[TIL] 내일배움캠프 AI 9기 - 7회

🐶 학습 범위

• 강좌: 인공지능을 위한 파이썬 라이브러리 (3주차 ~ 4주차)
  • Pandas 데이터 불러오기, 조회하기, 저장하기 등..
  • 필터링, 연산자, 변환, 카테고리
  • 데이터 정렬, 병합

 

🐶 공부내용

✨ Index

🚩 요약
 - index 조회, 설정
    
🚩 내용
1. Index
 - DataFrame이나 Series 객체에서 각 행을 유일하게 식별하는 레이블
 - DataFrame이나 Series를 생성할 때 인덱스를 명시적으로 지정하지 않으면, 
   Pandas는 자동으로 0부터 시작하는 정수 인덱스를 생성
 - 기본적으로, 인덱스는 0부터 시작하는 정수 값이지만, 
   문자열, 날짜, 혹은 다른 파이썬 객체로도 설정 가능
 ✔️ 주요기능
  1) 식별 기능: 각 행이나 데이터 포인트를 식별하는 고유한 값으로 사용
  2) 정렬 기능: 데이터가 인덱스에 따라 정렬
  3) 조회 기능: 인덱스를 통해 데이터의 특정 부분을 빠르게 조회
  4) 중복 허용: 인덱스는 중복될 수 있으며, 중복 인덱스는 고급 데이터 조작에서 사용

🚩 사용법
    # pandas import
    import pandas as pd
    
    # dataFrame 생성
    url = 'https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv'
    df = pd.read_csv(url)
    df.head(3) # 앞에서 3행 보기 <> tail(3) 뒤에서 3행 보기
    
    ✔️ 1. 인덱스 조회 :: index
    df.index # RangeIndex(start=0, stop=891, step=1)
    # Pandas는 자동으로 0부터 시작하는 정수 인덱스를 생성
    
    ✔️ 2. 인덱스 설정 :: set_index()
    # 1) 컬럼명만 설정 => 원본 데이터프레임은 변경되지 않음
    df.set_index('Age')
    
    # 2) inplace 옵션 적용 (False: 새로운 객체 반환(Default), True: 직접 수정)
    df.set_index('Age', inplace=True)
    
    # 3) drop 옵션 적용 
    # 인덱스로 설정된 컬럼을 데이터프레임에서 (삭제/유지)
    # 데이터의 구조를 조정할 때 유용
    df.set_index('Age', inplace=True, drop=False) # 컬럼 유지
    df.set_index('Age', inplace=True, drop=True)  # 컬럼 삭제 (Default)
    
    ✔️ 3. 인덱스 초기화 :: reset_index()
    df.reset_index(inplace=True)
    
    ✔️ 4. 인덱스 이름 설정 :: rename()
    df.index.rename("NewAge", inplace=True)
    
    ✔️ 5. 인덱스 중복 확인 :: is_unique
    df.index.is_unique
    
    ✔️ 6. 인덱스 데이터 선택 :: loc[], iloc[] > 슬라이싱 가능
    # 1) loc() :: 레이블 기반 선택
    df.loc[22, 'Name'] # 22 라는 값(행)을 가진 Name값(열)을 가져오기
    
    2) iloc() :: 위치 기반 선택
    df.iloc[22:26, 0:4] # 22~26번째 값(행)을 가진 4번째 까지의 컬럼값(열)을 가져오기
    
    ✔️ 7. 인덱스 정렬 :: sort_index()
    df.sort_index(ascending=True, inplace=True)

 

✨ loc & iloc

✔️ loc[] :: 레이블 기반 선택
 1) 인덱스의 이름(레이블)을 사용하여 데이터를 선택
 2) 인덱스 값이 명시적인 레이블일 때 유용

🚩 예시
 1. 단일 레이블
     - df.loc['index_label']   →   'index_label'에 해당하는 행을 반환
 2. 레이블 리스트
     - df.loc[['label1', 'label2']]   →   'label1'과 'label2'에 해당하는 여러 행을 반환
 3. 레이블 슬라이스
     - df.loc['label1':'label2']   →   'label1'에서 'label2'까지의 행을 반환
     - 이 때 'label2'도 결과에 포함
     ❗인덱스의 값이 유니크하지 않은 경우 오류 발생
 4. 부울 배열
     - df.loc[df['column'] > 10]   →   'column'의 값이 10보다 큰 모든 행을 선택

✔️ iloc[] :: 위치 기반 선택
 1) 정수 인덱스를 사용하여 데이터를 선택
 2) 위치를 기반으로 데이터에 접근할 때 유용

🚩 예시
 1. 단일 위치
     - df.iloc[4]   →   위치상 5번째 행을 반환 (인덱싱은 0부터 시작)
 2. 위치 리스트
     - df.iloc[[0, 2, 5]]   →   1번, 3번, 6번째 행을 반환
 3. 위치 슬라이스
     - df.iloc[2:5]   →   3번째에서 5번째 행을 반환 (5번째는 포함하지 않음)
 4. 부울 배열
     - df.iloc[[True, False, True]]   →   True에 해당하는 위치의 행을 반환
     - df.iloc[2:5, 0:2]   →   3번째에서 5번째 행의 첫 두 컬럼을 선택

 

 

🐶 느낀점

1. 내일은 강좌도 다 듣고 과제도 다하자..
2. 강좌 듣는 속도는 느려도 실습하고 공부하면서 가는게 더 낫다는 생각이 든다.
3. 12시간 꽤나 눈알이랑 머리 아프다.. (앞으로 3월 까지 계속 이럴듯하다.)