Python - pandas 02 (Series 함수, 연산)
Series의 주요 속성
index
import pandas as pd
s = pd.Series([1, 2, 3], ['a', 'b', 'c'])
print(s.index)
s.index: s의 인덱스를 출력합니다.
Index(['a', 'b', 'c'], dtype='object')
values
import pandas as pd
s = pd.Series([1, 2, 3], ['a', 'b', 'c'])
print(s.values)
s.values: s의 값들을 출력합니다.
[1 2 3]
dtype
import pandas as pd
s = pd.Series([1, 2, 3], ['a', 'b', 'c'])
print(s.dtype)
s.dtype: s의 데이터 타입을 출력합니다.
int64
size
import pandas as pd
s = pd.Series([1, 2, 3], ['a', 'b', 'c'])
print(s.size)
s.size: s의 크기를 출력합니다.
3
shape
import pandas as pd
s = pd.Series([1, 2, 3], ['a', 'b', 'c'])
print(s.shape)
s.shape: s의 모양을 출력합니다.
(3,)
ndim
import pandas as pd
s = pd.Series([1, 2, 3], ['a', 'b', 'c'])
print(s.ndim)
s.ndim: s의 차원을 출력합니다.
1
Series의 주요 함수
head
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
print(s.head(3))
s.head(3): s의 앞에서 3개의 데이터를 출력합니다.
a 1
b 2
c 3
dtype: int64
tail
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
print(s.tail(3))
s.tail(3): s의 뒤에서 3개의 데이터를 출력합니다.
c 3
d 4
e 5
dtype: int64
sort_index
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
print(s.sort_index())
s.sort_index(): s의 인덱스를 기준으로 정렬합니다.
a 1
b 2
c 3
d 4
e 5
dtype: int64
sort_values
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
print(s.sort_values())
s.sort_values(): s의 값을 기준으로 정렬합니다.
a 1
b 2
c 3
d 4
e 5
dtype: int64
unique
import numpy as np
import pandas as pd
s = pd.Series([1, 2, 3, 4, np.NaN, 1, 2, 3, 4, 5])
print(s.unique())
s.unique(): s의 중복되지 않는 값들을 출력합니다.
[ 1. 2. 3. 4. nan 5.]
count
import numpy as np
import pandas as pd
s = pd.Series([1, 2, 3, 4, np.NaN, 1, 2, 3, 4, 5])
print(s.count())
s.count(): s의 데이터의 개수(NaN 제외)를 출력합니다.
9
value_counts
import numpy as np
import pandas as pd
s = pd.Series([1, 2, 3, 4, np.NaN, 1, 2, 3, 4, 5])
print(s.value_counts())
s.value_counts(): s의 데이터의 개수(NaN 제외)를 출력합니다.
1.0 2
2.0 2
3.0 2
4.0 2
5.0 1
Name: count, dtype: int64
mean
import numpy as np
import pandas as pd
s = pd.Series([1, 2, 3, 4, np.NaN, 1, 2, 3, 4, 5])
print(s.mean())
s.mean(): s의 평균(NaN 제외)을 출력합니다.
2.7777777777777777
apply
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
def add_10(n):
return n + 10
print(s.apply(add_10))
s.apply(add_10): s의 모든 데이터에 add_10 함수를 적용합니다.
a 11
b 12
c 13
d 14
e 15
dtype: int64
Series 연산
Series + Series
import pandas as pd
s1 = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
s2 = pd.Series([10, 20, 30, 40, 50], ['a', 'b', 'c', 'd', 'e'])
print(s1 + s2)
s1 + s2: s1과 s2의 같은 인덱스의 데이터를 더합니다.
a 11
b 22
c 33
d 44
e 55
dtype: int64
Series + Scalar
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
print(s + 10)
s + 10: s의 모든 데이터에 10을 더합니다.
a 11
b 12
c 13
d 14
e 15
dtype: int64
Series + Series (index가 다른 경우)
import pandas as pd
s1 = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
s2 = pd.Series([10, 20, 30, 40, 50], ['a', 'b', 'c', 'd', 'f'])
print(s1 + s2)
s1 + s2: s1과 s2의 같은 인덱스의 데이터를 더합니다. 같은 인덱스가 없는 경우 NaN으로 처리합니다.
a 11.0
b 22.0
c 33.0
d 44.0
e NaN
f NaN
dtype: float64
Series - Series
import pandas as pd
s1 = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
s2 = pd.Series([10, 20, 30, 40, 50], ['a', 'b', 'c', 'd', 'e'])
print(s1 - s2)
s1 - s2: s1과 s2의 같은 인덱스의 데이터를 뺍니다.
a -9
b -18
c -27
d -36
e -45
dtype: int64
Series - Scalar
import pandas as pd
s = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
print(s - 10)
s - 10: s의 모든 데이터에 10을 뺍니다.
a -9
b -8
c -7
d -6
e -5
dtype: int64
Series * Series
import pandas as pd
s1 = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
s2 = pd.Series([10, 20, 30, 40, 50], ['a', 'b', 'c', 'd', 'e'])
print(s1 * s2)
s1 * s2: s1과 s2의 같은 인덱스의 데이터를 곱합니다.
a 10
b 40
c 90
d 160
e 250
dtype: int64
Series / Series
import pandas as pd
s1 = pd.Series([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e'])
s2 = pd.Series([10, 20, 30, 40, 50], ['a', 'b', 'c', 'd', 'e'])
print(s1 / s2)
s1 / s2: s1과 s2의 같은 인덱스의 데이터를 나눕니다.
a 0.1
b 0.1
c 0.1
d 0.1
e 0.1
dtype: float64
해시태그: #python #pandas #series #index #values #dtype #size #shape #ndim #head #tail #sort_index #sort_values #unique #count #value_counts #mean #apply
댓글남기기