Pandas - 데이터 분석

안녕하세요.

이승혁입니다.

 

판다스를 사용해서 csv, 엑셀, Json 등의 파일을 읽어옵니다.

DataFrame 형태의 데이터를 확인할 수 있는 코드를 실습해 보겠습니다.

 

## 파일 읽기(read)

 

1. csv    -   pd.read_csv('경로/파일명')

2. excel  -   pd.read_excel('경로/파일명)

3. Json   -   pd.read_json('경로/파일명')

4. html   -   pd.read_html('경로/파일명')

 

## 파일 저장하기(save)

1. csv    -   pd.to_csv('경로/파일명')

2. excel  -   pd.to_excel('경로/파일명)

3. 하나의 액셀, 여러 데이터프레임 - pd.ExcelWriter('경로/파일명')

4. Json   -   pd.to_json('경로/파일명')

 

import pandas as pd
# 경로 지정
address='d:\\판다스 실습\\'
# csv 파일 읽기(read)
df_csv=pd.read_csv(address+'emp2.csv')
# excel 파일 읽기(read)
df_excel=pd.read_excel(address+'emp2.xlsx')
# Json 파일 저장(save)
df_csv.to_json(address+'emp2.json')
# 2개 데이터프레임 excel로 저장
writer=pd.ExcelWriter(address+'2DataFrame.xlsx')
df_csv.to_excel(writer,sheet_name='csv DataFrame')
df_excel.to_excel(writer,sheet_name='excel DataFrame')
writer.close()

 

코드를 실행하여 파일을 읽어 봤습니다.

또 데이터프레임을 다양한 형태의 파일로 저장해 보았습니다.

 

## 데이터 확인하기

1. df.head(n)

2. df.tail(n)

3. df.info()

4. df.describe()

5. df.shape

6. df.count()

7. df[col].value_count()

 

# df.head(n) & df.tail(n)

 

head - 첫 n 개의 데이터를 출력

tail - 마지막 n 개의 데이터를 출력

 

 

# df.info()

 

DataFrame의 기본 정보를 확인합니다.

클래스 유형, 행 인덱스 구성, 열 이름 종류 및 개수

각 열의 자료형 및 개수, 메모리 할당량

 

 

# df.describe()

 

DataFrame 기술 통계 정보를 요약합니다.

숫자 데이터를 갖는 열에 대한 개수, 평균, 표준편차, 최대 최소값, 사분위수 값을 출력합니다.

include='all' 옵션을 통해 문자열에 대한 정보도 확인합니다.

top : 최빈값 , freq: 빈도수, unique : 고유값 개수

 

 

 

# df.shape

 

DataFrame의 형상을 확인합니다.

행 개수, 열 개수를 쌍으로 반환합니다.

 

 

# df.count()

 

DataFrame 각 열의 데이터 개수를 시리즈 객체로 반환합니다.

Info 명령어와 달리 시리즈 객체로 반환해 다시 사용할 수 있습니다.

NaN 값은 제외한 개수만 반환합니다.

 

 

# df.value_count()

 

시리즈 객체의 고유값(unique value)의 개수를 확인합니다.

DataFrame 객체의 각 열은 시리즈 객체입니다.

따라서 다음과 같이 사용할 수 있습니다.

 

Job 열의 각 고유값의 개수 입니다.

 

※ 위 그림을 그래프로 나타내기

 

 

데이터 결과를 사용해 간단하게 시각화 작업을 진행해 보았습니다.

 

읽어주셔서 감사합니다.