[데이터 전처리] 데이터 인덱싱과 슬라이싱

CH1. 데이터 전처리 완벽 가이드

CH1. 데이터 전처리 완벽 가이드(1) | Notion

---

 

데이터 인덱싱과 슬라이싱

---

판다스로 데이터프레임을 다루면서 특정 행이나 열을 선택하거나, 부분적으로 데이터를 추출하는 작업이 매우 중요합니다.

이를 위해 인덱싱(indexing)과 슬라이싱(slicing) 기능을 사용합니다.

판다스에서는 인덱싱/슬라이싱을 위해 라벨(label) 기반과 정수 위치(integer position) 기반 두 가지 접근을 모두 지원하는데, 각각 .loc와 .iloc 인덱서를 사용합니다.

 

 

.loc - 라벨(label) 기반 인뎅싱

---

• .loc[행인덱스, 열이름] 형식으로 사용하며, 인덱스 이름이나 컬럼 이름을 사용하여 원하는 부분의 데이터를 가져옵니다.
• 행과 열 부분 모두 라벨을 기준으로 하기 때문에, 예를 들어 df.loc['2021-01-01', 'Sales']는 인덱스가 '2021-01-01'인 행의 'Sales' 컬럼 값을 가져옵니다.

df = pd.DataFrame({'val': [10, 20, 30, 40]}, index=['a','b','c','d'])
print(df)

   val
a   10
b   20
c   30
d   40

: 인덱스 라벨은 'a','b','c','d'입니다. .loc을 사용하여 인덱스 라벨 'a'부터 'c'까지의 행을 선택

print(df.loc['a':'c'])

   val
a   10
b   20
c   30

.loc['a':'c']는 끝 점 'c'를 포함하여 'a','b','c' 행을 가져옵니다. 라벨 슬라이싱은 양끝을 모두 포함 하는 점에 유의하세요.
(문자 라벨뿐 아니라 숫자 라벨이어도 .loc[1:3] 이라면 1,2,3 인덱스를 모두 포함)

• 단일 행/열 선택
  • df.loc['b']처럼 인덱스 'b'인 한 행을 선택하면 그 행이 Series로 반환됩니다.
  • 또한 df.loc[:, 'val']처럼 :를 사용해 모든 행에 대해 특정 열만 선택할 수도 있습니다.
  • 예를 들어 df.loc['b', 'val']은 'b'행의 'val'값(20)을 반환하고, df.loc[['a','c'], 'val']은 인덱스 a와 c 행의 'val'열 값을 선택합니다.
• 조건 사용
  • .loc 인덱싱에는 불리언 배열(조건)도 사용할 수 있습니다.
  • 예를 들어 df.loc[df['val'] > 20] 이런 식으로 .loc에 행 조건을 전달해 해당 조건을 만족하는 행을 추출할 수 있습니다.

 

 

 

.iloc - 정수 위치(integer position) 기반 인덱싱

---

• .iloc[행번호, 열번호] 형식으로, 0부터 시작하는 정수 인덱스 위치로 데이터를 선택합니다. 파이썬의 리스트 슬라이싱과 유사하게 동작하며, 끝 범위를 포함하지 않습니다.
• 예를 들어 df.iloc[0:2]는 행번호 0,1 (두 개 행)을 가져옵니다 (2는 제외).

위에서 사용한 동일한 예제 df에 대해 .iloc으로 첫 두 행을 선택하면:

print(df.iloc[0:2])

   val
a   10
b   20

결과에서 인덱스 'a','b' 행만 얻었고, 행번호 2에 해당하는 'c' 행은 포함되지 않았습니다.
.iloc[0:2]는 0번, 1번 행을 의미하며, 일반적인 파이썬 슬라이싱처럼 끝 인덱스 2는 제외되는 것을 확인할 수 있습니다.

 

.loc() vs .iloc() 차이 🔥🔥🔥🔥🔥

• .loc['a':'c']는 a, b, c 세 행을 반환했고
• .iloc[0:2]는 a, b 두 행만 반환했습니다.
• 이처럼 .loc는 라벨 범위의 끝을 포함하고 .iloc는 끝 인덱스 번호를 제외합니다.
• .iloc은 정수 위치로만 접근하므로 인덱스가 숫자여도 라벨로 취급되지 않는 점에 유의해야 합니다.
• 예를 들어 인덱스가 0,1,2,3인 경우 df.loc[0:2]는 0,1,2 행을 주지만, df.iloc[0:2]는 0,1 행을 줍니다.

 

 

 

열 선택과 슬라이싱

---

• 컬럼 선택
  • DataFrame에서 특정 열(시리즈)를 선택하는 간단한 방법은 df['컬럼명'] 표기입니다.
  • 예를 들어 orders['Profit']은 orders 데이터프레임에서 'Profit' 컬럼만 추출하여 Series로 반환합니다.
  • 여러 컬럼을 선택하려면 df[['컬럼1','컬럼2']] 처럼 리스트로 컬럼명을 전달합니다.
  • 이는 .loc로도 동일하게 할 수 있는데, df.loc[:, ['컬럼1','컬럼2']]와 같은 표현은 모든 행에 대해 두 컬럼을 선택합니다.
• 행 슬라이싱
  • 행을 범위로 슬라이싱할 때 .loc과 .iloc를 모두 사용할 수 있습니다.
  • 예를 들어 처음 5개 행을 가져오려면 df.iloc[:5] 또는 만약 인덱스 라벨이 순서형이라면 df.loc[ 시작라벨 : 끝라벨 ] 형태로도 가능합니다.
  • 다만 보통은 행은 .iloc로 번호 기반 슬라이싱을, 열은 이름으로 지정하는 혼합 형태를 쓰기도 합니다.
  • 예: df.iloc[:5, :3]는 첫 5행, 첫 3열 데이터를 선택
• value_counts() 를 통해 특정 컬럼의 값 분포를 확인할 수 있습니다.
  • ex. df[특정 컬럼].value_counts() ⭐️⭐️⭐️