고 선언한 후에 사용한다.
    ② 아래와 같이 df 를 만든다.

In [1]:

import pandas as pd
import numpy as np

In [2]:

dates = pd.date_range('7/14/2016', periods=8)
dates

Out[2]:

DatetimeIndex(['2016-07-14', '2016-07-15', '2016-07-16', '2016-07-17',
               '2016-07-18', '2016-07-19', '2016-07-20', '2016-07-21'],
              dtype='datetime64[ns]', freq='D')

In [3]:

df = pd.DataFrame(np.random.randn(8, 4), index=dates, columns=['A', 'B', 'C', 'D'])
df

Out[3]:

	A	B	C	D
2016-07-14	-0.184950	-0.806392	1.494103	-0.369560
2016-07-15	0.399724	-0.063784	-0.056321	-0.007364
2016-07-16	-0.626461	-0.423751	-0.018703	0.087733
2016-07-17	1.198658	-1.532482	-0.298002	0.634820
2016-07-18	0.312076	-0.673361	-0.141319	-1.169763
2016-07-19	-0.119623	-0.293787	-0.592312	-1.167606
2016-07-20	-0.158141	2.559673	0.949287	-1.461863
2016-07-21	1.042477	0.968977	0.050709	1.789358

    ③ 컬럼 A 에 접근하는 방법은 여러가지가 있다.

In [4]:

df['A']

Out[4]:

2016-07-14   -0.184950
2016-07-15    0.399724
2016-07-16   -0.626461
2016-07-17    1.198658
2016-07-18    0.312076
2016-07-19   -0.119623
2016-07-20   -0.158141
2016-07-21    1.042477
Freq: D, Name: A, dtype: float64

In [5]:

df.A

Out[5]:

2016-07-14   -0.184950
2016-07-15    0.399724
2016-07-16   -0.626461
2016-07-17    1.198658
2016-07-18    0.312076
2016-07-19   -0.119623
2016-07-20   -0.158141
2016-07-21    1.042477
Freq: D, Name: A, dtype: float64

In [6]:

df.ix[:, 0]

Out[6]:

2016-07-14   -0.184950
2016-07-15    0.399724
2016-07-16   -0.626461
2016-07-17    1.198658
2016-07-18    0.312076
2016-07-19   -0.119623
2016-07-20   -0.158141
2016-07-21    1.042477
Freq: D, Name: A, dtype: float64

    ④ 컬럼의 값으로 필터를 하려면 df 에 boolean(true, false) array를 주면 true만 볼 수 있다.
       아래 코드는 A 컬럼의 값이 0 보다 작을 경우만을 필터하여 보여준다.

In [7]:

df['A'] < 0

Out[7]:

2016-07-14     True
2016-07-15    False
2016-07-16     True
2016-07-17    False
2016-07-18    False
2016-07-19     True
2016-07-20     True
2016-07-21    False
Freq: D, Name: A, dtype: bool

In [8]:

df [ df['A'] < 0 ]

Out[8]:

	A	B	C	D
2016-07-14	-0.184950	-0.806392	1.494103	-0.369560
2016-07-16	-0.626461	-0.423751	-0.018703	0.087733
2016-07-19	-0.119623	-0.293787	-0.592312	-1.167606
2016-07-20	-0.158141	2.559673	0.949287	-1.461863