머신러닝 & AI 개발자 Tip & 강좌 게시판

Data Scientist와 개발자를 위한 머신러닝, AI 등 개발 Tip과 강좌 게시판 입니다. 일반적인 머신러닝은 물론 딥러닝(Tensorflow, Keras, PyTorch 등), 인공지능 관련 업무를 진행하면서 얻은 Tip이나 강좌, 새로운 소식을 적어 주시면 다른 개발자 분들에게 큰 도움이 됩니다.

안녕하세요. SQLER의 코난 김대우입니다. 

이번 강좌에서는, Python 머신러닝 강좌 - 5. Pandas DataFrame에 질의(Query)를 진행토록 하겠습니다.

예제 노트북 파일 : 5. Pandas DataFrame에 질의(Query)

 

SQLER에서 진행되는 전체 Python / 머신러닝 강좌 목록

 

코드를 실행하기 위해서는, vscode에서 새로운 파일을 만들고 강좌 내용을 단계별로 copy&paste해서 실행하시면 됩니다. 또는, Jupyter notebook을 실행하고 단계별로 실행하셔도 됩니다.

예를 들어, 5_pandas_query.ipynb를 생성하고 vscode에서 실행하면, Jupyter notebook이 실행됩니다.(vscode에서 실행도 가능하며, 웹브라우저에서도 실행 가능합니다.)

또는, github 리포지토리를 clone 하신 후, vscode나 Jupyter notebook에서, 위의 노트북 파일을 열면 됩니다. 
 

상세한 환경 구성이 필요 하시다면, 개발자 커뮤니티 SQLER.com - Python 초급 강좌 목차 - 1. Python 개발 환경 구성 문서를 참조해 WSL, vscode, conda, jupyter notebook 설정을 모두 먼저 완료 하시길 권장해 드립니다.

 

 

Python 머신러닝 강좌 - 5. Pandas DataFrame에 질의(Query)

이번 내용은 DataFrame에 대해 query하는 강좌입니다. DataFrame에서 필요한 컬럼들을 가져올 경우 사용되는 iloc와 loc에 대해서 진행합니다. SQL에 익숙하신 분들이라면, SELECT 절의 컬럼 선택을 떠올리면 이해하기 쉬우실거에요.

 

pandas DataFrame 쿼리

pandas DataFrame은 2차원 테이블 형식의 데이터를 저장하기위한 구조입니다.

 

일반적인 속성(property)

  • loc column 이름을 지정하여 특정 column과 row를 반환합니다.
  • iloc coulmn 인덱스 위치를 지정하여 특정 row와 column을 반환합니다.

 

DataFrame에서 데이터의 일부를 리턴하는 것을 데이터 슬라이싱(slicing) 또는 다이싱(dicing)이라고 합니다.

먼저, 예제로 사용할 데이터를 생성하고 조회해 볼게요.

 

import pandas as pd

airports = pd.DataFrame([
                        ['Seatte-Tacoma', 'Seattle', 'USA'],
                        ['Dulles', 'Washington', 'USA'],
                        ['London Heathrow', 'London', 'United Kingdom'],
                        ['Schiphol', 'Amsterdam', 'Netherlands'],
                        ['Changi', 'Singapore', 'Singapore'],
                        ['Pearson', 'Toronto', 'Canada'],
                        ['Narita', 'Tokyo', 'Japan']
                        ],
                        columns = ['Name', 'City', 'Country']
                        )
airports

결과는 이전 강좌들에서 보신 것과 같은 위의 2차원 배열 형태로 DataFrame 결과가 출력됩니다.

 

하나의 컬럼을 리턴

리턴 할 column 이름을 지정합니다.

  • DataFrameName['columnName']
airports['City']

 

=== 결과 === 

0       Seattle
1    Washington
2        London
3     Amsterdam
4     Singapore
5       Toronto
6         Tokyo
Name: City, dtype: object

SQL 쿼리로 표현하면 SELECT columnName FROM DataFrame 정도가 되겠네요.

 

여러 column들을 리턴

반환하려는 열 리스트를 코드에 추가합니다.

  • DataFrameName[['FirstColumnName', 'SecondColumnName', ...]]
airports[['Name', 'Country']]

=== 결과 ===

  Name Country
0 Seatte-Tacoma USA
1 Dulles USA
2 London Heathrow United Kingdom
3 Schiphol Netherlands
4 Changi Singapore
5 Pearson Canada
6 Narita Japan

네, 두개의 컬럼을 DataFrame에서 가져오는 처리입니다. 여러개의 컬럼을 계속 컬럼명을 나열하면 가능하겠죠.

 

iloc를 사용하여 반환 할 row와 column 설정

iloc[rowscolumns]를 사용하면, row 및 column index 위치의 row 또는, column 그룹을 가져올 수 있습니다.

리턴 할 특정 row와 column을 지정합니다.

  • 첫 번째 row는 0 입니다.
  • 첫 번째 column은 0 입니다.
# 첫 row와 첫 column의 값을 리턴
airports.iloc[0,0]

 

=== 결과 ===

'Seatte-Tacoma'

 

i의 의미는 index를 의미하고, list등의 여러 Python 데이터형에서 보신 것처럼, 서수형으로 position의 정보를 가져옵니다.

 

# 세번째 row와 세번째 column을 리턴
airports.iloc[2,2]

=== 결과 ===

'United Kingdom'

 

":" 을 지정해서 모든 row들과 column들을 리턴 가능합니다.

airports.iloc[:,:]

=== 결과 ===

  Name City Country
0 Seatte-Tacoma Seattle USA
1 Dulles Washington USA
2 London Heathrow London United Kingdom
3 Schiphol Amsterdam Netherlands
4 Changi Singapore Singapore
5 Pearson Toronto Canada
6 Narita Tokyo Japan

 

 

row 범위 또는 column range를 조회할 수 있습니다.

  • [x:y]는 x부터 y까지의 row 또는 column을 리턴합니다.
# 첫 2 row와 모든 column을 리턴
airports.iloc[0:2,:]
 

=== 결과 ===

  Name City Country
0 Seatte-Tacoma Seattle USA
1 Dulles Washington USA

로우는 0부터 2까지 즉, 0번과 1번을 가져오고, 컬럼은 ":" 이기 때문에 전체를 가져옵니다.

 

# 모든 row와 첫 두개의 column을 리턴
airports.iloc[:,0:2]

=== 결과 ===

  Name City
0 Seatte-Tacoma Seattle
1 Dulles Washington
2 London Heathrow London
3 Schiphol Amsterdam
4 Changi Singapore
5 Pearson Toronto
6 Narita Tokyo

 

 

row 리스트 또는 column 리스트를 조회할 수 있습니다.

  • [x,y,z]는 row 또는 column x, y 및 z를 반환합니다.
airports.iloc[:,[0,2]]

=== 결과 ===

  Name Country
0 Seatte-Tacoma USA
1 Dulles USA
2 London Heathrow United Kingdom
3 Schiphol Netherlands
4 Changi Singapore
5 Pearson Canada
6 Narita Japan

 

loc를 사용하여 이름으로 column을 조회

column의 index 위치 대신 column 이름을 조회하려면 iloc 대신 loc 사용

airports.loc[:,['Name', 'Country']]

=== 결과 ===

  Name Country
0 Seatte-Tacoma USA
1 Dulles USA
2 London Heathrow United Kingdom
3 Schiphol Netherlands
4 Changi Singapore
5 Pearson Canada
6 Narita Japan

 

수고하셨습니다.

 

참고자료

개발자 커뮤니티 SQLER.com - Python 무료 강좌 - 기초, 중급, 머신러닝

c9-python-getting-started/even-more-python-for-beginners-data-tools/05 - Query a pandas Dataframe at master · CloudBreadPaPa/c9-python-getting-started (github.com)

No. Subject Author Date Views
26 Form Recognizer로 문서에서 표 데이터 추출 file 코난(김대우) 2021.01.21 82
25 MLaaS - (1) 12가지의 머신러닝을 먼저 도입한 기업들의 고민 file 코난(김대우) 2021.01.15 219
24 Python 머신러닝 강좌 - 15. Matplotlib으로 데이터 시각화(visualization) file 코난(김대우) 2021.01.09 77
23 Python 머신러닝 강좌 - 14. NumPy와 Pandas 코난(김대우) 2021.01.09 70
22 Python 머신러닝 강좌 - 13. 모델의 정확도 평가(accuracy evaluating) 코난(김대우) 2021.01.09 50
21 Python 머신러닝 강좌 - 12. 머신러닝 모델 테스트 코난(김대우) 2021.01.09 47
20 Python 머신러닝 강좌 - 11. scikit-learn으로 선형회기(linear regression) 모델 머신러닝 트레이닝 수행 코난(김대우) 2021.01.08 57
19 Python 머신러닝 강좌 - 10. 머신러닝을 위해 scikit-learn으로 트레이닝 데이터와 테스트 데이터 분할 코난(김대우) 2021.01.08 28
18 Python 머신러닝 강좌 - 9. 중복데이터와 결측값(missing value) 처리 코난(김대우) 2021.01.08 20
17 Python 머신러닝 강좌 - 8. Pandas DataFrame 컬럼(column) 분할(split)과 삭제(remove) 코난(김대우) 2021.01.08 21
16 Python 머신러닝 강좌 - 7. Pandas DataFrame으로 CSV 파일 읽고 쓰기 코난(김대우) 2021.01.08 14
15 Python 머신러닝 강좌 - 6. CSV 파일과 주피터 노트북 file 코난(김대우) 2021.01.08 22
» Python 머신러닝 강좌 - 5. Pandas DataFrame에 질의(Query) 코난(김대우) 2021.01.07 21
13 Python 머신러닝 강좌 - 4. Pandas DataFrame file 코난(김대우) 2021.01.07 22
12 Python 머신러닝 강좌 - 3. Pandas 소개 file 코난(김대우) 2021.01.07 35
11 Python 머신러닝 강좌 - 2. Anaconda와 Conda 구성 file 코난(김대우) 2021.01.06 46
10 Jupyter notebook 단축키 등의 cheat sheet file 코난(김대우) 2021.01.06 33
9 Python 머신러닝 강좌 - 1. 주피터 노트북(Jupyter Notebook) 구성 file 코난(김대우) 2021.01.06 125
8 2021년 머신러닝과 인공지능(AI) 트렌드 - MLaaS (서비스로의 머신러닝) file 코난(김대우) 2020.12.29 148
7 머신러닝을 시작하는 개발자를 위한 - (4) 2021년의 ML Trend - MLaaS와 MLOps(Machine Learning + DevOps) 코난(김대우) 2020.12.28 93





XE Login