데이터 전처리 | Pandas 기본 함수 1

☑️ Pandas 구조

• Series : 1차원 행렬/배열 형태 , 컬럼이 1개 행이 여러개
• DataFrame :2차원 행렬/배열 형태, 표 형태처럼 저장

☑️ 테이블 확인 하기 

• `.head(n)` :테이블의 n행까지 출력 
• `.info()` : 테이블 간단 정보 조회
• `.describe` : 테이블의 숫자 value 의 기초 통계 값 계산

df=pd.read_csv("temp/tips_data.csv",index_col=False)

# head :d 를 n행 까지 보여줌 -> limit 같은.. head() 이면 5개 출력됨.
df.head(n)

#.Info() : 테이블/컬럼 간단한 정보 조회(null값 갯수도 포함)
df.info()

#간단한 기초 통계 값들 계산, 최대/최소/표준편차 등..(숫자형만)
df.describe()

☑️ 인덱스 메소드

• `.sort_index()` :인덱스 기준 정렬 
• `.index=`['1','2','3'] : 인덱스 설정/변경 하기   
• `.set_index('컬럼명')` :인덱스에 컬럼명 지정 
• `.reset_index` : 인덱스 초기화 0~n 으로 출력  

df = pd.DataFrame({
    'A' : [1,2,3],
    'B' : ['a','b','c']
}, index =['idx1','idx2','idx3'])
df

# 정렬하기 
df.sort_index() # 인덱스 기준 정렬하기 : 오름차

#인덱스 가져오기
df.index

#인덱스 컬럼명 지정 : set_index('컬럼명')
df.set_index('A')

#인덱스 설정/변경하기 
df.index = ['1','2','3']
df

#reset_index -> 기존 값으로 돌려주기 
#reset_index(drop=True) -> 원래 정수값으로 
df.reset_index = ['1','2','3']
df

☑️ 컬럼 메소드 

• `.columns` = ['컬럼1','컬럼2']  :컬럼명 변경 (테이블 순서대로)
• `.rename(columns = {'기존컬럼명' : '바꿀컬럼명','기존컬럼명2' : '바꿀컬럼명2'})`
  • rename 메소드는 반환 x, 변수에 넣어 출력해야 함 (주의)
• `del` : 컬럼 삭제 하는 함수

# 컬럼 출력 : 테이블변수 [' 컬럼명' ]
df['name'] # 출력 :name 컬럼의 모든 행

# 컬럼명만 출력
df.columns # 출력 :모든 컬럼명 

#컬럼명 변경1 (순서대로)
df.columns = ['이름','나이','성별']
df

#컬럼명 변경2 : rename 메소드는 변수에 넣어서 출력 해야 나옴
df = df.rename(columns={'이름' : 'name','성별' : '남/여'})
df 

# 컬럼 추가/삭제
df['스포츠'] = '축구'

del df['나이']

☑️ 결측치(null  값) 확인하기  

• `.isna()` = null 이면 True 아니면 False 출력

df = pd.DataFrame({
    'A' : [1,2,3,4],
    'B' : [5,6,7,None]
})

#결측치 확인
df.isna() # null이면 True, 아니면 False

#특정 컬럼 결측치 확인 시 : df['컬럼명'].isna()
df['B'].isna() #b컬럼의 행별로 t/f 값 반환

df[df['A'].isna()] #a컬럼이 null 값 행만 불러오겠다

☑️ 타입 메소드   

• `.dtype` : 타입 확인해주는 메소드
• `.astype(타입)` :  타입 변경해주는 메소드 ( .astype(타입).astype(타입) 등으로 계속 변경 가능 )

df=pd.read_csv("temp/tips_data.csv",index_col=False)
df

# 타입 확인 함수 : dtype
df['total_bill'].dtype

#타입 변경 함수 : astype('변경할 타입')
df['total_bill'] = df['total_bill'].astype(str) #토탈빌 컬럼에 토탈빌을 str로 타입변경

#계속 변경 할때는 .astype().astype() ...
df['total_bill'] = df['total_bill'].astype(float)
df.info()