자료형 변환
이번 시간에는 자료형을 변환하는 방법을 설명해 드리도록 하겠습니다.
이번 시간 정리
1. type확인
- df.info()
2. object(문자열)을 int64(정수) 으로 변경하기
- df['컬럼명'] = df['컬럼명'].str.replace('변경전 문자열' , '')
- replace는 문자열을 변경하는 함수이나 문자열에 변경할 문자열을 입력하지 않을 경우 문자열을 삭제한다.
- df['컬럼명'] = df['컬럼명'].astype(int)
[리마인드]replace
- 문자열을 변경하는 함수이다.
- df = df.replace('변경전 메뉴명', '변경후 메뉴명')
더 알아보기
※ 판다스와 파이썬의 자료형(type) 비교
- 판다스
-object(문자열) : 예) '호수'
-int64(정수) : 예) 10
-float64(실수) : 예) 12.12 - 파이썬
-string(문자열) : 예) '호수'
-int(정수) : 예) 10
-float(실수) : 예) 12.12
이제 아래의 코드 실행 버튼을 눌러 실습을 진행해 보세요!
실행 완료
[34]:
Unnamed: 0메뉴가격호수칼로리할인율할인가원산지752341608
| new | [인기]아이펠치킨 | 16000 | 11 | 1200.0 | 0.5 | 8000.0 | 국내산 |
| 5 | 닭강정 | 15000 | 12 | 1500.0 | 0.2 | 12000.0 | 브라질 |
| 2 | 간장치킨 | 14000 | 9 | 1600.0 | 0.2 | 11200.0 | 국내산 |
| 3 | 마늘치킨 | 14000 | 9 | 1800.0 | 0.2 | 11200.0 | 국내산 |
| 4 | 파닭 | 14000 | 11 | 1300.0 | 0.2 | 11200.0 | 브라질 |
| 1 | 승일양념치킨 | 13000 | 10 | 1400.0 | 0.2 | 10400.0 | 국내산 |
| 6 | 양념반후라이드반 | 13000 | 10 | 1300.0 | 0.2 | 10400.0 | 국내산 |
| 0 | 황금후라이드 | 12000 | 10 | 1000.0 | 0.2 | 9600.0 | 국내산 |
| 10 | [베스트]풀잎치킨 | 9900 | 10 | 1000.0 | NaN | NaN | 국내산 |
실행 완료
<class 'pandas.core.frame.DataFrame'>
Int64Index: 9 entries, 7 to 8
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Unnamed: 0 9 non-null object
1 메뉴 9 non-null object
2 가격 9 non-null int64
3 호수 9 non-null object
4 칼로리 9 non-null float64
5 할인율 8 non-null float64
6 할인가 8 non-null float64
7 원산지 9 non-null object
dtypes: float64(3), int64(1), object(4)
memory usage: 648.0+ bytes
실행 완료
[32]:
Unnamed: 0메뉴가격호수칼로리할인율할인가원산지752341608
| new | [인기]아이펠치킨 | 16000 | 11 | 1200.0 | 0.5 | 8000.0 | 국내산 |
| 5 | 닭강정 | 15000 | 12 | 1500.0 | 0.2 | 12000.0 | 브라질 |
| 2 | 간장치킨 | 14000 | 9 | 1600.0 | 0.2 | 11200.0 | 국내산 |
| 3 | 마늘치킨 | 14000 | 9 | 1800.0 | 0.2 | 11200.0 | 국내산 |
| 4 | 파닭 | 14000 | 11 | 1300.0 | 0.2 | 11200.0 | 브라질 |
| 1 | 승일양념치킨 | 13000 | 10 | 1400.0 | 0.2 | 10400.0 | 국내산 |
| 6 | 양념반후라이드반 | 13000 | 10 | 1300.0 | 0.2 | 10400.0 | 국내산 |
| 0 | 황금후라이드 | 12000 | 10 | 1000.0 | 0.2 | 9600.0 | 국내산 |
| 10 | [베스트]풀잎치킨 | 9900 | 10 | 1000.0 | NaN | NaN | 국내산 |
코드 실행
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
/tmp/ipykernel_13/1355878569.py in <module>
1 # 자료형 변환 / astype / object -> int
----> 2 df['호수'] = df['호수'].astype(int)
3 df['호수']
/opt/conda/lib/python3.9/site-packages/pandas/core/generic.py in astype(self, dtype, copy, errors)
5813 else:
5814 # else, only a single dtype is given
-> 5815 new_data = self._mgr.astype(dtype=dtype, copy=copy, errors=errors)
5816 return self._constructor(new_data).__finalize__(self, method="astype")
5817
/opt/conda/lib/python3.9/site-packages/pandas/core/internals/managers.py in astype(self, dtype, copy, errors)
416
417 def astype(self: T, dtype, copy: bool = False, errors: str = "raise") -> T:
--> 418 return self.apply("astype", dtype=dtype, copy=copy, errors=errors)
419
420 def convert(
/opt/conda/lib/python3.9/site-packages/pandas/core/internals/managers.py in apply(self, f, align_keys, ignore_failures, **kwargs)
325 applied = b.apply(f, **kwargs)
326 else:
--> 327 applied = getattr(b, f)(**kwargs)
328 except (TypeError, NotImplementedError):
329 if not ignore_failures:
/opt/conda/lib/python3.9/site-packages/pandas/core/internals/blocks.py in astype(self, dtype, copy, errors)
590 values = self.values
591
--> 592 new_values = astype_array_safe(values, dtype, copy=copy, errors=errors)
593
594 new_values = maybe_coerce_values(new_values)
/opt/conda/lib/python3.9/site-packages/pandas/core/dtypes/cast.py in astype_array_safe(values, dtype, copy, errors)
1307
1308 try:
-> 1309 new_values = astype_array(values, dtype, copy=copy)
1310 except (ValueError, TypeError):
1311 # e.g. astype_nansafe can fail on object-dtype of strings
/opt/conda/lib/python3.9/site-packages/pandas/core/dtypes/cast.py in astype_array(values, dtype, copy)
1255
1256 else:
-> 1257 values = astype_nansafe(values, dtype, copy=copy)
1258
1259 # in pandas we don't store numpy str dtypes, so convert to object
/opt/conda/lib/python3.9/site-packages/pandas/core/dtypes/cast.py in astype_nansafe(arr, dtype, copy, skipna)
1172 # work around NumPy brokenness, #1987
1173 if np.issubdtype(dtype.type, np.integer):
-> 1174 return lib.astype_intsafe(arr, dtype)
1175
1176 # if we have a datetime/timedelta array of objects
/opt/conda/lib/python3.9/site-packages/pandas/_libs/lib.pyx in pandas._libs.lib.astype_intsafe()
ValueError: invalid literal for int() with base 10: '11호'실행 완료
<class 'pandas.core.frame.DataFrame'>
Int64Index: 9 entries, 7 to 8
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Unnamed: 0 9 non-null object
1 메뉴 9 non-null object
2 가격 9 non-null int64
3 호수 9 non-null object
4 칼로리 9 non-null float64
5 할인율 8 non-null float64
6 할인가 8 non-null float64
7 원산지 9 non-null object
dtypes: float64(3), int64(1), object(4)
memory usage: 648.0+ bytes
코드 실행
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
/opt/conda/lib/python3.9/site-packages/pandas/core/nanops.py in _ensure_numeric(x)
1601 try:
-> 1602 x = float(x)
1603 except (TypeError, ValueError):
ValueError: could not convert string to float: '11호12호9호9호11호10호10호10호10호'
During handling of the above exception, another exception occurred:
ValueError Traceback (most recent call last)
/opt/conda/lib/python3.9/site-packages/pandas/core/nanops.py in _ensure_numeric(x)
1605 try:
-> 1606 x = complex(x)
1607 except ValueError as err:
ValueError: complex() arg is a malformed string
The above exception was the direct cause of the following exception:
TypeError Traceback (most recent call last)
/tmp/ipykernel_13/4120119945.py in <module>
1 # 호수 평균
----> 2 df['호수'].mean()
/opt/conda/lib/python3.9/site-packages/pandas/core/generic.py in mean(self, axis, skipna, level, numeric_only, **kwargs)
10749 )
10750 def mean(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs):
> 10751 return NDFrame.mean(self, axis, skipna, level, numeric_only, **kwargs)
10752
10753 setattr(cls, "mean", mean)
/opt/conda/lib/python3.9/site-packages/pandas/core/generic.py in mean(self, axis, skipna, level, numeric_only, **kwargs)
10367
10368 def mean(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs):
> 10369 return self._stat_function(
10370 "mean", nanops.nanmean, axis, skipna, level, numeric_only, **kwargs
10371 )
/opt/conda/lib/python3.9/site-packages/pandas/core/generic.py in _stat_function(self, name, func, axis, skipna, level, numeric_only, **kwargs)
10352 name, axis=axis, level=level, skipna=skipna, numeric_only=numeric_only
10353 )
> 10354 return self._reduce(
10355 func, name=name, axis=axis, skipna=skipna, numeric_only=numeric_only
10356 )
/opt/conda/lib/python3.9/site-packages/pandas/core/series.py in _reduce(self, op, name, axis, skipna, numeric_only, filter_type, **kwds)
4390 )
4391 with np.errstate(all="ignore"):
-> 4392 return op(delegate, skipna=skipna, **kwds)
4393
4394 def _reindex_indexer(
/opt/conda/lib/python3.9/site-packages/pandas/core/nanops.py in _f(*args, **kwargs)
91 try:
92 with np.errstate(invalid="ignore"):
---> 93 return f(*args, **kwargs)
94 except ValueError as e:
95 # we want to transform an object array
/opt/conda/lib/python3.9/site-packages/pandas/core/nanops.py in f(values, axis, skipna, **kwds)
153 result = alt(values, axis=axis, skipna=skipna, **kwds)
154 else:
--> 155 result = alt(values, axis=axis, skipna=skipna, **kwds)
156
157 return result
/opt/conda/lib/python3.9/site-packages/pandas/core/nanops.py in new_func(values, axis, skipna, mask, **kwargs)
408 mask = isna(values)
409
--> 410 result = func(values, axis=axis, skipna=skipna, mask=mask, **kwargs)
411
412 if datetimelike:
/opt/conda/lib/python3.9/site-packages/pandas/core/nanops.py in nanmean(values, axis, skipna, mask)
663
664 count = _get_counts(values.shape, mask, axis, dtype=dtype_count)
--> 665 the_sum = _ensure_numeric(values.sum(axis, dtype=dtype_sum))
666
667 if axis is not None and getattr(the_sum, "ndim", False):
/opt/conda/lib/python3.9/site-packages/pandas/core/nanops.py in _ensure_numeric(x)
1607 except ValueError as err:
1608 # e.g. "foo"
-> 1609 raise TypeError(f"Could not convert {x} to numeric") from err
1610 return x
1611
TypeError: Could not convert 11호12호9호9호11호10호10호10호10호 to numeric모두의연구소는 전자상거래 등에서의 소비자보호에 관한 법률에 따른 통
3-7. 데이터 탐색
데이터 탐색
이번 시간에는 판다스에서 제공하고 있는 내장 함수를 통해서 데이터 탐색을 진행해 보도록 하겠습니다.
이번 시간 정리
1. 데이터 프레임 크기 (행, 컬럼)
df.shape
2. 데이터 샘플 확인 (head)
df.head()
3. 컬럼 형태 (type)
df.info()
4. 기초 통계
- 숫자 타입만 확인 할 수 있다.
- df.describe()
5. 기초 통계 (object(문자열))
- 문자 타입만 확인 할 수 있다.
- df.describe(include='O')
6. 상관관계
df.corr()
7. 항목 종류 수
df.nunique()
8. 항목 종류
df['컬럼명'].unique()
9. 항목별 개수
- 카운트까지 같이 보여주므로 추천
- df['컬럼명'].value_counts()
이제 아래의 코드 실행 버튼을 눌러 실습을 진행해 보세요!
실행 완료
[35]:
Unnamed: 0메뉴가격호수칼로리할인율할인가원산지752341608
| new | [인기]아이펠치킨 | 16000 | 11 | 1200.0 | 0.5 | 8000.0 | 국내산 |
| 5 | 닭강정 | 15000 | 12 | 1500.0 | 0.2 | 12000.0 | 브라질 |
| 2 | 간장치킨 | 14000 | 9 | 1600.0 | 0.2 | 11200.0 | 국내산 |
| 3 | 마늘치킨 | 14000 | 9 | 1800.0 | 0.2 | 11200.0 | 국내산 |
| 4 | 파닭 | 14000 | 11 | 1300.0 | 0.2 | 11200.0 | 브라질 |
| 1 | 승일양념치킨 | 13000 | 10 | 1400.0 | 0.2 | 10400.0 | 국내산 |
| 6 | 양념반후라이드반 | 13000 | 10 | 1300.0 | 0.2 | 10400.0 | 국내산 |
| 0 | 황금후라이드 | 12000 | 10 | 1000.0 | 0.2 | 9600.0 | 국내산 |
| 10 | [베스트]풀잎치킨 | 9900 | 10 | 1000.0 | NaN | NaN | 국내산 |
실행 완료
[36]:
(9, 8)실행 완료
[37]:
Unnamed: 0메뉴가격호수칼로리할인율할인가원산지75234
| new | [인기]아이펠치킨 | 16000 | 11 | 1200.0 | 0.5 | 8000.0 | 국내산 |
| 5 | 닭강정 | 15000 | 12 | 1500.0 | 0.2 | 12000.0 | 브라질 |
| 2 | 간장치킨 | 14000 | 9 | 1600.0 | 0.2 | 11200.0 | 국내산 |
| 3 | 마늘치킨 | 14000 | 9 | 1800.0 | 0.2 | 11200.0 | 국내산 |
| 4 | 파닭 | 14000 | 11 | 1300.0 | 0.2 | 11200.0 | 브라질 |
실행 완료
<class 'pandas.core.frame.DataFrame'>
Int64Index: 9 entries, 7 to 8
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Unnamed: 0 9 non-null object
1 메뉴 9 non-null object
2 가격 9 non-null int64
3 호수 9 non-null object
4 칼로리 9 non-null float64
5 할인율 8 non-null float64
6 할인가 8 non-null float64
7 원산지 9 non-null object
dtypes: float64(3), int64(1), object(4)
memory usage: 648.0+ bytes
실행 완료
[39]:
가격칼로리할인율할인가countmeanstdmin25%50%75%max
| 9.000000 | 9.000000 | 8.000000 | 8.000000 |
| 13433.333333 | 1344.444444 | 0.237500 | 10500.000000 |
| 1764.936259 | 265.099562 | 0.106066 | 1242.118007 |
| 9900.000000 | 1000.000000 | 0.200000 | 8000.000000 |
| 13000.000000 | 1200.000000 | 0.200000 | 10200.000000 |
| 14000.000000 | 1300.000000 | 0.200000 | 10800.000000 |
| 14000.000000 | 1500.000000 | 0.200000 | 11200.000000 |
| 16000.000000 | 1800.000000 | 0.500000 | 12000.000000 |
실행 완료
[40]:
Unnamed: 0메뉴호수원산지countuniquetopfreq
| 9 | 9 | 9 | 9 |
| 9 | 9 | 4 | 2 |
| new | [인기]아이펠치킨 | 10 | 국내산 |
| 1 | 1 | 4 | 7 |
실행 완료
[41]:
가격칼로리할인율할인가가격칼로리할인율할인가
| 1.000000 | 0.522744 | 0.688875 | -0.138409 |
| 0.522744 | 1.000000 | -0.306122 | 0.636659 |
| 0.688875 | -0.306122 | 1.000000 | -0.813250 |
| -0.138409 | 0.636659 | -0.813250 | 1.000000 |
실행 완료
[42]:
Unnamed: 0 9
메뉴 9
가격 6
호수 4
칼로리 7
할인율 2
할인가 5
원산지 2
dtype: int64실행 완료
[43]:
array(['11', '12', '9', '10'], dtype=object)실행 완료
[44]:
10 4
11 2
9 2
12 1
Name: 호수, dtype: int64'언어 > 파이썬' 카테고리의 다른 글
| 머신러닝with파이썬3강(5)_그룹핑, apply함수 (0) | 2024.03.06 |
|---|---|
| 머신러닝with파이썬3강(4)_내장함수 (0) | 2024.03.05 |
| 머신러닝with파이썬3강(2)_결측치처리,정렬 (0) | 2024.03.03 |
| 머신러닝with파이썬3강(1)_데이터불러오기,만들기,삭제하기 (0) | 2024.03.02 |
| 머신러닝with파이썬2강(3)_index다루기,행과 열 추가, 값 변경 (0) | 2024.03.01 |