[Pandas] Series (CRUD)

Create
- 1-1) List to Series
- 1-2) Dict to Series
Read & Update
- 2-1) Index와 Values
- 2-2) 원소 선택 및 수정
Delete

본 포스팅은 Pandas의 Series에 관하여 정리하였습니다.

pandas의 Series객체는 다음과 같은 특징을 가진다.

데이터가 순차적으로 나열된 1차원 배열의 형태이다.
index와 데이터 value가 일대일로 대응된다.
index는 데이터 value의 위치를 나타내는 주소역할을 한다.

Series 객체를 CRUD(Create, Read, Update, Delete)순서로 알아보자.

Create

Series객체는 딕셔너리혹은 리스트 객체를 다음의 함수 인자에 전달하여 생성할 수 있다.

# Series의 대소문자에 유의하자!
pandas.Series( [딕셔너리 or 리스트], index = [인덱스 라벨 리스트])  

1-1) Create : List to Series

다음과 같이 리스트 객체를 Series의 함수 인자에 기입하여 생성할 수 있다. 출력된 결과에서 좌측의 경우 현재 별도의 index값을 전달하지 않았기 때문에 인덱스에 정수형 위치 인덱스(integer position)가 자동으로 지정된 것을 확인할 수 있으며 우측의 경우 각 인덱스에 대응되는 값이다. 정수형 위치 인덱스의 경우 0부터 자동 생성된다.

이때, 데이터 값의 자료형(dtype)은 정수형(int64)인 것을 확인할 수 있다.

더불어, type()함수로 list_to_sr에 저장된 객체의 자료형을 확인해 보면 Series 클래스인 것을 확인할 수 있다.

list_to_sr = pd.Series([1, 2, 3])
print(list_to_sr)
print(type(list_to_sr))

0    1
1    2
2    3
dtype: int64
<class 'pandas.core.series.Series'>

위와 달리 별도의 index리스트를 함수 내부에서 지정할 경우 다음과 같이 정수형 위치 인덱스가 아닌 인덱스 라벨(index label)이 지정된 것을 확인할 수 있다.

list_to_sr = pd.Series([1, 2, 3], index = ['A', 'B', 'C'])
print(list_to_sr)
print(type(list_to_sr))

A    1
B    2
C    3
dtype: int64
<class 'pandas.core.series.Series'>

1-2) Create : Dict to Series

pandas의 series 함수에는 시리즈 객체와 비슷하게 key와 value를 사용하는 dict객체도 기입하여 생성할 수 있다.

dict_to_sr = pd.Series({'A':1, 'B':2, 'C':3})
print(dict_to_sr)
print(type(dict_to_sr))

A    1
B    2
C    3
dtype: int64
<class 'pandas.core.series.Series'>

Read & Update

2-1) Index와 Values

Series객체는 다음의 속성들을 통해서 인덱스배열과 데이터 값 배열만을 따로 선택할 수 있다.

index : 인덱스 배열 선택
- Series객체의 인덱스가 정수형 위치 인덱스의 경우,
  인덱스 범위인 RangeIndex 객체를 반환한다.
- 인덱스 라벨이 지정되어 있을 경우, 시리즈의 인덱스 배열을 반환한다.
values : 데이터값 배열 선택
*name : 시리즈에 이름을 지정한다.

이를 이용하여, 위에서 생성된 dict_to_sr과 list_to_sr의 인덱스와 값에 접근할 경우 다음과 같다.

# 리스트
list_sr_index = list_to_sr.index
list_sr_value = list_to_sr.values
print('< 리스트 to 시리즈 >')
print(f'index : {list_sr_index}', '\n', 
      f'type(index) : {type(list_sr_index)}', '\n',
      f'value : {list_sr_value }', '\n',
      f'type(value) : {type(list_sr_value)}')

print() # 개행

# 딕셔너리
dict_sr_index = dict_to_sr.index
dict_sr_value = dict_to_sr.values
print('< 딕셔너리 to 시리즈 >')
print(f'index : {dict_sr_index }', '\n', 
      f'type(index) : {type(dict_sr_index)}', '\n',
      f'value : {dict_sr_value }', '\n',
      f'type(value) : {type(dict_sr_value)}')

< 리스트 to 시리즈 >
index : RangeIndex(start=0, stop=3, step=1) 
type(index) : <class 'pandas.core.indexes.range.RangeIndex'> 
value : [1 2 3] 
type(value) : <class 'numpy.ndarray'>

< 딕셔너리 to 시리즈 >
index : Index(['A', 'B', 'C'], dtype='object') 
type(index) : <class 'pandas.core.indexes.base.Index'> 
value : [1 2 3] 
type(value) : <class 'numpy.ndarray'>

더불어, index속성을 이용해서 인덱스 라벨을 변경하거나 추가할 수 있다. 하지만, 시리즈 value의 경우 values속성으로 수정이 불가능하며, 만약 시도할 경우 AttributeError를 반환한다.

exam_sr = pd.Series({'A':1, 'B':2, 'C':3})
print(f'기본 : {exam_sr.index}')

exam_sr.index = ['가', '나', '다']
print(f'\n인덱스 변경 : {exam_sr.index}')

# AttributeError발생
try:
    exam_sr.values = [100, 200, 300]
    print(f'\n데이터 값 변경 : {exam_sr.values}')
except AttributeError as e:
		print('\n','AttributeError :', e)

기본 : Index(['A', 'B', 'C'], dtype='object')

인덱스 변경 : Index(['가', '나', '다'], dtype='object')

AttributeError : can't set attribute

2-2) 원소 선택 및 수정

원소의 주소를 의미하는 인덱스를 이용하여 시리즈의 원소를 하나만 선택하거나 여러 원소를 한꺼번에 선택할 수 있다.

정수형 위치 인덱스로 지정된 시리즈의 경우 대괄호[]안에 위치를 나타내는 숫자를 입력한다.
인덱스 라벨이 지정된 시리즈의 경우 대괄호[]안에 숫자를 입력하거나 이름과 함께 따옴표를 입력한다.

그리고, 여러 개의 인덱스를 리스트 형태로 대괄호[]안에 입력하면 각 인덱스와 대응되는 데이터를 모두 반환한다. 그리고, 인덱스 범위를 슬라이싱하여 선택할 수도 있다.

정수형 인덱스를 이용할 경우에는 파이썬의 리스트 슬라이싱과 동일하게 [0: n]으로 슬라이싱할 경우 n-1까지만 반환한다. 하지만, 인덱스 라벨을 이용하여 [‘A’:’D’]으로 슬라이싱할 경우 ‘D’까지 반환된다.

exam_sr = pd.Series({'A':1, 'B':2, 'C':3})

# 정수형 위치 인덱스를 이용하여 색인
a0 = exam_sr[0] # 한개의 원소
a1 = exam_sr[[0, 2]] # n개의 원소
a2 = exam_sr[0:2] # 슬라이싱 

print(f'특정 원소 1개 선택 : \n{a0}\n')
print(f'특정 원소 n개 선택 : \n{a1}\n')
print(f'슬라이싱으로 원소 선택 : \n{a2}\n')

특정 원소 1개 선택 : 
1

특정 원소 n개 선택 : 
A    1
B    2
dtype: int64

슬라이싱으로 원소 선택 : 
A    1
B    2
dtype: int64

exam_sr = pd.Series({'A':1, 'B':2, 'C':3})

# 인덱스 라벨을 이용하여 색인
a0 = exam_sr['A'] # 한개의 원소
a1 = exam_sr[['A', 'B']] # n개의 원소
a2 = exam_sr['A':'B'] # 슬라이싱 

print(f'특정 원소 1개 선택 : \n{a0}\n')
print(f'특정 원소 n개 선택 : \n{a1}\n')
print(f'슬라이싱으로 원소 선택 : \n{a2}\n')

특정 원소 1개 선택 : 
1

특정 원소 n개 선택 : 
A    1
B    2
dtype: int64

슬라이싱으로 원소 선택 : 
A    1
B    2
dtype: int64

더불어, 이를 이용하여 values 속성이 할 수 없었던 시리즈의 데이터 값을 수정할 수 있다.

exam_sr = pd.Series({'A':1, 'B':2, 'C':3})
print(f'기본 : {exam_sr.values}')

exam_sr[0] = 100
print(f'한 개의 값만 수정 : {exam_sr.values}')

exam_sr[[0, 1]] = [10, 20]
print(f'n개의 값만 수정 : {exam_sr.values}')

exam_sr[0:3] = [10, 20, 30]
print(f'n개의 값만 수정 : {exam_sr.values}')

기본 : [10 20  3]
한 개의 값만 수정 : [100   2   3]
n개의 값만 수정 : [10 20  3]
슬라이싱을 이용한 수정 : [10 20 30]

Delete

시리즈의 데이터는 다음을 사용하여 제거할 수 있다.

del 명령어
- 인덱스 라벨이 지정된 시리즈일 경우에는 series객체[index 번호]이런 식으로 사용하면 에러가 발생한다
drop 메소드
- inplace = True :기존 객체의 값을 변경할 수 있다.
- inplace = False :새로운 값을 반환한다. (Default)
- 인덱스 라벨이 지정된 시리즈일 경우에는 series객체[index 번호]이런 식으로 사용하면 에러가 발생한다

exam_sr = pd.Series({'A':1, 'B':2, 'C':3})
print(f'< 기본 >\n {exam_sr}\n')

sr1 = exam_sr.copy()
del sr1['A']
print(f'< del 명령어를 이용한 데이터 제거 >\n {sr1}\n')

sr2 = exam_sr.copy()
sr2.drop('B', inplace = True)
print(f'< drop : 단일 데이터 제거 >\n {sr2}\n')

sr3 = exam_sr.copy()
sr3.drop(['A', 'C'], inplace = True)
print(f'< drop : 다중 데이터 제거 >\n {sr3}\n')

< 기본 >
A    1
B    2
C    3
dtype: int64

< del 명령어를 이용한 데이터 제거 >
B    2
C    3
dtype: int64

< drop : 단일 데이터 제거 >
A    1
C    3
dtype: int64

< drop : 다중 데이터 제거 >
B    2
dtype: int64

[Pandas] Series (CRUD)

Contents

Create

1-1) Create : List to Series

1-2) Create : Dict to Series

Read & Update

2-1) Index와 Values

2-2) 원소 선택 및 수정

Delete

Yejin's Velog

Contents

Create

1-1) Create : List to Series

1-2) Create : Dict to Series

Read & Update

2-1) Index와 Values

2-2) 원소 선택 및 수정

Delete

Share this post