2023년 6월 업데이트

안녕하세요. SQLER의 코난 김대우입니다. 

이번 강좌에서는, Python 머신러닝 강좌 - 8. Pandas DataFrame 컬럼(column) 분할(split)과 삭제(remove)를 진행토록 하겠습니다.

예제 노트북 파일 : 8. Pandas DataFrame 컬럼(column) 분할(split)과 삭제(remove) 

SQLER에서 진행되는 전체 Python / 머신러닝 강좌 목록

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

예를 들어, 8_pandas_column.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 필요하시다면, 개발자 커뮤니티 SQLER.com - Python 초급 강좌 목차 - 1. Python 개발 환경 구성 문서를 참조해 WSL, vscode, conda, jupyter notebook 설정을 모두 먼저 완료하시길 권장해 드립니다.

TL;DR

Pandas DataFrame에서 column을 분할하고 삭제하는 방법을 다룹니다. DataFrame에서 특정 column을 제거하려면 drop 함수를 사용하거나 특정 컬럼들만 조회해 별도의 DataFrame으로 만들 수 있습니다. 
 

Python 머신러닝 강좌 - 8. Pandas DataFrame 컬럼(column) 분할(split)과 삭제(remove)

머신러닝을 수행하기 위해 데이터를 준비할 때, DataFrame에서 특정 column을 제거해야 하는 경우가 있습니다.

이런 작업을 pandas dataframe에서 수행하는 과정을 이번 강좌에서 진행합니다.

여러 column이 있는 더 큰 CSV 파일을 로드하겠습니다. flight_delays.csv는 항공편 및 비행 지연에 대한 정보를 제공하는 파일입니다. (github에서 clone 한 리포지토리에 존재합니다.)

"c9-python-getting-started/even-more-python-for-beginners-data-tools/08 - Removing and splitting DataFrame columns/" 경로에 flight_delays.csv 파일이 존재합니다.

import pandas as pd

delays_df = pd.read_csv('flight_delays.csv')
delays_df.head()

☑️ 챗GPT 활용: CSV 파일을 열고 컬럼 이름과 일부 데이터를 복사해 프롬프트에 “이 데이터를 분석해 줘”라고 입력하면 데이터를 유추합니다.

DataFrame에서 column 제거

머신러닝을 수행하기 위해 데이터를 준비할 때, DataFrame에서 특정 column을 제거해야 하는 경우가 있습니다.

예를 들어: 비행 지연 시간(ARR_DELAY)을 예측하기 위해 머신러닝 모델을 트레이닝한다고 가정합니다.

모델이 예정된 도착 시간(CRS_ARR_TIME)과 실제 도착 시간(ARR_TIME)을 알고 있는 경우 예측 모델은 ARR_DELAY = ARR_TIME - CRS_ARR_TIME을 신속하게 이해합니다.

향후 항공편의 도착 시간을 예측할 때, 도착 시간(ARR_TIME)에 대한 값이 없어야 하고, 따라서 ARR_DELAY를 예측하도록 모델을 훈련할 때 feature로 사용되지 않도록 DataFrame에서 이 column을 제거해야 합니다.

# DataFrame delays_df에서 ARR_TIME column을 제거 

#delays_df = delays_df.drop(['ARR_TIME'],axis=1)
new_df = delays_df.drop(columns=['ARR_TIME'])
new_df.head()

inplace 파라미터를 사용하여 기존 DataFrame에서 바로 column을 삭제합니다.

# DataFrame delays_df에서 ARR_TIME column을 제거 

#delays_df = delays_df.drop(['ARR_TIME'],axis=1)
delays_df.drop(columns=['ARR_TIME'], inplace=True)
delays_df.head()

일반적으로 정량적인 값(예를 들어, 거리, 분, 무게) 및 숫자가 아닐 수 있는 정성적인 값(예를 들어, 항공편이 출발 한 공항, 항공편을 운항 한 항공사 등)을 수치화된 값 기반으로 예측하기 위해 다양한 기술을 사용합니다.

정량적 데이터는 머신러닝 모델 트레이닝을 하기 전에 별도의 DataFrame으로 이동할 수 있습니다.

또한, 예측을 하기 원하는 라벨 값(ARR_DELAY)과 예측에 사용될 값들을 각각 분리된 DataFrame에 넣어서 예측 작업을 수월하게 진행할 수 있습니다. 예측에 사용될 데이터를 일반적으로, feature 데이터라고 부릅니다.

이 과정을 수행하려면, 기존 DataFrame의 column에서 새 DataFrame을 생성해야 합니다. SQL로 보면, SELECT INTO와 유사합니다.

# desc_df라는 새 DataFrame을 생성합니다.
# 모든 row와 다음 컬럼들을 포함해야 합니다. 
# ORIGIN, DEST, OP_CARRIER_FL_NUM, OP_UNIQUE_CARRIER, TAIL_NUM

desc_df = delays_df.loc[:,['ORIGIN', 'DEST', 'OP_CARRIER_FL_NUM', 'OP_UNIQUE_CARRIER', 'TAIL_NUM']]
desc_df.head()

=== 결과 ===

수고하셨습니다.

파이썬 강좌 책 구매

강좌가 도움이 되셨다면, 책으로 구매 가능합니다. 책 판매 수익금은 전액 코딩 교육 사회공헌 활동에 기부되며, 아래 링크에서 구매하시면 더 많은 금액이 기부됩니다. 

책구매 링크: 챗GPT와 함께하는 파이썬 & 머신러닝 코딩 마스터 

참고자료

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

c9-python-getting-started/even-more-python-for-beginners-data-tools/08 - Removing and splitting DataFrame columns at master · CloudBreadPaPa/c9-python-getting-started (github.com)