1. 데이터 불러오기 / 저장하기

1) 데이터 불러오기

# pd.read_excel('파일경로/파일명.확장자')

# 엑셀 불러오기
pd.read_excel('./파일명.xlsx') # ./ → 현재 내가 있는 위치라는 의미

# csv 파일 불러오기
pd.read_csv('./파일명.csv')

<aside>

✅ 데이터 저장 시 인덱스를 포함해서 저장했을 때

• 불러올 때 index_col=0 사용

pd.read_csv("data.csv", index_col = 0)

</aside>

2) 데이터 저장하기

• pd.to_csv('파일경로/파일명.확장자', index = False)
• pd.to_excel('파일경로/파일명.확장자' , index = False)

df = 데이터프레임 # 저장하고 싶은 데이터

df.to_csv('temp/newfile.csv', index = False) #temp라는 폴더 안에 csv 파일 생성
df.to_excel('temp/newfile.xlsx', index = False) #temp라는 폴더 안에 excel 파일 생성

3) 인덱스

• 인덱스 예시

  • 기본 인덱스

    • Pandas는 기본적으로 0부터 시작하는 정수 인덱스 제공

    • 이는 데이터 프레임을 생성할 때 자동으로 부여되는 인덱스

      import pandas as pd
      
      # 기본 정수 인덱스를 가진 데이터프레임 생성
      df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
      

  • 사용자 지정 인덱스

    • 사용자가 직접 설정하는 인덱스

      # 사용자가 직접 인덱스를 설정한 데이터 프레임 생성
      df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}, index = ['idx1', 'idx2', 'idx3'])
      

• 인덱스 활용하기

  • 인덱스를 활용하여 데이터에 접근하거나 조작 가능

    # 특정 인덱스의 행에 접근
    row = df.loc['idx2']
    

  • sort_index() : 인덱스 기준으로 정렬

    # 인덱스를 기준으로 데이터프레임 정렬
    sorted_df = df.sort_index()
    

  • set_index : 특정 컬럼에 들어있는 값을 인덱스로 활용

    # df가 가지고 있는 특정 컬럼명을 기준으로 인덱스를 설정
    data = df.set_index('컬럼명') 
    
    # 불러올때 인덱스 지정
    pd.read_csv('./data/file.csv' , index_col = '컬럼정보') 
    pd.read_csv('./data/file.csv' , index_col = 0) # 0부터 시작
    

  • df.index : 인덱스 조회 가능

    #인덱스 확인하기
    data.index
    
    #조회한 인덱스에 새로운 인덱스 입력
    data.index = ['1번' , '2번' , '3번']
    data
    

  • reset_index() : 인덱스를 기존 값으로 설정

    # reset_index() 의 기본 값은 drop = False 를 가지고 있음
    data.reset_index()
    
    # reset_index(drop = True) 명령어를 활용하면,
    # 현재 인덱스 값을 컬럼으로 변경하지 않고 인덱스를 초기화
    data.reset_index(drop=True)
    

  • 추가 설명

2. 컬럼

• 컬럼(Column)

  • 데이터 프레임의 열을 나타냄
  • 데이터 프레임은 행과 열로 구성되며, 각 열은 서로 다른 종류의 데이터를 담고 있음
  • 데이터 프레임의 세로 방향에 있는 데이터들을 컬럼이라고 부름

• 예시

  import pandas as pd
  
  # 데이터프레임 생성
  data = {
      '이름': ['Alice', 'Bob', 'Charlie'],
      '나이': [25, 30, 35],
      '성별': ['여', '남', '남']
  }
  
  df = pd.DataFrame(data)
  
  # 각 컬럼 출력
  print(df['이름'])  # '이름' 컬럼 출력
  print(df['나이'])  # '나이' 컬럼 출력
  print(df['성별'])  # '성별' 컬럼 출력
  

• 데이터프레임.columns : 컬럼 확인

  #컬럼 확인하기
  data.columns
  
  #컬럼명 새로 입력
  data.column = ['축구', '농구', '배구', '야구']
  data
  

• df.rename(columns={’원래_컬럼명’ : ‘변경할_컬럼명’}) : 컬럼 이름 변경

  # 하나의 컬럼명 수정
  data = data.rename(columns = {'축구': 'soccer'}) 
  
  # 여러 개의 컬럼명 수정
  data = data.rename(columns = {'농구': 'basketball', '배구': 'volleyball'})
  

• 컬럼 추가 및 삭제

  # 컬럼 추가 기본 구조
  data['컬럼명'] = '추가된_컬럼에_넣을_값'
  # 컬럼 삭제 기본 구조
  del data['삭제할_컬럼명']
  
  # 컬럼 추가 - 스포츠 컬럼을 추가하고 스포츠 컬럼의 모든 행에 '축구' 추가
  df['스포츠'] = '축구'
  # 컬럼 삭제 
  del df['스포츠']