Python - pandas 06 (데이터 변경)
Sample Data는 이전 포스팅의 타이타닉 자료(train.csv)를 기반으로 합니다.
Column 추가
import pandas as pd
df = pd.read_csv('train.csv')
df['Age_double'] = df['Age'] * 2
print(df.head())
df['Age_double']: df Age_double 컬럼을 생성합니다.df['Age'] * 2: df Age 컬럼의 값에 2를 곱한 값을 Age_double 컬럼에 할당합니다.
PassengerId Survived Pclass ... Cabin Embarked Age_double
0 1 0 3 ... NaN S 44.0
1 2 1 1 ... C85 C 76.0
2 3 1 3 ... NaN S 52.0
3 4 1 1 ... C123 S 70.0
4 5 0 3 ... NaN S 70.0
df['Age_double']: train의 Age_double 컬럼이 생성되었습니다.df['Age'] * 2: train의 Age 컬럼의 값에 2를 곱한 값이 Age_double 컬럼에 할당되었습니다.
Column 연산으로 추가
import pandas as pd
df = pd.read_csv('train.csv')
df['Age_Fare'] = df['Age'] + df['Fare']
print(df.head())
df['Age_Fare']: train의 Age_Fare 컬럼을 생성합니다.df['Age'] + df['Fare']: train의 Age 컬럼의 값과 Fare 컬럼의 값을 더한 값을 Age_Fare 컬럼에 할당합니다.
PassengerId Survived Pclass ... Cabin Embarked Age_Fare
0 1 0 3 ... NaN S 29.2500
1 2 1 1 ... C85 C 109.2833
2 3 1 3 ... NaN S 33.9250
3 4 1 1 ... C123 S 88.1000
4 5 0 3 ... NaN S 43.0500
빈 값으로 Column 추가
import pandas as pd
df = pd.read_csv('train.csv')
df['Age_double'] = None
print(df.head())
df['Age_double']: train의 Age_double 컬럼을 생성합니다.None: train의 Age_double 컬럼에 빈 값을 할당합니다.
PassengerId Survived Pclass ... Cabin Embarked Age_double
0 1 0 3 ... NaN S None
1 2 1 1 ... C85 C None
2 3 1 3 ... NaN S None
3 4 1 1 ... C123 S None
4 5 0 3 ... NaN S None
df['Age_double']: train의 Age_double 컬럼이 생성되었습니다.None: train의 Age_double 컬럼에 빈 값이 할당되었습니다.
Column 변경
import pandas as pd
df = pd.read_csv('train.csv')
df['Age_double'] = df['Age'] * 2
print(df.head())
df['Age_double'] = df['Age_double'] + 1
print(df.head())
df['Age_double']:Age_double값이 없으면 column이 생성 됩니다.Age_double이 있으면Age_double값이 변경 됩니다.
PassengerId Survived Pclass ... Cabin Embarked Age_double
0 1 0 3 ... NaN S 44.0
1 2 1 1 ... C85 C 76.0
2 3 1 3 ... NaN S 52.0
3 4 1 1 ... C123 S 70.0
4 5 0 3 ... NaN S 70.0
[5 rows x 13 columns]
PassengerId Survived Pclass ... Cabin Embarked Age_double
0 1 0 3 ... NaN S 45.0
1 2 1 1 ... C85 C 77.0
2 3 1 3 ... NaN S 53.0
3 4 1 1 ... C123 S 71.0
4 5 0 3 ... NaN S 71.0
[5 rows x 13 columns]
Column 삭제
drop
import pandas as pd
df = pd.read_csv('train.csv')
df['Age_double'] = df['Age'] * 2
print(df.columns)
print()
df = df.drop('Age_double', axis=1)
print(df.columns)
df.drop('Age_double', axis=1): df의 Age_double 컬럼을 삭제합니다.axis=1: 축을 column(열)로 설정합니다.drop는 원본 데이터를 변경하지 않습니다. 따라서,df = df.drop('Age_double', axis=1)으로 재할당 해줘야 합니다.inplace=True을 사용하면 원본 데이터를 변경합니다.df.drop('Age_double', axis=1, inplace=True)
Index(['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp',
'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked', 'Age_double'],
dtype='object')
Index(['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp',
'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked'],
dtype='object')
del
import pandas as pd
df = pd.read_csv('train.csv')
df['Age_double'] = df['Age'] * 2
del df['Age_double']
print(df.columns)
del df['Age_double']: df의 Age_double 컬럼을 삭제합니다.del은 원본 데이터를 변경합니다.
여러 Column 삭제
import pandas as pd
df = pd.read_csv('train.csv')
df['Age_double'] = df['Age'] * 2
df['Age_triple'] = df['Age'] * 3
print(df.columns)
print()
df = df.drop(['Age_double', 'Age_triple'], axis=1)
print(df.columns)
df.drop(['Age_double', 'Age_triple'], axis=1): df의 Age_double, Age_triple 컬럼을 삭제합니다.
Row 추가
import pandas as pd
df = pd.read_csv('train.csv')
print(df.index)
df.loc[891] = 0
print(df.tail(2))
df.loc[891]: df의 index값이891이고 값이0인 row를 추가합니다.df.loc[891] = 0은df.loc[891, :] = 0과 같습니다.
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
890 891 0 3 Dooley, Mr. Patrick male 32.0 0 0 370376 7.75 NaN Q
891 0 0 0 0 0 0.0 0 0 0 0.00 0 0
list로 Row 추가
import pandas as pd
df = pd.read_csv('train.csv')
df.loc[891] = [892, 0, 1, 'test', 0, 0, 0, 0, 0, 0, 0, 0]
print(df.tail(2))
df.loc[891]: df의 index값이891이고[892, 0, 1, 'test', 0, 0, 0, 0, 0, 0, 0, 0]인 row를 추가합니다.
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
890 891 0 3 Dooley, Mr. Patrick male 32.0 0 0 370376 7.75 NaN Q
891 892 0 1 test 0 0.0 0 0 0 0.00 0 0
dict로 Row 추가
import pandas as pd
df = pd.read_csv('train.csv')
df.loc[891] = {
'PassengerId':1, 'Survived':1, 'Pclass':2, 'Name':'g',
'Sex':'female', 'Age':68.0, 'SibSp':1,
'Parch':0, 'Ticket':'h', 'Fare':1, 'Cabin':'j', 'Embarked':'k'
}
print(df.tail(2))
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
890 891 0 3 Dooley, Mr. Patrick male 32.0 0 0 370376 7.75 NaN Q
891 1 1 2 g female 68.0 1 0 h 1.00 j k
Row 변경
list로 Row 변경
import pandas as pd
df = pd.read_csv('train.csv')
df.loc[890] = [892, 0, 1, 'test', 0, 0, 0, 0, 0, 0, 0, 0]
print(df.tail(2))
df.loc[890]: df의 index값이890인 row의 값을[892, 0, 1, 'test', 0, 0, 0, 0, 0, 0, 0, 0]로 변경합니다.
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
889 890 1 1 Behr, Mr. Karl Howell male 26.0 0 0 111369 30.0 C148 C
890 892 0 1 test 0 0.0 0 0 0 0.0 0 0
dict로 Row 변경
import pandas as pd
df = pd.read_csv('train.csv')
df.loc[890] = {
'PassengerId':1, 'Survived':1, 'Pclass':2, 'Name':'g',
'Sex':'female', 'Age':68.0, 'SibSp':1,
'Parch':0, 'Ticket':'h', 'Fare':1, 'Cabin':'j', 'Embarked':'k'
}
print(df.tail(2))
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
889 890 1 1 Behr, Mr. Karl Howell male 26.0 0 0 111369 30.0 C148 C
890 1 1 2 g female 68.0 1 0 h 1.0 j k
Row 삭제
import pandas as pd
df = pd.read_csv('train.csv')
df = df.drop(0, axis=0)
print(df.head(2))
df.drop(0, axis=0): df의 index값이0인 row를 삭제합니다.axis=0: 축을 row(행)로 설정합니다.drop은 원본 데이터를 변경하지 않습니다. 따라서,df = df.drop(0, axis=0)으로 재할당 해줘야 합니다.inplace=True을 사용하면 원본 데이터를 변경합니다.df.drop(0, axis=0, inplace=True)
PassengerId Survived Pclass Name ... Ticket Fare Cabin Embarked
1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... ... PC 17599 71.2833 C85 C
2 3 1 3 Heikkinen, Miss. Laina ... STON/O2. 3101282 7.9250 NaN S
[2 rows x 12 columns]
loc를 사용하여 data 변경
import pandas as pd
df = pd.read_csv('train.csv')
df.loc[3, 'Name'] = 'No name'
print(df.loc[3]['Name'])
df.loc[df['Age'] < 10, 'Age']: df의 Age 컬럼의 값이 10보다 작은 row의 Age 컬럼의 값을 0으로 변경합니다.loc는 원본 데이터를 바로 변경 합니다. 따라서,df = df.loc[df['Age'] < 10, 'Age']으로 재할당 해줄 필요도 없으며inplace=True도 필요 없습니다.
No name
loc + 조건
import pandas as pd
df = pd.read_csv('train.csv')
df.loc[df['Age'] > 60, 'Name'] = 'old'
print(df[df['Age'] > 60].head()['Name'])
33 old
54 old
96 old
116 old
170 old
Name: Name, dtype: object
Column 타입 변경
import pandas as pd
df = pd.read_csv('train.csv')
print(df['Survived'].dtypes)
print()
df = df.astype({'Survived': str})
print(df['Survived'].dtypes)
int64
object
NaN 값이 있는 경우 오류 발생
import pandas as pd
df = pd.read_csv('train.csv')
df = df.astype({'Age': int})
print(df['Age'].dtypes)
pandas.errors.IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer: Error while type casting for column 'Age'
Nan 처리 후 변경
import pandas as pd
df = pd.read_csv('train.csv')
df['Age'] = df['Age'].fillna(0)
df = df.astype({'Age': int})
print(df['Age'].dtypes)
int32
Series로 타입 변경
import pandas as pd
df = pd.read_csv('train.csv')
df['Age'] = df['Age'].astype(float)
print(df['Age'].dtypes)
float64
df['Age'] = df['Age'].astype(float): Series의 데이터 타입을 변경하고 다시 할당합니다.
Column 이름 변경
import pandas as pd
df = pd.read_csv('train.csv')
df.columns = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l']
print(df.columns)
Index(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l'], dtype='object')
특정 Column 이름 변경
import pandas as pd
df = pd.read_csv('train.csv')
df.rename(columns={'Name': 'English_Name'}, inplace=True)
print(df.columns)
Index(['PassengerId', 'Survived', 'Pclass', 'English_Name', 'Sex', 'Age',
'SibSp', 'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked'],
dtype='object')
해시태그: #python #pandas #dataframe #row #column #add #change #delete #loc #astype
댓글남기기