1. pandas library
: 데이터를 가공하기 위해 dataframe을 다루는 library 이다. csv, excel 파일을 불러와 처리할 수 있다.
2. kaggle 에 접속해서 dataset download
: 이번 실습에서는 kaggle 에서 "Top 50 Indian Companies" 의 dataset을 활용했다. Link를 타고 들어가서 가입 후 무료로 다운받아 사용하면 된다. kaggle에는 분석을 위해 공개된 다양한 datasets이 존재한다.
3. pandas library 실행
: pandas를 import 해서 pd 라는 약어를 사용하겠다고 선언하는 것이다. 실행했을 때 아무것도 뜨지 않는다면, 정상적으로 import 된것이다. 만약 아래 "# 결과 #" 와 같이 나왔다면 터미널 창에 "pip install pandas"를 입력해 library를 실행한다.
import pandas as pd
# 결과 #
File "경로~", line 1, in <module>
import pandas as pd
ModuleNotFoundError: No module named 'pandas'
4. dataset 불러오기
: code 파일이 있는 폴더에 2번 캐글에서 다운 받은 파일의 압축을 풀었다는 가정에서 진행하겠다. 압축을 풀면 archive 폴더에 "Top Company.csv" 파일이 생성된다. 아래 code를 입력하면 dataframe 확인이 가능하다.
import pandas as pd
df_archive = pd.read_csv('archive/Top Company.csv')
print(df_archive) # dataframe 전체 확인.
print(df_archive.head()) # dataframe 에서 5개의 행을 확인. head(3) 3번째 행까지 확인.
print(df_archive.tail()) # head와 반대로 마지막 5개의 행을 확인.
# 결과 # → head()의 결과이다.
Rank Name Industry Revenue (in ₹ Crore) Revenue growth Profits (in ₹ Crore) Headquarters State Controlled
0 1 Indian Oil Corporation Oil and gas 424321 13.2% 22189 New Delhi Yes
1 2 Reliance Industries Limited Oil and gas 410295 28.2% 36075 Mumbai NaN
2 3 Oil and Natural Gas Corporation Oil and gas 333143 11.0% 22106 New Delhi Yes
3 4 State Bank of India Banking 306528 2.6% −4,556 Mumbai Yes
4 5 Tata Motors Automotive 301175 7.9% 8989 Mumbai NaN
4. dataset 확인
4.01. info() : column별 data type 확인
: column별 data type에 따라 data를 처리하는 방식이 달라진다. 그렇기 때문에 data의 type의 확인은 중요하다. 아래 보면 컬럼별로 50개의 정보가 있으며, "State Controlled"에 50개중 20개의 정보만 있는 것을 확인 할수 있다. (= 결측치가 30개가 있다.)
print(df_archive.info())
# 결과 #
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 50 entries, 0 to 49
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Rank 50 non-null int64
1 Name 50 non-null object
2 Industry 50 non-null object
3 Revenue (in ₹ Crore) 50 non-null int64
4 Revenue growth 50 non-null object
5 Profits (in ₹ Crore) 50 non-null object
6 Headquarters 50 non-null object
7 State Controlled 20 non-null object
dtypes: int64(2), object(6)
memory usage: 3.2+ KB
None
4.02. 컬럼명 확인
: 컬럼 목록을 확인 할 수 있다.
print(df_archive.columns)
# 결과 #
Index(['Rank', 'Name', 'Industry', 'Revenue (in ₹ Crore)', 'Revenue growth',
'Profits (in ₹ Crore)', 'Headquarters', 'State Controlled'],
dtype='object')
4.03. 특정 컬럼 data 확인
: 1개의 컬럼 선택과 여러개의 컬럼을 선택해서 확인하는 방법이다. 차례로 입력해서 결과를 확인하자.
# 1개의 컬럼 선택
print(df_archive['Name'].head())
# 결과 #
0 Indian Oil Corporation
1 Reliance Industries Limited
2 Oil and Natural Gas Corporation
3 State Bank of India
4 Tata Motors
# 2개의 컬럼 선택
print(df_archive[['Name','Industry']].head())
# 결과 #
Name Industry
0 Indian Oil Corporation Oil and gas
1 Reliance Industries Limited Oil and gas
2 Oil and Natural Gas Corporation Oil and gas
3 State Bank of India Banking
4 Tata Motors Automotive
4.04. 원하는 조건의 정보만 추출하기
: 1 개의 조건으로 정보를 추출하는 방법이다. Industry 컬럼에서 "Oil and gas"만 추출해 보겠다.
print(df_archive[df_archive['Industry']=="Oil and gas"])
# 결과 #
Rank Name Industry Revenue (in ₹ Crore) Revenue growth Profits (in ₹ Crore) Headquarters State Controlled
0 1 Indian Oil Corporation Oil and gas 424321 13.2% 22189 New Delhi Yes
1 2 Reliance Industries Limited Oil and gas 410295 28.2% 36075 Mumbai NaN
2 3 Oil and Natural Gas Corporation Oil and gas 333143 11.0% 22106 New Delhi Yes
5 6 Bharat Petroleum Oil and gas 238638 13.7% 9009 Mumbai Yes
6 7 Hindustan Petroleum Oil and gas 221693 13.4% 7218 Mumbai Yes
21 22 Nayara Energy Oil and gas 73015 10.7% 576 Mumbai NaN
30 31 GAIL Oil and gas 55503 11.6% 4799 New Delhi Yes
33 34 MRPL Oil and gas 50209 8.9% 1993 Mangalore Yes
43 44 Chennai Petroleum Corporation Oil and gas 33187 20.0% 927 Chennai Yes
47 48 Petronet LNG Oil and gas 30949 23.9% 2110 New Delhi Yes
: 2개 이상의 조건이다. 아래와 같은 형식으로 조건을 추가하면된다.
and : (조건1) & (조건2)
or : (조건1) | (조건2)
: 아래 예제를 참고하자. info()에서 확인했듯이 숫자형 자료는 "Rank"와 "Revenue (in ₹ Crore)" 두개 뿐이다. 조건을 줄 때 이러한 정보를 확인해야 한다. 나머지는 data type이 object 였다. 필요시 추가로 가공해서 사용해야 한다.
print(df_archive[(df_archive['Industry']=="Oil and gas") & (df_archive['Revenue (in ₹ Crore)']<=100000)])
# 결과 #
Rank Name Industry Revenue (in ₹ Crore) Revenue growth Profits (in ₹ Crore) Headquarters State Controlled
21 22 Nayara Energy Oil and gas 73015 10.7% 576 Mumbai NaN
30 31 GAIL Oil and gas 55503 11.6% 4799 New Delhi Yes
33 34 MRPL Oil and gas 50209 8.9% 1993 Mangalore Yes
43 44 Chennai Petroleum Corporation Oil and gas 33187 20.0% 927 Chennai Yes
47 48 Petronet LNG Oil and gas 30949 23.9% 2110 New Delhi Yes
pandas library 기초는 이정도로 마무리 하겠다. 추가적이 내용은 data 가공 및 활용을 하면서 필요시에 추가해 나가겠다.
'데이터 처리' 카테고리의 다른 글
| 2. matplotlib 기본 사용법 (0) | 2024.07.22 |
|---|