가장 앞의 n행 보기
- 데이터프레임.head(n)
- 시리즈.head(n)
- n을 생략하면 5개의 행을 출력한다
df.head(3)
"""
name kor eng math
0 Aiden 100.0 90.0 95.0
1 Charles 90.0 80.0 75.0
2 Danial 95.0 100.0 100.0
가장 뒤의 n행 보기
- 데이터프레임.tail(n)
- n을 생략하면 5개의 행을 출력한다
df.tail()
"""
name kor eng math
25 Vanessa 95.0 70.0 95.0
26 Viviana 100.0 80.0 100.0
27 Vikkie NaN 50.0 100.0
28 Winnie 70.0 100.0 70.0
29 Zuly 80.0 90.0 95.0
랜덤 n개 데이터 보기
- 데이터프레임.sample(n)
- n을 생략하면 1개의 샘플을 출력한다.
df.sample()
"""
name kor eng math
13 Amy 90.0 75.0 90.0
랜덤 샘플 비율로 보기
- 데이터프레임.sample(frac=0.2)
- 지정한 비율의 샘플을 출력한다
df.sample(frac=0.2)
"""
name kor eng math
19 Kate 50.0 NaN 50.0
12 Peter 100.0 95.0 100.0
15 Danna 100.0 100.0 100.0
23 Sofia 100.0 100.0 100.0
6 James 70.0 75.0 65.0
11 Oliver 70.0 75.0 65.0
높은 순/낮은순 보기
높은순 보기
- 데이터프레임.nlargest(갯수,컬럼명)
- 컬럼의 데이터가 숫자형일 때 사용할 수 있다.
# eng 높은 순으로 5개 보기
df.nlargest(5,'eng')
"""
name kor eng math
2 Danial 95.0 100.0 100.0
3 Evan 100.0 100.0 100.0
5 Ian 90.0 100.0 90.0
9 Kevin 100.0 100.0 90.0
14 Chloe 95.0 100.0 95.0
낮은순 보기
- 데이터프레임.nsmallest(갯수,컬럼명)
- 컬럼의 데이터가 숫자형일 때 사용할 수 있다.
# eng 낮은 순으로 5개 보기
df.nsmallest(5,'eng')
"""
name kor eng math
4 Henry NaN 35.0 60.0
27 Vikkie NaN 50.0 100.0
18 Jennifer 80.0 55.0 80.0
8 Justin 50.0 60.0 100.0
16 Ellen NaN 60.0 NaN
df.shape
"""
(30, 4)
데이터의 갯수 보기
len(df)
"""
30
컬럼명 보기
- 데이터프레임.columns
- 데이터프레임의 열 이름을 확인한다.
df.columns
"""
Index(['name', 'kor', 'eng', 'math'], dtype='object')
인덱스 보기
- 데이터프레임.index
- 데이터프레임의 인덱스를 확인한다.
df.index
"""
RangeIndex(start=0, stop=30, step=1)
"""
df
"""
name kor eng math
0 Aiden 100.0 90.0 95.0
1 Charles 90.0 80.0 75.0
2 Danial 95.0 100.0 100.0
3 Evan 100.0 100.0 100.0
4 Henry NaN 35.0 60.0
5 Ian 90.0 100.0 90.0
6 James 70.0 75.0 65.0
7 Julian 80.0 90.0 55.0
8 Justin 50.0 60.0 100.0
9 Kevin 100.0 100.0 90.0
10 Leo 90.0 95.0 70.0
11 Oliver 70.0 75.0 65.0
12 Peter 100.0 95.0 100.0
13 Amy 90.0 75.0 90.0
14 Chloe 95.0 100.0 95.0
15 Danna 100.0 100.0 100.0
16 Ellen NaN 60.0 NaN
17 Emma 70.0 65.0 70.0
18 Jennifer 80.0 55.0 80.0
19 Kate 50.0 NaN 50.0
20 Linda 100.0 90.0 100.0
21 Olivia 90.0 70.0 90.0
22 Rose 70.0 65.0 70.0
23 Sofia 100.0 100.0 100.0
24 Tiffany 90.0 NaN 90.0
25 Vanessa 95.0 70.0 95.0
26 Viviana 100.0 80.0 100.0
27 Vikkie NaN 50.0 100.0
28 Winnie 70.0 100.0 70.0
29 Zuly 80.0 90.0 95.0
데이터의 자료형 보기
- 데이터프레임.dtypes
- 데이터프레임을 구성하는 값의 자료형을 확인한다.
- 판다스에서는 문자열의 데이터타입이 object이다.
df.dtypes
"""
name object
kor float64
eng float64
math float64
dtype: object
데이터프레임 정보 보기
- 데이터프레임.info()
- 데이터프레임의 총 샘플 갯수, 컬럼 수, 컬럼 별 정보 등을 확인한다.
df.info()
"""
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 30 entries, 0 to 29
Data columns (total 4 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 name 30 non-null object
1 kor 27 non-null float64
2 eng 28 non-null float64
3 math 29 non-null float64
dtypes: float64(3), object(1)
memory usage: 1.1+ KB
컬럼의 유니크한 데이터 뽑기
df['kor'].unique()
"""
array([100., 90., 95., nan, 70., 80., 50.])
컬럼의 유니크한 값의 갯수 보기
df['kor'].value_counts()
"""
100.0 8
90.0 6
70.0 5
80.0 3
95.0 3
50.0 2
Name: kor, dtype: int64
요약통계 보기
df.describe()
"""
kor eng math
count 27.000000 28.000000 29.000000
mean 85.740741 80.892857 84.827586
std 15.045042 18.361270 15.950972
min 50.000000 35.000000 50.000000
25% 75.000000 68.750000 70.000000
50% 90.000000 85.000000 90.000000
75% 100.000000 100.000000 100.000000
max 100.000000 100.000000 100.000000
df['kor'].mean()
"""
85.74074074074075