[ Pandas ] DataFrame, Series 함수 요약 정리 👀

벼락치기 혹은 판다스 기본 함수들을 짚고 넘어갈 수 있도록 필수적인 함수들을 정리했습니다!

df는 DataFrame을 의미하며, 자세한 응용사항은 판다스 공식 홈페이지를 통해 파악해보면 좋을 것 같습니다

 

1. 수치연산, 조회, 처리 관련 함수

함수명	수행기능	예시 (Source: pandas.pydata)
df.max, df.min	min, max 값 반환 (Series도 가능)	pd.Series([4, 2, 0, 8], name='legs').max
df.idxmax, df.idxmin	최대/최소 값의 레이블 반환	>>> df.idxmax() consumption     Wheat Products co2_emissions             Beef dtype: object
df.sum, df.cumsum	합, 누적합 반환 (default로 NA 제외)	pd.Series([2, 5, -1, 0]).cummax()
df.mean, df.median	평균, 중앙값 반환
df.var, df.std	분산, 표준편차 반환	>>> df.var() age       352.916667 height      0.056367
df.count()	행의 개수	>>> df.count() Person    5 Age       4 Single    5 dtype: int64
df.describe	통합된 정보 (count, 사분위수, min/max 등) 반환	>>> s = pd.Series([1, 2, 3]) >>> s.describe() count    3.0 mean     2.0 std      1.0 min      1.0 25%      1.5 50%      2.0 75%      2.5 max      3.0 dtype: float64
df.replace	값 변경	df.replace([0, 1, 2, 3], 4) df.replace({0: 10, 1: 100}) df.replace({'A': 0, 'B': 5}, 100)
df.rename	컬럼명/인덱스명 변경	df.rename(columns={"A": "a", "B": "c"}) df.rename(index={0: "x", 1: "y", 2: "z"}) df.rename(str.lower, axis='columns')
df.all, df.any	참/거짓 여부 반환	>>> df.any() A     True B     True C    False dtype: bool
df.duplicated	중복 여부 조회	>>> df.duplicated() 0    False 1     True 2    False 3    False 4    False dtype: bool
df.drop_duplicates	중복된 행 제거	df.drop_duplicates(subset=['brand']) df.drop_duplicates()
df.apply(함수)	함수 적용	df.apply(np.sqrt) df.apply(np.sum, axis=0)
df.eval	문자열 형태의 연산	df.eval('A + B')
df.isin	값의 존재여부 확인	df.isin([0, 2]) df.isin({'num_wings': [0, 3]})
df.nunique	unique 값의 개수 반환 (series에도 적용가능)	>>> df = pd.DataFrame({'A': [4, 5, 6], 'B': [4, 1, 1]}) >>> df.nunique() A    3 B    2
df.query	조건식을 활용한 조회	df = pd.DataFrame({'A': range(1, 6),                    'B': range(10, 0, -2),                    'C C': range(10, 5, -1)}) df.query('B == `C C`') df.query('A > B')
df['column'].between(start,end)	start과 end값 사이의 범위 포함 여부	s.between(1, 4) s.between('Anna', 'Daniel')
df['column'].value_counts()	각 값의 빈도수 반환(nan 제외)	>>> df.value_counts() num_legs  num_wings 4         0            2 2         2            1 6         0            1 df.value_counts(normalize=True) df.value_counts(sort=False)
df['column'].str.함수	문자열 함수 적용	>>> s.str.replace("_", "") 0    AStrSeries dtype: object s.str.contains(pat = 'aa') s.str.contains(pat='[a-z]',regex=True)

 

 

2. 날짜 관련 함수

pd.to_datetime('날짜',format=형식)	문자열 형식의 날짜를 datetime type으로 정해진 형식으로 변환	pd.to_datetime('2022/10/06',format='%Y년%m월%d일'_
pd.date_range('날짜','날짜',periods=n,freq='D')	정해진 기간 내의 동일한 시간구간으로 나뉘어진 시간 datetimeindex 반환	pd.date_range(start='1/1/2018', end='1/08/2018') DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04',                '2018-01-05', '2018-01-06', '2018-01-07', '2018-01-08'],               dtype='datetime64[ns]', freq='D')

 

 

3. 데이터프레임 병합

 

1) pd.merge

공통컬럼이 존재할 때	pd.merge(df1,df2,how='inner/left/outer',on='column')
공통컬럼 외의 컬럼을 기준으로 merge 할 때	pd.merge(df1,df2,how='inner/left/outer',left_on="df1컬럼명",right_on = 'df2컬럼명')
인덱스를 활용할 때	pd.merge(df1,df2,left_on='index',right_on='index')
왼/오 인덱스를 join key로 설정하고 싶을 때	pd.merge(df1,df2, right_on='index',left_index = True) pd.merge(df1,df2, rleft_on='index',right_index = True)