[Python] Pandas 선택하기

목차

선택 과 설정을 위한 표준 파이썬 / NumPy 식은 직관적이고 대화형 작업에 유용하지만, 프로덕션 코드의 경우 최적화된 Pandas 데이터 엑세스 방법인 DataFrame.at(), DataFrame.iat(), DataFrame.loc() 그리고 DataFrame.iloc()를 추천한다.

 

Getting

열을 하나만 선택하면 df.A와 동일한 Series가 생성된다. 

df["A"]

[]를 통하면, 다음과 같이 분할한다.

df[0:3]

df["20221002" : "20221005"]

Selection by label

DataFrame.loc() 또는 DataFrame.at()을 사용한 레이블 별 선택을 참조

 

레이블을 사용하여 횡단면을 가져오는 경우

df.loc[dates[0]]

레이블별 다중 축 선택

df.loc[:, ["A", "B"]]

레이블 슬라이싱을 표시하면 두 끝점이 모두 포함된다.

df.loc["20221002":"20221004", ["A", "B"]]

반한된 객체의 치수 감소

df.loc["20221002", ["A", "B"]]

스칼라 값을 가져오는 경우

df.loc[dates[0], "A"]

스칼라에 빠르게 액세스하는 경우(위의 방법과 동일)

df.at[dates[0], "A"]

Selection by position

DataFrame.iloc() 또는 DataFrame.at()를 사용하여 위치별 선택을 참조.

 

전달된 정수의 위치를 통해 선택

df.iloc[1]

정수 슬라이스에 따라 NumPy / Python과 유사하게 작동된다.

df.iloc[3:5, 0:2]

NumPy / Python 스타일과 유사한 정수 위치 목록

df.iloc[[1, 2, 4], [0, 2] ]

행을 명시적으로 자르는 경우

df.iloc[1:3, :]

열을 명시적으로 자르는 경우

df.iloc[:, 1:3]

값을 명시적으로 가져오는 경우

df.iloc[1,1]

스칼라에 빠르게 엑세스 하는 경우(위 방법과 동일)

df.iat[1,1]

Boolean indexing

단일 열의 값을 사용하여 데이터 선택

df[df["A"] > 0]

관계식이 충족되는 데이터 프레임에서 값 선택

df[df > 0]

필터링에 isin() 메소드 사용

df2 = df.copy()

df2["E"] = ["one", "one", "two", "three", "four", "three"]

df2

df2[df2["E"].isin(["two", "four"])]

Setting

새로운 열을 설정하면 데이터가 인덱스별로 자동으로 정렬.

s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range("20130102", periods=6))

s1

레이블별 값 설정

df["F"] = s1

df.at[dates[0], "A"] = 0

위치별 값 설정

df.iat[0, 1] = 0

NumPy 배열로 할당하여 설정

df.loc[:, "D"] = np.array([5] * len(df))

위의 설정 작업의 결과

df

where 연산(설정 포함)

df2 = df.copy()
df2[df2 > 0] = -df2
df2