본 포스팅은 Pandas의 DataFrame : Read&Update부분 중 데이터프레임의 인덱스 수정 및 정렬과 치환에 관하여 중점적으로 정리하였습니다.
열↔인덱스: set_index, reset_index
set_index 메소드를 이용하면 특정 열의 값을 새로운 인덱스 라벨로 지정할 수 있다. 더불어, 해당 메소드는 변경된 새로운 값을 반환하며, inplace=True 로 지정할 경우에는 원본 객체를 변경시킨다.
1
2
3
4
5
6
7
8
9
| dict_data = { 'a0' : ['A', 'B', 'C'], 'a1' : [1, 2, 3], 'a2' : [4, 5, 6]}
df = pd.DataFrame(dict_data)
print('[ DataFrame 변경 전 ]\n', df)
print(df.index)
df.set_index('a0', inplace=True)
print('\n[ DataFrame 변경 후1 ]\n', df)
print(df.index)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| [ DataFrame 변경 전 ]
a0 a1 a2
0 A 1 4
1 B 2 5
2 C 3 6
RangeIndex(start=0, stop=3, step=1)
[ DataFrame 변경 후1 ]
a1 a2
a0
A 1 4
B 2 5
C 3 6
Index(['A', 'B', 'C'], dtype='object', name='a0')
|
set_index 메소드는 다음과 같이 열 이름으로 이루어진 리스트를 받아서, 멀티인덱스를 생성시킬 수 있다.
1
2
3
| df.set_index(['a0', 'a1'], inplace=True)
print('\n[ DataFrame 변경 후2 ]\n', df)
print(df.index)
|
1
2
3
4
5
6
7
| [ DataFrame 변경 후2 ]
a2
a0 a1
A 1 4
B 2 5
C 3 6
MultiIndex([('A', 1), ('B', 2), ('C', 3)], names=['a0', 'a1'])
|
또한, reset_index 메소드를 이용하여 지정된 인덱스 라벨을 열로 전환시킬 수 있다. set_index와 마찬가지로 inplace옵션을 가지고 있다.
1
2
3
| df.reset_index(inplace=True)
print('\n[ DataFrame 변경 후3 ]\n', df)
print(df.index)
|
1
2
3
4
5
6
| [ DataFrame 변경 후3 ]
a0 a1 a2
0 A 1 4
1 B 2 5
2 C 3 6
RangeIndex(start=0, stop=3, step=1)
|
인덱스 재배열: reindex
reindex메소드를 이용하면, 행 인덱스를 새로운 배열로 재배치할 수 있다. 원본 데이터프레임에 없던 새로운 인덱스 행을 추가시킬 경우 해당 행의 데이터 값은 NaN으로 기입된다.
이는 fill_value 옵션을 추가하여 NaN이 아닌 유효한 다른 값으로 대체할 수 있다. 기본 형태는 다음과 같다.
1
| DataFrame.reindex(새로운 인덱스 배열, fill_value = ...)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
| df = pd.DataFrame({'a0':[1, 2, 3],
'a1':[4, 5, 6],
'a2':[7, 8, 9]}, index = ['c0', 'c1', 'c2'])
print('[ 재배치 이전 ]\n', df)
df1 = df.copy().reindex(['c2', 'c2', 'c0'])
print('\n[ 인덱스 재배치1 ]\n', df1)
df2 = df.copy().reindex(['c0', 'c1', 'c1'])
print('\n[ 인덱스 재배치2 ]\n', df2)
df3 = df.copy().reindex(['c0', 'c1', 'c2', 'new c3'])
print('\n[ 새로운 인덱스 추가1 ]\n', df3)
df4 = df.copy().reindex(['c0', 'c1', 'c2', 'new c3'], fill_value = 999)
print('\n[ 새로운 인덱스 추가2 : fill_value이용 ]\n', df4)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
| [ 재배치 이전 ]
a0 a1 a2
c0 1 4 7
c1 2 5 8
c2 3 6 9
[ 인덱스 재배치1 ]
a0 a1 a2
c2 3 6 9
c2 3 6 9
c0 1 4 7
[ 인덱스 재배치2 ]
a0 a1 a2
c0 1 4 7
c1 2 5 8
c1 2 5 8
[ 새로운 인덱스 추가1 ]
a0 a1 a2
c0 1.0 4.0 7.0
c1 2.0 5.0 8.0
c2 3.0 6.0 9.0
new c3 NaN NaN NaN
[ 새로운 인덱스 추가2 : fill_value이용 ]
a0 a1 a2
c0 1 4 7
c1 2 5 8
c2 3 6 9
new c3 999 999 999
|
인덱스 정렬: sort_index
데이터프레임은 sort_index메소드를 통해 행 인덱스를 기준으로 데이터프레임의 행을 정렬시킬 수 있다. 해당 메소드는 기본적으로 오름차순 정렬 결과를 반환하며, asceding옵션을 False로 지정할 경우 내림차순 정렬 결과를 반환한다.
(*참고로 비슷한 메소드인 sort_values가 있으며, 해당 메소드는 지정한 데이터프레임의 열 값 기준으로 행 인덱스를 정렬시킨다.)
1
| DataFrame.sort_index(ascending = ...)
|
1
2
3
4
5
6
7
8
9
10
11
12
| df = pd.DataFrame({'a0':[1, 2, 3],
'a1':[4, 5, 6],
'a2':[7, 8, 9]}, index = ['c0', 'c1', 'c2'])
df = df.iloc[::-1]
print('[ 정렬 이전 ]\n', df)
asc_df = df.copy().sort_index()
print('\n[ 오름차순 정렬 ]\n', asc_df)
desc_df = asc_df.sort_index(ascending= False)
print('\n[ 내림차순 정렬 ]\n', desc_df)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| [ 정렬 이전 ]
a0 a1 a2
c2 3 6 9
c1 2 5 8
c0 1 4 7
[ 오름차순 정렬 ]
a0 a1 a2
c0 1 4 7
c1 2 5 8
c2 3 6 9
[ 내림차순 정렬 ]
a0 a1 a2
c2 3 6 9
c1 2 5 8
c0 1 4 7
|
데이터프레임 Transpose
pandas의 데이터프레임 객체의 행과 열은 transpose 메소드를 이용해서 간단하게 치환시킬 수 있다. 해당 메소드와 동일하게 T 클래스 속성을 이용해서도 데이터프레임을 치환시킬 수 있다.
1
2
| DataFrame.transpose()
DataFrame.T
|
아래의 예제에서는 총 연속 치환시켰기 때문에 기존 데이터프레임과 동일한 데이터프레임을 반환하는 것을 확인할 수 있다. 더불어, 치환 메소드의 경우 원본의 값을 수정할 수 없기 때문에 새로운 변수를 선언해줘서 값을 넣어주어야한다.
1
2
3
4
5
6
7
8
9
10
| df = pd.DataFrame({'col0':[1, 2, 3],
'col1':[4, 5, 6],
'col2':[7, 8, 9]}, index = ['index0', 'index1', 'index2'])
print('[ 치환 전 ]\n', df)
first_trans = df.transpose()
print('\n[ 1st 치환 ]\n', first_trans)
second_trans = first_trans.T
print('\n[ 2nd 치환 ]\n', second_trans)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| [ 치환 전 ]
col0 col1 col2
index0 1 4 7
index1 2 5 8
index2 3 6 9
[ 1st 치환 ]
index0 index1 index2
col0 1 2 3
col1 4 5 6
col2 7 8 9
[ 2nd 치환 ]
col0 col1 col2
index0 1 4 7
index1 2 5 8
index2 3 6 9
|