🔥알림🔥
① 테디노트 유튜브 - 구경하러 가기!
② LangChain 한국어 튜토리얼 바로가기 👀
③ 랭체인 노트 무료 전자책(wikidocs) 바로가기 🙌
④ RAG 비법노트 LangChain 강의오픈 바로가기 🙌
⑤ 서울대 PyTorch 딥러닝 강의 바로가기 🙌

25 분 소요

이번 에피소드에서는 Pandas 데이터프레임(DataFrame)의 가장 많이 사용하는 기능인 조회, 정렬 그리고 조건필터 입니다.

엑셀에서도 조회, 정렬, 조건필터의 기능을 가장 많이 활용합니다. 데이터를 정리, 분석할 때 이러한 기능 없이는 분석하기란 불가능에 가깝습니다.

Pandas는 조회, 정렬, 조건필터의 기능을 굉장히 편리하게 사용할 수 있도록 지원합니다. 조금씩 사용하다보면 매우 직관적이고 사용성도 어렵지 않습니다.

특히, loc와 iloc는 정말 많이 사용하는 기능이니 이번 기회에 손에 익혀 놓으시면 쏠쏠히 써먹으실 수 있습니다.

모듈 import

from IPython.display import Image
import numpy as np
import pandas as pd
import seaborn as sns

실습에 활용할 데이터셋

타이타닉: 탑승객의 사망자와 생존자 데이터 (seaborn 데이터셋 활용)

Image('https://static1.squarespace.com/static/5006453fe4b09ef2252ba068/t/5090b249e4b047ba54dfd258/1351660113175/TItanic-Survival-Infographic.jpg')

건조 당시 세계 최대의 여객선이었지만,1912년의 최초이자 최후의 항해 때 빙산과 충돌해 침몰한 비운의 여객선. 아마도 세상에서 가장 유명한 여객선이자 침몰선일 것입니다.

침몰한 지 100년이 넘었지만 아직까지 세계에서 가장 유명한 침몰선입니다.

사망자 수는 1위는 아니지만, 세계적으로 유명한 영화의 영향도 있고, 당시 최첨단 기술에 대해 기대감이 컸던 사회에 큰 영향을 끼치기도 한데다가, 근대 사회에서 들어서자마자 얼마 안된, 그리고 유명인사들이 여럿 희생된 대참사이기 때문에 가장 유명한 침몰선이 되었습니다. 또한 이 사건을 기점으로 여러가지 안전 조약들이 생겨났으니 더더욱 그렇습니다.

df = sns.load_dataset("titanic")
df.head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True

컬럼 (column) 설명

  • survivied: 생존여부 (1: 생존, 0: 사망)
  • pclass: 좌석 등급 (1등급, 2등급, 3등급)
  • sex: 성별
  • age: 나이
  • sibsp: 형제 + 배우자 수
  • parch: 부모 + 자녀 수
  • fare: 좌석 요금
  • embarked: 탑승 항구 (S, C, Q)
  • class: pclass와 동일
  • who: 성별과 동일
  • adult_male: 성인 남자 여부
  • deck: 데크 번호 (알파벳 + 숫자 혼용)
  • embark_town: 탑승 항구 이름
  • alive: 생존여부 (yes, no)
  • alone: 혼자 탑승 여부

데이터 분석!

주요 목표

  • Pandas를 활용하여 타이타닉호 생존자, 사망자 데이터를 분석합니다.
  • 데이터를 토대로 생존율이 높은 승객, 생존율이 낮은 승객은 누구인지 판단합니다.

head() 앞 부분 / tail() 뒷 부분 조회

  • default 옵션 값으로 5개의 행이 조회됩니다.
  • 괄호 안에 숫자를 넣어 명시적으로 조회하고 싶은 행의 갯수를 지정할 수 있습니다.
df.head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True 
df.tail()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
886 0 2 male 27.0 0 0 13.00 S Second man True NaN Southampton no True
887 1 1 female 19.0 0 0 30.00 S First woman False B Southampton yes True
888 0 3 female NaN 1 2 23.45 S Third woman False NaN Southampton no False
889 1 1 male 26.0 0 0 30.00 C First man True C Cherbourg yes True
890 0 3 male 32.0 0 0 7.75 Q Third man True NaN Queenstown no True 
df.head(10)
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True
5 0 3 male NaN 0 0 8.4583 Q Third man True NaN Queenstown no True
6 0 1 male 54.0 0 0 51.8625 S First man True E Southampton no True
7 0 3 male 2.0 3 1 21.0750 S Third child False NaN Southampton no False
8 1 3 female 27.0 0 2 11.1333 S Third woman False NaN Southampton yes False
9 1 2 female 14.0 1 0 30.0708 C Second child False NaN Cherbourg yes False 
df.tail(10)
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
881 0 3 male 33.0 0 0 7.8958 S Third man True NaN Southampton no True
882 0 3 female 22.0 0 0 10.5167 S Third woman False NaN Southampton no True
883 0 2 male 28.0 0 0 10.5000 S Second man True NaN Southampton no True
884 0 3 male 25.0 0 0 7.0500 S Third man True NaN Southampton no True
885 0 3 female 39.0 0 5 29.1250 Q Third woman False NaN Queenstown no False
886 0 2 male 27.0 0 0 13.0000 S Second man True NaN Southampton no True
887 1 1 female 19.0 0 0 30.0000 S First woman False B Southampton yes True
888 0 3 female NaN 1 2 23.4500 S Third woman False NaN Southampton no False
889 1 1 male 26.0 0 0 30.0000 C First man True C Cherbourg yes True
890 0 3 male 32.0 0 0 7.7500 Q Third man True NaN Queenstown no True

info()

  • 컬럼별 정보(information)를 보여줍니다.
  • 데이터의 갯수, 그리고 데이터 타입(dtype)을 확인할 때 사용합니다.
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 15 columns):
survived       891 non-null int64
pclass         891 non-null int64
sex            891 non-null object
age            714 non-null float64
sibsp          891 non-null int64
parch          891 non-null int64
fare           891 non-null float64
embarked       889 non-null object
class          891 non-null category
who            891 non-null object
adult_male     891 non-null bool
deck           203 non-null category
embark_town    889 non-null object
alive          891 non-null object
alone          891 non-null bool
dtypes: bool(2), category(2), float64(2), int64(4), object(5)
memory usage: 80.6+ KB

object 타입은 쉽게 문자열이라고 생각하면 됩니다.

그런데, category 타입도 있습니다. category 타입은 문자열이지만, '남자' / '여자'처럼 카테고리화 할 수 있는 컬럼을 의미 합니다. 나중에 별도로 다루겠습니다.

describe()

  • 각 컬럼에 대한 요약 통계 제공
  • 수치형 컬럼 (numerical column)의 통계를 기본으로 보여 줍니다.
df.describe()
survived pclass age sibsp parch fare
count 891.000000 891.000000 714.000000 891.000000 891.000000 891.000000
mean 0.383838 2.308642 29.699118 0.523008 0.381594 32.204208
std 0.486592 0.836071 14.526497 1.102743 0.806057 49.693429
min 0.000000 1.000000 0.420000 0.000000 0.000000 0.000000
25% 0.000000 2.000000 20.125000 0.000000 0.000000 7.910400
50% 0.000000 3.000000 28.000000 0.000000 0.000000 14.454200
75% 1.000000 3.000000 38.000000 1.000000 0.000000 31.000000
max 1.000000 3.000000 80.000000 8.000000 6.000000 512.329200

categorical column (문자열 컬럼)에 적용해 볼 수 없지 않습니다.

아래와 같이 include='object'를 통해 categorical column에 대한 요약 통계를 확인할 수 있습니다.

df.describe(include='object')
sex embarked who embark_town alive
count 891 889 891 889 891
unique 2 3 3 3 2
top male S man Southampton no
freq 577 644 537 644 549

value_counts()

column 별 값의 분포를 확인할 때 사용합니다.

남자, 여자, 아이의 데이터 분포를 확인하고 싶다면 다음과 같이 실행합니다.

df['who'].value_counts()

man      537
woman    271
child     83
Name: who, dtype: int64

연습문제

embark_town은 승객의 탑승 항구를 나타내는 column 입니다. 탑승 항구별 승객 데이터 분포를 확인해 주세요.

# 코드를 입력해 주세요
df['embark_town'].value_counts()

Southampton    644
Cherbourg      168
Queenstown      77
Name: embark_town, dtype: int64

속성: Attributes

속성 값은 함수형으로 조회하지 않습니다.

자주 활용하는 DataFrame은 속성 값들은 다음과 같습니다.

  • ndim
  • shape
  • index
  • columns
  • values
  • T

차원을 나타냅니다. DataFrame은 2가 출력됩니다.

df.ndim

2

(행, 열) 순서로 출력됩니다.

df.shape

(891, 15)

index는 기본 설정된 RangeIndex가 출력됩니다.

df.index

RangeIndex(start=0, stop=891, step=1)

columns는 열을 출력 합니다.

df.columns

Index(['survived', 'pclass', 'sex', 'age', 'sibsp', 'parch', 'fare',
       'embarked', 'class', 'who', 'adult_male', 'deck', 'embark_town',
       'alive', 'alone'],
      dtype='object')

values는 모든 값을 출력하며, numpy array 형식으로 출력됩니다.

df.values

array([[0, 3, 'male', ..., 'Southampton', 'no', False],
       [1, 1, 'female', ..., 'Cherbourg', 'yes', False],
       [1, 3, 'female', ..., 'Southampton', 'yes', True],
       ...,
       [0, 3, 'female', ..., 'Southampton', 'no', False],
       [1, 1, 'male', ..., 'Cherbourg', 'yes', True],
       [0, 3, 'male', ..., 'Queenstown', 'no', True]], dtype=object)

T: 전치 (Transpose) 는 Index와 Column의 축을 교환합니다.

df.T
0 1 2 3 4 5 6 7 8 9 ... 881 882 883 884 885 886 887 888 889 890
survived 0 1 1 1 0 0 0 0 1 1 ... 0 0 0 0 0 0 1 0 1 0
pclass 3 1 3 1 3 3 1 3 3 2 ... 3 3 2 3 3 2 1 3 1 3
sex male female female female male male male male female female ... male female male male female male female female male male
age 22 38 26 35 35 NaN 54 2 27 14 ... 33 22 28 25 39 27 19 NaN 26 32
sibsp 1 1 0 1 0 0 0 3 0 1 ... 0 0 0 0 0 0 0 1 0 0
parch 0 0 0 0 0 0 0 1 2 0 ... 0 0 0 0 5 0 0 2 0 0
fare 7.25 71.2833 7.925 53.1 8.05 8.4583 51.8625 21.075 11.1333 30.0708 ... 7.8958 10.5167 10.5 7.05 29.125 13 30 23.45 30 7.75
embarked S C S S S Q S S S C ... S S S S Q S S S C Q
class Third First Third First Third Third First Third Third Second ... Third Third Second Third Third Second First Third First Third
who man woman woman woman man man man child woman child ... man woman man man woman man woman woman man man
adult_male True False False False True True True False False False ... True False True True False True False False True True
deck NaN C NaN C NaN NaN E NaN NaN NaN ... NaN NaN NaN NaN NaN NaN B NaN C NaN
embark_town Southampton Cherbourg Southampton Southampton Southampton Queenstown Southampton Southampton Southampton Cherbourg ... Southampton Southampton Southampton Southampton Queenstown Southampton Southampton Southampton Cherbourg Queenstown
alive no yes yes yes no no no no yes yes ... no no no no no no yes no yes no
alone False False True False True True True False False False ... True True True True False True True False True True

15 rows × 891 columns

타입 변환 (astype)

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 15 columns):
survived       891 non-null int64
pclass         891 non-null int64
sex            891 non-null object
age            714 non-null float64
sibsp          891 non-null int64
parch          891 non-null int64
fare           891 non-null float64
embarked       889 non-null object
class          891 non-null category
who            891 non-null object
adult_male     891 non-null bool
deck           203 non-null category
embark_town    889 non-null object
alive          891 non-null object
alone          891 non-null bool
dtypes: bool(2), category(2), float64(2), int64(4), object(5)
memory usage: 80.6+ KB

int32로 변경

df['pclass'].astype('int32').head()

0    3
1    1
2    3
3    1
4    3
Name: pclass, dtype: int32

float32로 변경

df['pclass'].astype('float32').head()

0    3.0
1    1.0
2    3.0
3    1.0
4    3.0
Name: pclass, dtype: float32

object로 변경

df['pclass'].astype('str').head()

0    3
1    1
2    3
3    1
4    3
Name: pclass, dtype: object

category로 변경.

category로 변경시에는 Categories가 같이 출력 됩니다.

df['pclass'].astype('category').head()

0    3
1    1
2    3
3    1
4    3
Name: pclass, dtype: category
Categories (3, int64): [1, 2, 3]

정렬 (sort)

sort_index: index 정렬

  • index 기준으로 정렬합니다. (기본 오름차순이 적용되어 있습니다.
  • 내림차순 정렬을 적용하려면, ascending=False를 옵션 값으로 설정합니다.
df.sort_index().head(5)
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True 
df.sort_index(ascending=False).head(5)
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
890 0 3 male 32.0 0 0 7.75 Q Third man True NaN Queenstown no True
889 1 1 male 26.0 0 0 30.00 C First man True C Cherbourg yes True
888 0 3 female NaN 1 2 23.45 S Third woman False NaN Southampton no False
887 1 1 female 19.0 0 0 30.00 S First woman False B Southampton yes True
886 0 2 male 27.0 0 0 13.00 S Second man True NaN Southampton no True

sort_values: 값에 대한 정렬

  • 값을 기준으로 행을 정렬합니다.
  • by에 기준이 되는 행을 설정합니다.
  • by에 2개 이상의 컬럼을 지정하여 정렬할 수 있습니다.
  • 오름차순/내림차순을 컬럼 별로 지정할 수 있습니다.
df.sort_values(by='age').head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
803 1 3 male 0.42 0 1 8.5167 C Third child False NaN Cherbourg yes False
755 1 2 male 0.67 1 1 14.5000 S Second child False NaN Southampton yes False
644 1 3 female 0.75 2 1 19.2583 C Third child False NaN Cherbourg yes False
469 1 3 female 0.75 2 1 19.2583 C Third child False NaN Cherbourg yes False
78 1 2 male 0.83 0 2 29.0000 S Second child False NaN Southampton yes False

내림차순 정렬: ascending=False

df.sort_values(by='age', ascending=False).head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
630 1 1 male 80.0 0 0 30.0000 S First man True A Southampton yes True
851 0 3 male 74.0 0 0 7.7750 S Third man True NaN Southampton no True
493 0 1 male 71.0 0 0 49.5042 C First man True NaN Cherbourg no True
96 0 1 male 71.0 0 0 34.6542 C First man True A Cherbourg no True
116 0 3 male 70.5 0 0 7.7500 Q Third man True NaN Queenstown no True

문자열 컬럼도 오름차순/내림차순 정렬이 가능하며 알파벳 순서로 정렬됩니다.

df.sort_values(by='class', ascending=False).head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
511 0 3 male NaN 0 0 8.0500 S Third man True NaN Southampton no True
500 0 3 male 17.0 0 0 8.6625 S Third man True NaN Southampton no True
501 0 3 female 21.0 0 0 7.7500 Q Third woman False NaN Queenstown no True
502 0 3 female NaN 0 0 7.6292 Q Third woman False NaN Queenstown no True

2개 이상의 컬럼을 기준으로 값 정렬 할 수 있습니다.

df.sort_values(by=['fare', 'age']).head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
302 0 3 male 19.0 0 0 0.0 S Third man True NaN Southampton no True
271 1 3 male 25.0 0 0 0.0 S Third man True NaN Southampton yes True
179 0 3 male 36.0 0 0 0.0 S Third man True NaN Southampton no True
822 0 1 male 38.0 0 0 0.0 S First man True NaN Southampton no True
806 0 1 male 39.0 0 0 0.0 S First man True A Southampton no True

오름차순/내림차순 정렬도 컬럼 각각에 지정해 줄 수 있습니다.

df.sort_values(by=['fare', 'age'], ascending=[False, True]).head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
258 1 1 female 35.0 0 0 512.3292 C First woman False NaN Cherbourg yes True
737 1 1 male 35.0 0 0 512.3292 C First man True B Cherbourg yes True
679 1 1 male 36.0 0 1 512.3292 C First man True B Cherbourg yes False
27 0 1 male 19.0 3 2 263.0000 S First man True C Southampton no False
88 1 1 female 23.0 3 2 263.0000 S First woman False C Southampton yes False

Indexing, Slicing, 조건 필터링

df.head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True

loc - indexing / slicing

  • indexing과 slicing을 할 수 있습니다.
  • slicing은 [시작(포함): 끝(포함)] 규칙에 유의합니다. 둘 다 포함 합니다.

indexing 예시

df.loc[5, 'class']

'Third'

fancy indexing 예시

df.loc[2:5, ['age', 'fare', 'who']]
age fare who
2 26.0 7.9250 woman
3 35.0 53.1000 woman
4 35.0 8.0500 man
5 NaN 8.4583 man

slicing 예시

df.loc[2:5, 'class':'deck'].head()
class who adult_male deck
2 Third woman False NaN
3 First woman False C
4 Third man True NaN
5 Third man True NaN 
df.loc[:6, 'class':'deck']
class who adult_male deck
0 Third man True NaN
1 First woman False C
2 Third woman False NaN
3 First woman False C
4 Third man True NaN
5 Third man True NaN
6 First man True E

loc - 조건 필터

boolean index을 만들어 조건에 맞는 데이터만 추출해 낼 수 있습니다.

condition = df['who'] == 'man'
condition

0       True
1      False
2      False
3      False
4       True
       ...  
886     True
887    False
888    False
889     True
890     True
Name: who, Length: 891, dtype: bool

다음 2가지의 케이스로 조건에 맞는 데이터만 추출 할 수 있습니다.

결과는 같습니다.

케이스 1: df[condition]

df[condition].head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True
5 0 3 male NaN 0 0 8.4583 Q Third man True NaN Queenstown no True
6 0 1 male 54.0 0 0 51.8625 S First man True E Southampton no True
12 0 3 male 20.0 0 0 8.0500 S Third man True NaN Southampton no True

케이스 2: df.loc[condition]

df.loc[condition].head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True
5 0 3 male NaN 0 0 8.4583 Q Third man True NaN Queenstown no True
6 0 1 male 54.0 0 0 51.8625 S First man True E Southampton no True
12 0 3 male 20.0 0 0 8.0500 S Third man True NaN Southampton no True

다만, loc를 사용하는 것을 추천합니다. (값 대입시 issue 발생)

df[condition]['age']

0      22.0
4      35.0
5       NaN
6      54.0
12     20.0
       ... 
883    28.0
884    25.0
886    27.0
889    26.0
890    32.0
Name: age, Length: 537, dtype: float64
df[condition]['age'] = 2

/opt/conda/lib/python3.6/site-packages/ipykernel_launcher.py:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  """Entry point for launching an IPython kernel.

다음과 같은 경고 창이 뜹니다.

/home/ubuntu/anaconda3/envs/tensorflow2_p36/lib/python3.6/site-packages/ipykernel_launcher.py:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
"""Entry point for launching an IPython kernel.

값을 대입하여 변경했음에도 불구하고 값이 변경 되지 않습니다.

df[condition]['age']

0      22.0
4      35.0
5       NaN
6      54.0
12     20.0
       ... 
883    28.0
884    25.0
886    27.0
889    26.0
890    32.0
Name: age, Length: 537, dtype: float64

loc를 사용하면 이러한 문제가 발생하지 않아 실수를 줄일 수 있습니다.

df.loc[condition, 'age'] = 10

df[condition].head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 10.0 1 0 7.2500 S Third man True NaN Southampton no False
4 0 3 male 10.0 0 0 8.0500 S Third man True NaN Southampton no True
5 0 3 male 10.0 0 0 8.4583 Q Third man True NaN Queenstown no True
6 0 1 male 10.0 0 0 51.8625 S First man True E Southampton no True
12 0 3 male 10.0 0 0 8.0500 S Third man True NaN Southampton no True

loc - 다중 조건

다중 조건은 먼저 condition을 정의하고 & 와 | 연산자로 복합 조건을 생성합니다.

# 조건1 정의
condition1 = (df['fare'] > 30)

# 조건2 정의
condition2 = (df['who'] == 'woman')

df.loc[condition1 & condition2]
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
25 1 3 female 38.0 1 5 31.3875 S Third woman False NaN Southampton yes False
31 1 1 female NaN 1 0 146.5208 C First woman False B Cherbourg yes False
52 1 1 female 49.0 1 0 76.7292 C First woman False D Cherbourg yes False
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
853 1 1 female 16.0 0 1 39.4000 S First woman False D Southampton yes False
856 1 1 female 45.0 1 1 164.8667 S First woman False NaN Southampton yes False
863 0 3 female NaN 8 2 69.5500 S Third woman False NaN Southampton no False
871 1 1 female 47.0 1 1 52.5542 S First woman False D Southampton yes False
879 1 1 female 56.0 0 1 83.1583 C First woman False C Cherbourg yes False

100 rows × 15 columns

df.loc[condition1 | condition2]
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
6 0 1 male 10.0 0 0 51.8625 S First man True E Southampton no True
8 1 3 female 27.0 0 2 11.1333 S Third woman False NaN Southampton yes False
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
880 1 2 female 25.0 0 1 26.0000 S Second woman False NaN Southampton yes False
882 0 3 female 22.0 0 0 10.5167 S Third woman False NaN Southampton no True
885 0 3 female 39.0 0 5 29.1250 Q Third woman False NaN Queenstown no False
887 1 1 female 19.0 0 0 30.0000 S First woman False B Southampton yes True
888 0 3 female NaN 1 2 23.4500 S Third woman False NaN Southampton no False

405 rows × 15 columns

연습문제

데이터를 다시 로드 합니다.

df = sns.load_dataset("titanic")
df.head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True

1) 다음 조건을 만족하는 코드를 입력하세요.

  • 나이가 30살 이상 남자 승객 조건 필터링
  • fare를 많이 낸 순서로 내림차순 정렬
  • 상위 10개를 출력
# 코드를 입력해 주세요
condition1 = (df['age'] >= 30)
condition2 = (df['who'] == 'man')
df.loc[condition1 & condition2].sort_values(by='fare', ascending=False).head(10)
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
679 1 1 male 36.0 0 1 512.3292 C First man True B Cherbourg yes False
737 1 1 male 35.0 0 0 512.3292 C First man True B Cherbourg yes True
438 0 1 male 64.0 1 4 263.0000 S First man True C Southampton no False
332 0 1 male 38.0 0 1 153.4625 S First man True C Southampton no False
660 1 1 male 50.0 2 0 133.6500 S First man True NaN Southampton yes False
390 1 1 male 36.0 1 2 120.0000 S First man True B Southampton yes False
659 0 1 male 58.0 0 2 113.2750 C First man True D Cherbourg no False
698 0 1 male 49.0 1 1 110.8833 C First man True C Cherbourg no False
544 0 1 male 50.0 1 0 106.4250 C First man True C Cherbourg no False
224 1 1 male 38.0 1 0 90.0000 S First man True C Southampton yes False

2) 다음 조건을 만족하는 코드를 입력하세요.

  • 나이가 20살 이상 40살 미만인 승객
  • pclass가 1등급 혹은 2등급인 승객
  • 열(column)은 survived, pclass, age, fare 만 나오게 출력
  • 10개만 출력
# 코드를 입력해 주세요
condition1 = (df['age'] >= 20) & (df['age'] < 40)
condition2 = (df['pclass'] < 3)
df.loc[condition1 & condition2, ['survived', 'pclass', 'age', 'fare']].head(10)
survived pclass age fare
1 1 1 38.0 71.2833
3 1 1 35.0 53.1000
20 0 2 35.0 26.0000
21 1 2 34.0 13.0000
23 1 1 28.0 35.5000
34 0 1 28.0 82.1708
41 0 2 27.0 21.0000
53 1 2 29.0 26.0000
56 1 2 21.0 10.5000
61 1 1 38.0 80.0000

iloc

  • loc와 유사하지만, index만 허용합니다.
  • loc와 마찬가지고, indexing / slicing 모두 가능합니다.
df.head()
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True

indexing

df.iloc[1, 3]

38.0

fancy indexing

df.iloc[[0, 3, 4], [0, 1, 5, 6]]
survived pclass parch fare
0 0 3 0 7.25
3 1 1 0 53.10
4 0 3 0 8.05

slicing

df.iloc[:3, :5]
survived pclass sex age sibsp
0 0 3 male 22.0 1
1 1 1 female 38.0 1
2 1 3 female 26.0 0

at

하나의 인덱스만 가져옵니다. loc보다 속도가 빠르다는 장점은 있지만, 실질적인 효용성은 떨어집니다. 그냥 loc를 사용해도 똑같은 결과를 얻을 수 있습니다.

%timeit df.loc[0, 'fare']

7.4 µs ± 27.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit df.at[0, 'fare']

4.56 µs ± 42.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

iat

하나의 인덱스만 가져옵니다. 속도가 빠르다는 장점은 있지만, 1개의 데이터만 조회 가능합니다. iloc로 대체 사용가능합니다.

%timeit df.iloc[0, 5]

8.66 µs ± 9.52 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit df.iat[0, 5]

5.53 µs ± 29.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

where

도큐먼트

DataFrame.where(cond, other=nan, inplace=False, axis=None, level=None, errors='raise', try_cast=False)

Pandas의 where는 Numpy의 where와 동작이 다릅니다.

  • cond: True/False로 판단될 수 있는 식
  • other: condition을 만족하지 못하는 요소에 할당 할 값
df.tail(5)
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
886 0 2 male 27.0 0 0 13.00 S Second man True NaN Southampton no True
887 1 1 female 19.0 0 0 30.00 S First woman False B Southampton yes True
888 0 3 female NaN 1 2 23.45 S Third woman False NaN Southampton no False
889 1 1 male 26.0 0 0 30.00 C First man True C Cherbourg yes True
890 0 3 male 32.0 0 0 7.75 Q Third man True NaN Queenstown no True

컬럼에 적용할 때

df['fare'].where(df['fare'] < 20, 0).tail(10)

881     7.8958
882    10.5167
883    10.5000
884     7.0500
885     0.0000
886    13.0000
887     0.0000
888     0.0000
889     0.0000
890     7.7500
Name: fare, dtype: float64

행 전체에 적용할 때 (추천하는 정상적인 방법은 아닙니다)

df.where(df['fare'] < 20, 0).tail(10)

/opt/conda/lib/python3.6/site-packages/ipykernel_launcher.py:1: FutureWarning: Implicitly converting categorical to object-dtype ndarray. One or more of the values in 'other' are not present in this categorical's categories. A future version of pandas will raise a ValueError when 'other' contains different categories.

To preserve the current behavior, add the new categories to the categorical before calling 'where', or convert the categorical to a different dtype.
  """Entry point for launching an IPython kernel.
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
881 0 3 male 33.0 0 0 7.8958 S Third man True NaN Southampton no True
882 0 3 female 22.0 0 0 10.5167 S Third woman False NaN Southampton no True
883 0 2 male 28.0 0 0 10.5000 S Second man True NaN Southampton no True
884 0 3 male 25.0 0 0 7.0500 S Third man True NaN Southampton no True
885 0 0 0 0.0 0 0 0.0000 0 0 0 0 0 0 0 0
886 0 2 male 27.0 0 0 13.0000 S Second man True NaN Southampton no True
887 0 0 0 0.0 0 0 0.0000 0 0 0 0 0 0 0 0
888 0 0 0 0.0 0 0 0.0000 0 0 0 0 0 0 0 0
889 0 0 0 0.0 0 0 0.0000 0 0 0 0 0 0 0 0
890 0 3 male 32.0 0 0 7.7500 Q Third man True NaN Queenstown no True

isin()

특정 값의 포함 여부는 isin 함수를 통해 비교가 가능합니다. (파이썬의 in 키워드는 사용 불가 합니다.)

sample = pd.DataFrame({'name': ['kim', 'lee', 'park', 'choi'], 
                        'age': [24, 27, 34, 19]
                      })
sample
name age
0 kim 24
1 lee 27
2 park 34
3 choi 19 
sample['name'].isin(['kim', 'lee'])

0     True
1     True
2    False
3    False
Name: name, dtype: bool
sample.isin(['kim', 'lee'])
name age
0 True False
1 True False
2 False False
3 False False

loc를 활용한 조건 필터링으로도 찰떡궁합입니다.

condition = sample['name'].isin(['kim', 'lee'])

sample.loc[condition]
name age
0 kim 24
1 lee 27

댓글남기기

참고

poetry 의 거의 모든것 (튜토리얼)

5 분 소요

Python 개발에 있어서 poetry는 매우 강력한 도구로, 프로젝트의 의존성 관리와 패키지 배포를 간소화하는 데 큰 도움을 줍니다. 지금부터 poetry 활용 튜토리얼을 살펴 보겠습니다.

[Assistants API] Code Interpreter, Retrieval, Functions 활용법

35 분 소요

OpenAI의 새로운 Assistants API는 대화와 더불어 강력한 도구 접근성을 제공합니다. 본 튜토리얼은 OpenAI Assistants API를 활용하는 내용을 다룹니다. 특히, Assistant API 가 제공하는 도구인 Code Interpreter, Retrieval...