[Pandas 기초] 3. DataFrame 조회

Python Library 중 하나인 Pandas에서 DataFrame을 조회하는 방법을 알아보자.

• 보고자 하는 데이터를 즉시 조회할 수 있도록 반복 학습과 실습을 통해 익숙해져야 함
• 데이터프레임을 대상으로 조회하는 방법은 다양하다.
• 그 중 한가지 방법을 선택해 일관되게 사용하기를 권고

1. 특정 열 조회

• df.loc[:, [열 이름1, 열 이름2, ... ]] 형태로 조회할 열 이름을 리스트로 지정
• 열부분은 생략할 수 있지만, 행 부분을 생략할 수는 없다.
• 하지만 df[[열 이름1, 열 이름2, ...]] 형태로 인덱서를 생략함이 일반적이다.
• 조회할 열이 하나면 리스트 형태가 아니어도 된다.

# Attrition 열 조회 : 시리즈로 조회 (조금 더 권장하는 방법)
data['Attrition']

0       0
1       0
2       0
3       0
4       1
       ..
1191    0
1192    0
1193    0
1194    0
1195    0
Name: Attrition, Length: 1196, dtype: int64

# Attrition 열 조회2 : 시리즈로 조회 (오류 발생 가능성 있음)
data.Attrition

0       0
1       0
2       0
3       0
4       1
       ..
1191    0
1192    0
1193    0
1194    0
1195    0
Name: Attrition, Length: 1196, dtype: int64

# Attrition, Age 열 조회 : 데이터프레임으로 조회
# 대괄호 안에 리스트!!!
data[['Attrition', 'Age' ]]

	Attrition	Age
0	0	33
1	0	35
2	0	42
3	0	46
4	1	22
...	...	...
1191	0	32
1192	0	27
1193	0	29
1194	0	29
1195	0	43

1196 rows × 2 columns

2. 조건으로 조회

• df.loc[조건] 형태로 조건을 지정해 조건에 만족하는 데이터만 조회할 수 있다.
• 우선 조건이 제대로 판단이 되는지 확인한 후, 그 조건을 대괄호 안에 넣으면 된다.

단일 조건 조회

# 조건절(조건문)의 결과는 True, False
data['DistanceFromHome'] > 10

0       False
1        True
2       False
3       False
4       False
        ...  
1191    False
1192     True
1193    False
1194    False
1195     True
Name: DistanceFromHome, Length: 1196, dtype: bool

# DistanceFromHome 열 값이 10 보다 큰 행 조회
data.loc[data['DistanceFromHome'] > 10]

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
1	0	35	18	1412	Male	4	Single	9362	No	11	10
5	0	24	21	1551	Male	1	Divorced	2296	No	14	2
7	0	30	20	1084	Male	1	Married	9957	No	15	7
11	1	33	15	582	Male	3	Married	13610	Yes	12	15
15	0	34	23	60	Male	3	Single	4568	No	20	10
...	...	...	...	...	...	...	...	...	...	...	...
1181	0	35	28	1596	Male	3	Married	3407	No	17	10
1186	1	26	20	1818	Female	2	Married	2148	Yes	11	6
1188	0	29	19	1497	Male	3	Divorced	8620	No	14	10
1192	0	27	19	1619	Male	1	Divorced	4066	No	11	7
1195	0	43	16	327	Female	4	Married	16064	Yes	22	22

363 rows × 11 columns

여러 조건 조회

# and로 여러 조건 연결
data.loc[(data['DistanceFromHome'] > 10) & (data['JobSatisfaction'] == 4)]

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
1	0	35	18	1412	Male	4	Single	9362	No	11	10
50	0	29	15	346	Male	4	Single	2340	No	19	6
51	0	45	28	1546	Male	4	Married	2132	No	20	8
64	0	32	15	1955	Female	4	Divorced	6667	No	18	9
82	1	35	12	1667	Male	4	Single	4581	Yes	24	13
...	...	...	...	...	...	...	...	...	...	...	...
1104	0	34	19	1701	Female	4	Married	2929	No	12	10
1126	0	35	11	1137	Male	4	Divorced	4968	No	11	5
1141	1	49	11	840	Female	4	Married	7654	No	18	9
1148	0	36	18	1133	Male	4	Single	7779	No	20	18
1195	0	43	16	327	Female	4	Married	16064	Yes	22	22

107 rows × 11 columns

# or 조건 : |
data.loc[(data['DistanceFromHome'] > 10) | (data['JobSatisfaction'] == 4)]

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
1	0	35	18	1412	Male	4	Single	9362	No	11	10
5	0	24	21	1551	Male	1	Divorced	2296	No	14	2
7	0	30	20	1084	Male	1	Married	9957	No	15	7
8	0	26	6	686	Female	4	Married	2659	Yes	13	3
11	1	33	15	582	Male	3	Married	13610	Yes	12	15
...	...	...	...	...	...	...	...	...	...	...	...
1186	1	26	20	1818	Female	2	Married	2148	Yes	11	6
1188	0	29	19	1497	Male	3	Divorced	8620	No	14	10
1190	0	27	5	844	Male	4	Divorced	12808	Yes	16	9
1192	0	27	19	1619	Male	1	Divorced	4066	No	11	7
1195	0	43	16	327	Female	4	Married	16064	Yes	22	22

629 rows × 11 columns

isin(), between()

• isin([값1, 값2, ..., 값n]) : 값1 또는 값2 또는 .. 값n 인 데이터만 조회
• 주의 : isin(리스트) 값들을 리스트 형태로 입력해야 한다.

# 값 나열
data.loc[data['JobSatisfaction'].isin([1,4])]

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
1	0	35	18	1412	Male	4	Single	9362	No	11	10
2	0	42	6	1911	Male	1	Married	13348	No	13	18
3	0	46	2	1204	Female	1	Married	17048	No	23	28
5	0	24	21	1551	Male	1	Divorced	2296	No	14	2
7	0	30	20	1084	Male	1	Married	9957	No	15	7
...	...	...	...	...	...	...	...	...	...	...	...
1184	0	33	5	1395	Male	4	Married	9998	No	13	8
1185	0	24	10	1746	Male	4	Married	2145	No	14	3
1190	0	27	5	844	Male	4	Divorced	12808	Yes	16	9
1192	0	27	19	1619	Male	1	Divorced	4066	No	11	7
1195	0	43	16	327	Female	4	Married	16064	Yes	22	22

616 rows × 11 columns

• 위 구문은 다음과 같은 의미를 갖는다.

# or 조건
data.loc[(data['JobSatisfaction'] == 1) | (data['JobSatisfaction'] == 4)]

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
1	0	35	18	1412	Male	4	Single	9362	No	11	10
2	0	42	6	1911	Male	1	Married	13348	No	13	18
3	0	46	2	1204	Female	1	Married	17048	No	23	28
5	0	24	21	1551	Male	1	Divorced	2296	No	14	2
7	0	30	20	1084	Male	1	Married	9957	No	15	7
...	...	...	...	...	...	...	...	...	...	...	...
1184	0	33	5	1395	Male	4	Married	9998	No	13	8
1185	0	24	10	1746	Male	4	Married	2145	No	14	3
1190	0	27	5	844	Male	4	Divorced	12808	Yes	16	9
1192	0	27	19	1619	Male	1	Divorced	4066	No	11	7
1195	0	43	16	327	Female	4	Married	16064	Yes	22	22

616 rows × 11 columns

• between(값1, 값2) : 값1 ~ 값2 까지 범위안의 데이터만 조회

# 범위 지정
data.loc[data['Age'].between(25, 30)]

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
7	0	30	20	1084	Male	1	Married	9957	No	15	7
8	0	26	6	686	Female	4	Married	2659	Yes	13	3
16	0	30	5	197	Female	1	Divorced	3204	No	14	8
28	0	26	1	1893	Female	3	Married	2933	Yes	13	1
32	0	30	7	1224	Male	3	Divorced	3491	No	13	10
...	...	...	...	...	...	...	...	...	...	...	...
1188	0	29	19	1497	Male	3	Divorced	8620	No	14	10
1190	0	27	5	844	Male	4	Divorced	12808	Yes	16	9
1192	0	27	19	1619	Male	1	Divorced	4066	No	11	7
1193	0	29	9	1558	Male	3	Married	2451	No	18	5
1194	0	29	2	469	Male	3	Married	4649	No	14	4

238 rows × 11 columns

• 위 구문은 다음과 같은 의미를 갖는다.

# and 조건
data.loc[(data['Age'] >= 25) & (data['Age'] <= 30)]

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
7	0	30	20	1084	Male	1	Married	9957	No	15	7
8	0	26	6	686	Female	4	Married	2659	Yes	13	3
16	0	30	5	197	Female	1	Divorced	3204	No	14	8
28	0	26	1	1893	Female	3	Married	2933	Yes	13	1
32	0	30	7	1224	Male	3	Divorced	3491	No	13	10
...	...	...	...	...	...	...	...	...	...	...	...
1188	0	29	19	1497	Male	3	Divorced	8620	No	14	10
1190	0	27	5	844	Male	4	Divorced	12808	Yes	16	9
1192	0	27	19	1619	Male	1	Divorced	4066	No	11	7
1193	0	29	9	1558	Male	3	Married	2451	No	18	5
1194	0	29	2	469	Male	3	Married	4649	No	14	4

238 rows × 11 columns

조건을 만족하는 행의 일부 열 조회

• df.loc[조건, ['열 이름1', '열 이름2', ...]] 형태로 조회할 열을 리스트로 지정 => 2차원, 데이터프레임 형태로 조회

# 조건에 맞는 하나의 열 조회
data.loc[data['MonthlyIncome'] >= 10000, ['Age']]

	Age
0	33
2	42
3	46
11	33
13	39
...	...
1157	42
1158	54
1166	34
1190	27
1195	43

230 rows × 1 columns

# 조건에 맞는 여러 열 조회
data.loc[data['MonthlyIncome'] >= 10000, ['Age', 'MaritalStatus', 'TotalWorkingYears']]

	Age	MaritalStatus	TotalWorkingYears
0	33	Married	14
2	42	Married	18
3	46	Married	28
11	33	Married	15
13	39	Single	21
...	...	...	...
1157	42	Single	24
1158	54	Married	36
1166	34	Single	14
1190	27	Divorced	9
1195	43	Married	22

230 rows × 3 columns

연습문제

• MaritalStatus 가 Single 이고, 나이가 30~40 인 직원을 월급순으로 정렬 (내림차순)

data.loc[(data['MaritalStatus'] == 'Single') & (data['Age'].between(30, 40))].sort_values(['MonthlyIncome'], ascending=False)

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
1092	0	40	7	1740	Male	2	Single	19833	No	14	21
467	0	40	14	1128	Male	3	Single	19626	No	14	21
13	0	39	9	2022	Male	4	Single	19431	No	13	21
265	0	31	8	1430	Female	2	Single	16422	No	11	9
420	0	40	9	1166	Female	3	Single	13499	No	17	20
...	...	...	...	...	...	...	...	...	...	...	...
46	0	36	3	238	Male	2	Single	2088	No	12	13
568	0	36	7	1659	Male	2	Single	2013	No	11	15
26	1	32	2	1692	Male	2	Single	1393	No	12	1
301	1	31	8	1433	Female	2	Single	1261	No	12	1
1118	1	30	9	1876	Male	4	Single	1081	No	13	1

175 rows × 11 columns

기타

[1] loc와 iloc

• loc는 index 이름, iloc는 index number 기준으로 탐색

s = pd.Series(np.nan, index=[49,48,47,46,45, 1, 2, 3, 4, 5])
s.loc[:3]

49   NaN
48   NaN
47   NaN
46   NaN
45   NaN
1    NaN
2    NaN
3    NaN
dtype: float64

s.iloc[:3]

49   NaN
48   NaN
47   NaN
dtype: float64

[2] isnull()

• column 또는 row 값의 NaN(null) 값의 index를 반환함

data.isnull().head()

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
0	False	False	False	False	False	False	False	False	False	False	False
1	False	False	False	False	False	False	False	False	False	False	False
2	False	False	False	False	False	False	False	False	False	False	False
3	False	False	False	False	False	False	False	False	False	False	False
4	False	False	False	False	False	False	False	False	False	False	False

data.isnull().sum()

Attrition            0
Age                  0
DistanceFromHome     0
EmployeeNumber       0
Gender               0
JobSatisfaction      0
MaritalStatus        0
MonthlyIncome        0
OverTime             0
PercentSalaryHike    0
TotalWorkingYears    0
dtype: int64

[3] 기타 메소드

• df.T : Transpose
• df.values : 값 출력
• df.to_csv() : csv 변환
• del df["debt"] : column 삭제
• df.cumsum() : 누적 합
• df.cummax() : 누적 최대
• df.cummin() : 누적 최소