머신러닝with파이썬3강(1)_데이터불러오기,만들기,삭제하기

데이터 불러오기/만들기

---

지난 시간에 만든 데이터 파일을 가지고 있으면 df = pd.read_csv('new_modudak.csv')
으로 불러와 주세요.

없다면 하단의 코드의 실행 버튼을 눌러 파일을 생성해 주시면 됩니다.

이번 시간 정리

---

1.기존의 인덱스명을 살릴때
index_col='Unnamed: 0'

데이터 불러오기/만들기 (new_modudak.csv)

---

• 데이터 불러오기
• df = pd.read_csv('new_modudak.csv')

 

 

 

 

 

 

 

 

# '노드2. 데이터 핸들링1'에서 마지막에 만든 new_modudak.csv 다시 만들기

import pandas as pd

import numpy as np

df = pd.DataFrame({

    'Unnamed: 0': [0,1,2,3,4,5,6,'new',10],

    '메뉴': ['황금후라이드','승일양념치킨','간장치킨','마늘치킨','파닭','닭강정','양념반후라이드반','[인기]아이펠치킨','[베스트]풀잎치킨'],

    '가격': [12000,13000,14000,14000,14000,15000,13000,16000,9900],

    '호수' : ['10호','10호','9호','9호','11호','12호','10호','11호','10호'],

    '칼로리' : [1000.0,1400.0,1600.0,1800.0,1300.0,1500.0,1300.0,1200.0,np.nan],

    '할인율' : [0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.5,np.nan],

    '할인가' : [9600.0,10400.0,11200.0,11200.0,11200.0,12000.0,10400.0,8000.0,np.nan],

    '원산지' : ['국내산',np.nan,np.nan,np.nan,'브라질','브라질',np.nan,'국내산',np.nan]

})

df.to_csv('new_modudak.csv', index=False)

df

 

 

 

 

 

실행 완료

[1]:

Unnamed: 0메뉴가격호수칼로리할인율할인가원산지012345678

0	황금후라이드	12000	10호	1000.0	0.2	9600.0	국내산
1	승일양념치킨	13000	10호	1400.0	0.2	10400.0	NaN
2	간장치킨	14000	9호	1600.0	0.2	11200.0	NaN
3	마늘치킨	14000	9호	1800.0	0.2	11200.0	NaN
4	파닭	14000	11호	1300.0	0.2	11200.0	브라질
5	닭강정	15000	12호	1500.0	0.2	12000.0	브라질
6	양념반후라이드반	13000	10호	1300.0	0.2	10400.0	NaN
new	[인기]아이펠치킨	16000	11호	1200.0	0.5	8000.0	국내산
10	[베스트]풀잎치킨	9900	10호	NaN	NaN	NaN	NaN

 

 

# 데이터 불러오기 (index_col 파라미터로 인덱스 column 지정)

pd.read_csv('new_modudak.csv', index_col='Unnamed: 0')

 

 

 

 

 

실행 완료

[2]:

메뉴가격호수칼로리할인율할인가원산지Unnamed: 00123456new10

황금후라이드	12000	10호	1000.0	0.2	9600.0	국내산
승일양념치킨	13000	10호	1400.0	0.2	10400.0	NaN
간장치킨	14000	9호	1600.0	0.2	11200.0	NaN
마늘치킨	14000	9호	1800.0	0.2	11200.0	NaN
파닭	14000	11호	1300.0	0.2	11200.0	브라질
닭강정	15000	12호	1500.0	0.2	12000.0	브라질
양념반후라이드반	13000	10호	1300.0	0.2	10400.0	NaN
[인기]아이펠치킨	16000	11호	1200.0	0.5	8000.0	국내산
[베스트]풀잎치킨	9900	10호	NaN	NaN	NaN	NaN

 

데이터 삭제

---

이번 시간에는 데이터를 삭제해 보도록 하겠습니다.

이번 시간 정리

---

1. 데이터 프레임의 사본 만들기
변수 = df.copy()

2. 데이터 삭제 방향
axis=1:열방향(컬럼)
axis=0:행방향

3. 데이터 열 삭제

• data = data.drop('Unnamed: 0', axis=1)
• data = data.drop(columns=['Unnamed: 0'])

4. 데이터 행 삭제

• data = data.drop(인덱스명, axis=0)
• data.drop(인덱스명, axis=0, inplace=True)

더 알아보기

---

※in-place(제자리 연산)
Inplace는 아직 가동은 하지 않고 제자리에서 준비만 하는 것을 의미하는데
이것을 가동시키기 위해서는 inplace=True로 바꿔 주면 됩니다.
inplace=False : 저장 안 함.   inplace=True : 저장함.
(Inplace는 열 삭제(axis=1)일 때도 사용 가능합니다.)

※TIP
실수로 drop셀을 2번 실행하면 이미 삭제된것을 다시 삭제할 수 없어 오류가 날 수 있습니다.
LMS가 아닌 Jupyter Notebook으로 학습을 진행하실 경우 위 같은 오류시
Jupyter Notebook의 상단에서 cell 클릭>Run All Above(현재 셀의 위까지 모두 실행)을 클릭하여 실행하면 정상적인 결과를 얻을 수 있습니다.

---

아래의 코드 실행 버튼을 눌러 실습을 진행해 보세요!

컬럼 삭제

 

# [Tip] 데이터프레임 복사

data = df.copy()

data

 

 

 

 

 

코드 실행

 

 

 

# 데이터 삭제 (컬럼(열): Unnamed: 0') drop(axis=1)

# axis=1:열방향(컬럼) / axis=0:행방향

data = data.drop('Unnamed: 0', axis=1)

data

 

 

 

 

 

코드 실행

 

 

 

# 데이터 삭제 (컬럼: Unnamed: 0') drop(columns=[])

data = df.copy()

data = data.drop(columns=['Unnamed: 0'])

data

 

 

 

 

 

코드 실행

 

 

 

# 데이터 복사(data -> df)

df = data.copy()

df

 

 

 

 

 

코드 실행

행 삭제

 

 

 

# 행 삭제 (파닭)

data = data.drop(4,axis=0)

data

 

 

 

 

 

코드 실행

 

 

 

# 행 삭제 (양념반후라이드반) inplace=True

data.drop(6,axis=0, inplace=True)

data

 

 

 

 

 

코드 실행

 

 

 

# 행 삭제 (조건: 가격 >= 14000)

cond = data['가격'] >= 14000

data[cond].index

 

 

 

 

 

코드 실행

 

 

 

# 행 삭제 (해당 인덱스 명)

data.drop(data[cond].index, axis=0, inplace=True)

data

 

 

 

 

 

코드 실행

 

 

데이터 삭제

---

이번 시간에는 데이터를 삭제해 보도록 하겠습니다.

이번 시간 정리

---

1. 데이터 프레임의 사본 만들기
변수 = df.copy()

2. 데이터 삭제 방향
axis=1:열방향(컬럼)
axis=0:행방향

3. 데이터 열 삭제

• data = data.drop('Unnamed: 0', axis=1)
• data = data.drop(columns=['Unnamed: 0'])

4. 데이터 행 삭제

• data = data.drop(인덱스명, axis=0)
• data.drop(인덱스명, axis=0, inplace=True)

더 알아보기

---

※in-place(제자리 연산)
Inplace는 아직 가동은 하지 않고 제자리에서 준비만 하는 것을 의미하는데
이것을 가동시키기 위해서는 inplace=True로 바꿔 주면 됩니다.
inplace=False : 저장 안 함.   inplace=True : 저장함.
(Inplace는 열 삭제(axis=1)일 때도 사용 가능합니다.)

※TIP
실수로 drop셀을 2번 실행하면 이미 삭제된것을 다시 삭제할 수 없어 오류가 날 수 있습니다.
LMS가 아닌 Jupyter Notebook으로 학습을 진행하실 경우 위 같은 오류시
Jupyter Notebook의 상단에서 cell 클릭>Run All Above(현재 셀의 위까지 모두 실행)을 클릭하여 실행하면 정상적인 결과를 얻을 수 있습니다.

---

아래의 코드 실행 버튼을 눌러 실습을 진행해 보세요!

컬럼 삭제

 

 

 

# [Tip] 데이터프레임 복사

data = df.copy()

data

 

 

 

 

 

코드 실행

 

 

 

# 데이터 삭제 (컬럼(열): Unnamed: 0') drop(axis=1)

# axis=1:열방향(컬럼) / axis=0:행방향

data = data.drop('Unnamed: 0', axis=1)

data

 

 

 

 

 

코드 실행

 

 

 

# 데이터 삭제 (컬럼: Unnamed: 0') drop(columns=[])

data = df.copy()

data = data.drop(columns=['Unnamed: 0'])

data

 

 

 

 

 

코드 실행

 

 

 

# 데이터 복사(data -> df)

df = data.copy()

df

 

 

 

 

 

코드 실행

행 삭제

 

 

 

# 행 삭제 (파닭)

data = data.drop(4,axis=0)

data

 

 

 

 

 

코드 실행

 

 

 

# 행 삭제 (양념반후라이드반) inplace=True

data.drop(6,axis=0, inplace=True)

data

 

 

 

 

 

코드 실행

 

 

 

# 행 삭제 (조건: 가격 >= 14000)

cond = data['가격'] >= 14000

data[cond].index

 

 

 

 

 

코드 실행

 

 

 

# 행 삭제 (해당 인덱스 명)

data.drop(data[cond].index, axis=0, inplace=True)

data