[파이썬] Pandas 불러온 데이터 살펴보기: head(), shape(), info(), describe(), value_counts(), unique()

판다스에는 데이터 분석에 유용한 여러 가지 함수(메소드)와 속성이 미리 정의되어 있습니다. 이번 시간에는 불러온 데이터를 살펴보는 기능들에 대해서 알아보겠습니다.

 

데이터 불러오기

In [1]:

# 판다스 라이브러리 임포트
import pandas as pd
# plotly express에 내장되어있는 gapminder 데이터프레임을 사용하겠습니다.
import plotly.express as px
# plotly가 설치되어있지 않다면 아래 명령으로 설치할 수 있습니다.
# !pip install plotly

 

In [2]:

df = px.data.gapminder()

 

 

컬럼명 확인하기

.columns 속성을 이용하면 해당 데이터프레임을 구성하는 컬럼명을 확인할 수 있습니다. 이 기능은 컬럼명을 변경할 때도 유용하게 사용되니 기억해주세요.

 

In [3]:

# .columns 속성을 이용하여 데이터 df의 컬럼명을 모두 출력합니다.
df.columns

 

Out[3]:

Index(['country', 'continent', 'year', 'lifeExp', 'pop', 'gdpPercap',
       'iso_alpha', 'iso_num'],
      dtype='object')

 

 

상위 N행 살펴보기

.head() 함수는 불러온 데이터의 상위 5개의 행을 출력합니다. 비슷하게 .tail()의 경우 하위 5개의 행을 출력합니다. 괄호 () 안에 원하는 숫자를 넣으면 그 숫자만큼 행을 출력합니다.

 

In [4]:

# .head() 함수를 이용하여 상위 5행을 출력합니다.
df.head()

 

Out[4]:

 

	country	continent	year	lifeExp	pop	gdpPercap	iso_alpha	iso_num
0	Afghanistan	Asia	1952	28.801	8425333	779.445314	AFG	4
1	Afghanistan	Asia	1957	30.332	9240934	820.853030	AFG	4
2	Afghanistan	Asia	1962	31.997	10267083	853.100710	AFG	4
3	Afghanistan	Asia	1967	34.020	11537966	836.197138	AFG	4
4	Afghanistan	Asia	1972	36.088	13079460	739.981106	AFG	4

 

(행, 열) 크기를 확인하기

.shape 속성을 이용하면 데이터의 (행, 열) 크기를 확인할 수 있습니다.

 

In [5]:

# .shape 속성을 이용하여 데이터 df의 (행, 열) 크기를 출력합니다.
df.shape

 

Out[5]:

(1704, 8)

 

정보 확인하기

.info() 함수는 데이터에 대한 전반적인 정보를 나타냅니다. df를 구성하는 행과 열의 크기, 컬럼명, 컬럼을 구성하는 값의 자료형 등을 출력해줍니다.

 

In [6]:

# .info() 함수를 이용하여 데이터 df의 정보를 출력합니다.
df.info()

 

Out[6]:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1704 entries, 0 to 1703
Data columns (total 8 columns):
country      1704 non-null object
continent    1704 non-null object
year         1704 non-null int64
lifeExp      1704 non-null float64
pop          1704 non-null int64
gdpPercap    1704 non-null float64
iso_alpha    1704 non-null object
iso_num      1704 non-null int64
dtypes: float64(2), int64(3), object(3)
memory usage: 106.6+ KB

 

요약 통계량 확인하기

.describe() 함수는 데이터의 컬럼별 요약 통계량을 나타냅니다. 또한 mean(), max(), median()등 개별 함수를 사용하여 통계량을 계산할 수도 있습니다.

 

In [7]:

# .describe() 함수를 이용하여 요약 통게량을 출력합니다.
df.describe()

 

Out[7]:

 

	year	lifeExp	pop	gdpPercap	iso_num
count	1704.00000	1704.000000	1.704000e+03	1704.000000	1704.000000
mean	1979.50000	59.474439	2.960121e+07	7215.327081	425.880282
std	17.26533	12.917107	1.061579e+08	9857.454543	248.305709
min	1952.00000	23.599000	6.001100e+04	241.165877	4.000000
25%	1965.75000	48.198000	2.793664e+06	1202.060309	208.000000
50%	1979.50000	60.712500	7.023596e+06	3531.846989	410.000000
75%	1993.25000	70.845500	1.958522e+07	9325.462346	638.000000
max	2007.00000	82.603000	1.318683e+09	113523.132900	894.000000

 

In [8]:

# .median() 함수를 이용하여 gdpPercap 컬럼의 중앙값(median)을 출력합니다
df['gdpPercap'].median()

 

Out[8]:

3531.8469885000004

 

시리즈 내에 각각의 값 세기

.value_counts() 함수를 이용하면 개별 컬럼 내에 각각의 값이 나온 횟수를 셀 수 있습니다.

 

In [9]:

# .value_counts()를 사용하면 
# year 컬럼 내에 존재하는 각각의 값의 개수를 알 수 있습니다.
df['year'].value_counts()

 

Out[9]:

2007    142
2002    142
1997    142
1992    142
1987    142
1982    142
1977    142
1972    142
1967    142
1962    142
1957    142
1952    142
Name: year, dtype: int64

 

normalize 옵션을 사용하면 % 로도 표현이 가능합니다.

 

In [10]:

df['year'].value_counts(normalize=True)

 

Out[10]:

2007    0.083333
2002    0.083333
1997    0.083333
1992    0.083333
1987    0.083333
1982    0.083333
1977    0.083333
1972    0.083333
1967    0.083333
1962    0.083333
1957    0.083333
1952    0.083333
Name: year, dtype: float64

 

시리즈 내에 유일한 값 확인하기

.unique() 함수를 이용하면 개별 컬럼 내에 유일한 값을 확인할 수 있습니다.

 

In [11]:

# .unique()를 사용하면 
# year 컬럼 내에 존재하는 각각의 값의 종류를 알 수 있습니다.
df['year'].unique()

 

Out[11]:

array([1952, 1957, 1962, 1967, 1972, 1977, 1982, 1987, 1992, 1997, 2002,
       2007], dtype=int64)

 

 

-이 글은 아나콘다(Anaconda3)가 설치된 환경을 기준으로 작성되었습니다.