10. pandas의 자료구조 Series와 DataFrame 살펴보기

pandas는 핵심라이브러리로, 고유한 자료구조인 Series와 DataFrame으로 빅데이터 분석에 높은 수준의 퍼포먼스를 발휘한다.
Series와 DataFrame는 앞서 공부한 numpy의 1차원과 2차원 array과 매우 유사하다.

pandas Series 살펴보기

• pandas를 사용하기에 앞서 numpy 와 pandas 패키지를 모두 import해야한다.
  
• Series를 정의할 때, pd.Series()함수를 이용하는데,  python의 list나 numpy의 array가 인자로 입력된다.
  
  series를 확인해보면, index와 values가 동시에 확인된다.
  이 때, 리스트의 성분 갯수 = index의 갯수가 되는 것을 알 수 있다.
  series변수.values를 호출하면 값(values)만 따로 array로 확인할 수 있고, .index를 이용하면 index 범위값만 얻을 수 있다.
  데이터형을 확인하려면, obj.dtypes를 통해 확인할 수 있다.
  
• Series의 특징은 값과 함께, 우리가 원하는 index를 입력할 수 있다는 것이다. list나 array인자 이외에 추가로 index=[ ]를 이용해서 입력해준다. obj2 = pd.Series( [ 4, 7, -5, 3], index=["d", "b", "a", "c"])
  *** 인덱스의 성분을 줄 때는 ‘’ 작은 따옴표로 주고, 그외에 키값, 시리즈이름, 시리즈인덱스이름은 다 “”쌍따옴표
       확인 결과 “”쌍따옴표로 줘도 상관없다. 왜 확인 했냐면..
  *** DataFrame에서 인자에 인덱스를 정의해줄 때는, “”쌍따옴표로..
  
  이것은 python에서 중괄호로 {  “키값” : 벨류값 ,  “키값” : 벨류값 } 형식으로 만든 딕셔너리와 비슷하며,
  Series를 만들 때 인자를 (arr , index=[ , , ] ) 가 아니라 딕셔너리를 줘서 원하는 index를 줄 수 도 있다.
  
  즉, pd.Series( )의 인자에는 [ , , ] list / np.array() / 파이썬의 딕셔너리가 들어갈 수 있다.
• 또다른 Series의 특징은, Series의 이름과 index에 이름을 지정해줄 수 있다는 것이다.
  series변수.name = “ 시리즈이름”,  series변수.index.name = “인덱스이름”
  
• 비슷하게, 위에서 직접 입력한 index의 값을 바꿔 줄 수 도 있다. series변수.index = [ ‘새’, ‘로’, ‘운’, ‘인덱스’]
  
  
  

pandas DataFrame 살펴보기

dataFrame은 먼저, python의 딕셔너리 형태로 data를 정의해준 뒤 ===> dataFrame을 정의한다.
그외에 인자로 numpy의 array도 들어갈 수 있다.

• 먼저, 딕셔너리형태로 데이터를 정의해주는데, { “키값” : value }에서  values자리에 [  리,스,트 ] 형태로 입력을 해준다.
  그렇게 하면, 키값들의 갯수가은 열(Columns)의 갯수이 될 것이고, 리스트의 성분들의 갯수은 각 행의 갯수(index)를 담당할 것이다.
  만들어진 딕셔너리를 pd.DataFrame( )인자에 넣어준다.
  
  세로로는 index(리스트 성분의 갯수)가, 가로로는 키값(columns) 들이 둘러싸고 있는 표형태의 데이터를 얻을 수 있다. 엑셀의 table모양과 아주 흡사하다.이 때, 키값이 자동으로 Colums의 이름이되며, 키값의 갯수가 열의 갯수가 된다.
         밸류값인 리스트의 성분갯수가  행의 index를 결정한다.
  이렇게 dataFrame에서는 2종류의 index가 존재한다. 가로의 index를 columns라고 한다.
  df.index / df.columns / df.values 를 통해 값을 확인해보자. values는 2차원 넘파이의 array형태로 값을 얻을 수 있다.
  
• Series와 마찬가지로 DataFrame의 index와 columns에도 이름을 붙힐 수 있다
  
• 많은 DataFrame 함수를 자동완성해주는 기능도 있다. dataFrame변수. [TAB]키를 눌러서 확인하자.
  
• pd.DataFrame( 딕셔너리data)로 정의할 때,
  키값이 자동으로 Columns의 이름이되며, 키값의 갯수가 열의 갯수가 된다.
  밸류값인 리스트의 성분갯수가  행의 index를 결정한다.
  하지만, 딕셔너리에서 정의한 키값을 인자로 columns에 직접 넣어 columns의 순서를 새롭게 정의할 수 있으며,
  만약 키값이 미리 존재하지 않는 이름을 columns인자의 성분으로 넣는다면, 그 칼럼은 NaN으로 표시가 된다.
  또 인자로서, index를 입력하면, 리스트성분의 개수로 자동설정되어 0부터 시작하던 index의 이름을 줄 수 있다.
  
  이 때, NaN라는 것은 Not a Number를 의미한다. 해당하는 값이 없다는 뜻이다.
  다음 강의에서 이 값을 메꾸는 방법을 배울 것이다.
• 마찬가지로, df2라는 칼럼과 인덱스 이름을 정의한 DataFrame에 칼럼과 인덱스의 이름을 확인할 수 있다.
  
• 또다른 유용함수로 df.describe()라는 함수가 있다. 연산이 가능한 숫자를 가진 컬럼을 뽑아내고  그 칼럼들에 대해
  기본 통계량(총 개수, 평균, 표준편차, 최소값, 퍼센트, 최대값)을 산출하여 표시해준다.
  이는 어떤 dataset를 가져온 뒤, DataFrame으로 바꾼 다음 전체적으로 살펴볼 때 아주 좋다.