Pandas 표 데이터 입/출력 및 데이터 확인

본 내용을 보기 전에 Python 사전 준비 및 Python 완전 기초를 먼저 이해하셔야 합니다.
본 포스팅은 pandas 공식 홈페이지를 기반으로 작성하였습니다.

 

Python은 pandas 라이브러리를 활용해서 외부 데이터를 불러오고, 데이터 분석을 수행한 후에, 다시 외부 데이터로 내보낼 수 있습니다. Python 내부로 불러들일 때에는 read_* 구문을 활용하고, 외부로 내보낼 때에는 to_* 구문을 활용합니다. 실습을 위해 프로그램 작성 시 가장 많이 활용되는 데이터 중의 하나인 titanic 승객 데이터를 사용하겠습니다.

 

우선, 실습 데이터를 다운로드하세요.

titanic.csv

0.06MB

 

CSV 파일로 제공되는 titanic 승객 데이터를 분석해 보도록 하겠습니다.

 

---

 

 

 

1. 파일 불러오기

 

외부 파일을 불러올 때는 pandas 라이브러리에 있는 read_csv 함수를 활용할 수 있습니다.

 

import pandas as pd
titanic = pd.read_csv("D:/python_exer/titanic.csv")
print(titanic)

 

pandas는 csv 파일로 저장된 데이터를 pandas DataFrame으로 읽어오는 read_csv() 함수를 제공합니다. pandas는 기본적으로 다양한 파일 형식 또는 데이터 소스(csv, excel, sql, json, parquet, …)를 지원하며, 각각 접두사 read_*로 표현됩니다. 데이터를 읽은 후에는 잘 불러왔는지 항상 확인해야 합니다. DataFrame을 표시할 때 기본적으로 처음과 마지막 5개 행이 표시됩니다. 

 

 

pandas DataFrame의 처음 8개 행을 보고 싶으면 head() 메서드를 사용하면 됩니다.

 

print(titanic.head(8))

 

 

DataFrame의 처음 N 행을 보려면 필요한 행 수(이 경우 8)를 인수로 사용하여 head() 메서드를 사용합니다. 만약 마지막 N 행을 보고 싶으면 tail() 메서드를 사용하면 됩니다. 예를 들어, titanic.tail(10)은 DataFrame의 마지막 10개 행을 반환합니다. 

 

print(titanic.tail(10))

 

 

pandas dtypes 속성을 요청하여 pandas가 각 열 데이터 유형을 해석하는 방법을 확인할 수 있습니다.

 

print(titanic.dtypes)

 

 

각 column에 대해 사용된 데이터 유형이 나열됩니다. 이 DataFrame의 데이터 유형은 정수(int64), 부동 소수점(float64) 및 문자열(객체)입니다.

 

(NOTE: dtypes를 요청할 때 괄호는 사용하지 않습니다! dtypes는 DataFrame 및 Series의 속성입니다. DataFrame 또는 Series의 속성에는 괄호가 필요하지 않습니다. 속성은 DataFrame/Series의 특성을 나타냅니다. 반면에 메서드(괄호 필요)는 2021.08.12 - [Python/Pandas 익히기] - Pandas가 처리하는 데이터 종류에서 소개한 DataFrame/Series로 작업을 수행합니다.)

 

 

 

 

 

2. 파일 내보내기

 

누군가 엑셀 파일 형태로 타이타닉 데이터를 요청했습니다. 엑셀 형태로 내보내기 위해서는 openpyxl 패키지가 설치되어 있어야 합니다(윈도우 + R -> 명령 프롬프트에서 cmd 입력 -> pip install openpyxl).

 

 

아래와 같이 수행하면 엑셀 파일이 생성됩니다. 

 

import openpyxl
titanic.to_exel("D:/python_exer/titanic.xlsx", sheet_name = "passengers", index = False)

 

read_* 함수는 pandas에 데이터를 읽는 데 사용되는 반면 to_* 메서드는 데이터를 내보내는 데 사용됩니다. to_excel() 메서드는 데이터를 엑셀 파일로 저장합니다. 여기의 예에서 sheet_name은 기본 Sheet1 대신 승객으로 명명됩니다. index=False를 설정하면 행 인덱스 레이블이 스프레드시트에 저장되지 않습니다. 

 

동등한 읽기 함수인 read_excel()은 데이터를 DataFrame에 다시 로드합니다.

 

titanic1 = pd.read_exel("D:/python_exer/titanic.xlsx", sheet_name = "passengers")
print(titanic1)

 

 

 

3. 기초 요약 통계량 산출

 

DataFrame의 요약 통계량을 산출할 수도 있습니다.

 

titanic.info()

 

 

info() 메서드는 DataFrame에 대한 기술 정보를 제공하므로 출력되는 내용에 대해 자세히 설명하겠습니다. 

 

• titanic은 DataFrame입니다.
• 891개의 엔트리, 즉 891개의 행이 있습니다.
• 각 row에는 0에서 890 사이의 값을 가진 행 레이블(인덱스라고도 함)이 있습니다.
• 테이블에는 12개의 column이 있습니다. 대부분의 column에는 각 row에 대한 값이 있습니다(891개 값은 모두 null이 아님). 일부 column에는 누락된 값과 891개 미만의 null이 아닌 값이 있습니다. 
• Name, Sex, Cabin 및 Embarked column은 텍스트 데이터(문자열, 일명 개체)로 구성됩니다. 다른 column은 일부는 정수(일명 int)이고 나머지는 실수(일명 float)인 숫자 데이터입니다. 
• 다른 column의 데이터 종류(문자, 정수 등)는 dtypes를 나열하여 요약됩니다.
• DataFrame을 유지하는 데 사용되는 대략적인 RAM 크기도 제공됩니다.

 

4. 기억하자!!

 

• 다양한 파일 형식이나 데이터 소스에서 pandas로 데이터를 가져오는 것은 read_* 함수에서 지원됩니다. 
• pandas에서 데이터를 내보내는 것은 다른 to_* 메서드에 의해 제공됩니다.
• head/tail/info 메서드와 dtypes 속성은 데이터를 첫 번째로 확인하는 데에 매우 편리합니다.