[패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 11회차 미션

2020.08.20

[패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 11회차 미션

 

10회차에서 데이터 파일을 불러와서 dataframe 데이터의 컬럼 제목 뽑아내기, 데이터 정보, 통계값 계산 그리고 정렬하는 방법을 배웠다. 오늘은 생소한 개념을 배웠지만, 그렇게 어려운 개념이 아니어서 강사님의 설명을 듣고 바로 실습에 적용할 수 있었다.

강의 캡처

📍범위 안에 있는 데이터를 불러오는 loc &iloc

컬럼 선택하는 방법으로는 3가지로, df['칼럼이름'],df["칼럼이름"], df.칼럼이름이 있다. 하지만, 헷갈리지 않기위해서는 1번, 2번째 방법처럼 대괄호로 묶어주는게 낫다고 하셨다.

 

👉df.loc[행,열] :

콜론을 넣으면, 모든 행 또는 모든 열의 데이터를 가져온다. 예를 들면, 행을 입력하는 부분에, :를 넣으면, df.loc[:, '이름'] 모든 행의 이름을 가지고 오는 것이다. df.[1:6,:]와 같이 열부분에 :를 넣으면, 1행부터 6행까지의 모든 열의 데이터를 다 가지고 오는 것이다.

 

복수의 column에 담긴 데이터를 가지고 오고 싶다면?

가지고 오고 싶은 column을 추가해서 입력하면 된다. 예를 들면, 모든 데이터의 이름과 생년월일 데이터를 뽑아내고 싶다면, df.loc[:,[이름, 생년월일]]! 

 

참 쉽쥬?

 

👉df.iloc[행 인덱스번호, 열 인덱스번호]

loc 앞에 i가 붙은 iloc는 index로, 컬럼 번호를 쓰기 싫을때! 인덱스 번호 기준으로 데이터를 가지고 올수 있다.

 

하지만, loc와 iloc와 살짝 다른 점이 있는데..

 

❓df.loc VS df.iloc

df. loc는 :를 기준으로 이상과 이하로 인식된다. 예를 들면, (3:8,:)이라고 하면, 3번부터 8번행까지 모든 열의 데이터를 가져와!

이와 달리 df.iloc는 numpy의 기준이기 때문에 : 콜론을 기준으로, loc처럼 '이상,이하'가 아닌 '이상,미만'임을 명심해야한다. 똑같은 예로 (3:8,:)이라면, 3번부터 8번 미만이니까 3번부터 7번까지의 모든 열의 데이터를 가져오게 된다!

실습 캡처

스스로 [1:3,행]을 복습해봤는데, loc의 경우 1행부터 3행의 데이터를 출력했으나 iloc의 경우 1행부터 3행미만 즉, 2행까지의 데이터를 출력했다.

 

📁조건에 충족하는 데이터 뽑아내기

조건에 충족하는 데이터는 뽑아내는 방법으로는 Boolean indexing와 loc을 이용할 수 있다.

Boolean indexing은 Numpy에서 배웠던 Boolean 인덱싱과 같은 원리로,

step1 조건입력 df['키'] >180

step2 df[ df['키'] > 180]으로 뽑아낼 수 있다.

만약, 특정한 열만 뽑아내고 싶다면 뒤에 대괄호를 하고 붙이면 된다. ['이름']

loc를 하는 방법으로는,

df.loc[조건 입력, 뽑고 싶은 열 입력( 두개이상인 경우 대괄호로 묶어줄것!)]

예를 들면, 키가 180이상인 사람의 이름, 그룹, 키의 데이터만 추출하고 싶다면?

df.loc[df['키']>180,['이름', '그룹','키']

강사님께서도 두번째 방법인 loc를 선호하신다고 하셨는데, 두번째 방법이 간단해서 나도 이 방법이 더 손에 간다.

 

💡오늘 배운 내용 복습

1. df.loc &df.iloc 개념 비교하기
2. 조건에 맞는 데이터 추출하기

진도를 더 나가고 싶었는데, 개념을 정리하고 넘어가야할 부분이 많아서 오늘은 2강만 듣고 복습까지 완료했다. 02. 파트1 07 & 08 수강완료!✊

 

https://bit.ly/3imy2uN

직장인을 위한 파이썬 데이터분석 올인원 패키지 Online. | 패스트캠퍼스