평소에 pandas라이브러리로 데이터프레임을 이리저리 다루다 보면 항상 마주치는 에러중에 loc, iloc등을 사용을 권장하는 경고 메시지를 자주 보았었다. 하지만, 매번 공부한다는게 다른거 보기 바빠서 제대로 공부를 못했었고, 가끔 필요할 때 마다 구글링을 하여 사용법을 찾아보았기 때문에 시간 소모를 발생시켰었던 적이 많았다.이를 대체할 문법들은 pandas에 있지만, 해당 메소드들은 기존의 길었던 코드들을 간략하게 만들어주며, SQL에서처럼 python에서 데이터를 다룰 수 있게 해주는 유용성을 가진다. 그래서, 이를 블로그로 포스팅하며 배워보고자 한다.
메소드들을 사용하기에 앞서 예제에서 사용할 데이터를 가져온다. 해당 데이터들은 KOSIS국가통계포털에서 찾을 수 있었던 2020년 6월 행정구역별 인구수이다.
1
2
3
4
5
6
7
8
| import pandas as pd
df = pd.read_excel('./행정구역인구수.xlsx', sheet_name='데이터변경', engine='openpyxl')
df.columns = ['region', 'tot_num', 'm_num', 'f_num']
df = df.set_index('region')
df[['tot_num', 'm_num', 'f_num']] = df[['tot_num', 'm_num', 'f_num']].astype('int64')
df.head()
|
| tot_num | m_num | f_num |
|---|
| region | | | |
|---|
| 전국 | 51839408 | 25853937 | 25985471 |
|---|
| 서울특별시 | 9720846 | 4732275 | 4988571 |
|---|
| 종로구 | 150383 | 73288 | 77095 |
|---|
| 중구 | 126092 | 61697 | 64395 |
|---|
| 용산구 | 229431 | 110527 | 118904 |
|---|
pandas.DataFrame.loc
loc는 행과 열의 데이터를 조회할 떄 사용되어지는 메소드이다. 이는 SQL의 WHERE절과 유사해서 pandas에서 더욱더 유용한 메소드 중 하나이다.
Select Rows
- 특정 행 조회
- 특정 행 다중 조회
- 특정 행 제외후 조회
- 특정 범위의 연속 행 조회
loc를 이용해 특정을 행을 조회하고 싶은 경우 해당 행이 존재하는 index name을 입력해야한다. (혹시 자신이 원하는 행을 넣기 위해 index를 넣었지만 오류가 떠서 고생하시는 분들이 계신다면 진짜로 입력하는 값이 index인지 확인하자 아닐 경우 set_index()를 적용하자)
1
2
| # 하나의 특정 행만을 조회할 경우
df.loc['전국']
|
1
2
3
4
| tot_num 51839408
m_num 25853937
f_num 25985471
Name: 전국, dtype: int64
|
하지만, Series형태로 출력되기에 DataFrame형태를 주로 사용하는 나에게는 불편요소이다. 따라서 이를 데이터프레임으로 바꾸어 조회하기 위해서는 array형태로 index name을 입력해야한다.
1
2
| # series로 조회되는 loc반환값을 데이터 프레임으로 변경
df.loc[['전국']]
|
| tot_num | m_num | f_num |
|---|
| region | | | |
|---|
| 전국 | 51839408 | 25853937 | 25985471 |
|---|
특정 행을 여러개 가져오고 싶을 경우 가져오고 싶은 index name들을 array 형태로 입력해주면 된다.
1
2
| # 특정 행을 여러개 조회하고 싶을 경우
df.loc[['서울특별시','종로구']]
|
| tot_num | m_num | f_num |
|---|
| region | | | |
|---|
| 서울특별시 | 9720846 | 4732275 | 4988571 |
|---|
| 종로구 | 150383 | 73288 | 77095 |
|---|
특정행을 제외하여 가져오고 싶은 경우 다음과 같이 !=을 이용하여 간단하게 나타낼 수 있다. 하지만 아래의 코드에서는 array형태로 입력되지 않아서 의아해하는 분들이 계실 수도 있다. 이 경우 df.index != [index_name]의 타입과 결과를 조회하면 쉽게 넘어갈 수 있다.
1
2
| # 특정 행을 제외하여 조회하고 싶을 경우
df.loc[df.index != '전국'].head(5)
|
| tot_num | m_num | f_num |
|---|
| region | | | |
|---|
| 서울특별시 | 9720846 | 4732275 | 4988571 |
|---|
| 종로구 | 150383 | 73288 | 77095 |
|---|
| 중구 | 126092 | 61697 | 64395 |
|---|
| 용산구 | 229431 | 110527 | 118904 |
|---|
| 성동구 | 297397 | 145258 | 152139 |
|---|
1
2
3
| print(type(df.index))
print(type(df.index != '전국'))
print('df.index != \'전국\' results :', list(df.index != '전국')[1:5])
|
1
2
3
| <class 'pandas.core.indexes.base.Index'>
<class 'numpy.ndarray'>
df.index != '전국' results : [True, True, True, True]
|
물론, list에서 처럼 인덱싱을 이용해 연속으로 행을 조회할 수 있다.
만약 특정 column이 index로 지정되지 않았을 경우에는 인덱스 넘버를 이용해서 똑같이 수행할 수 있다.
1
2
| # 인덱싱을 이용해서 연속 행 조회
df.loc['서울특별시': '용산구']
|
| tot_num | m_num | f_num |
|---|
| region | | | |
|---|
| 서울특별시 | 9720846 | 4732275 | 4988571 |
|---|
| 종로구 | 150383 | 73288 | 77095 |
|---|
| 중구 | 126092 | 61697 | 64395 |
|---|
| 용산구 | 229431 | 110527 | 118904 |
|---|
Select Columns
- 특정 열 조회
- 특정 열 다중 조회
- 특정 열 제외 후 조회
- 특정 범위의 연속 열 조회
열을 조회한다고 해서 행을 조회하는 것이랑 크게 다르지 않다. 단순히 :와 ,를 이용한다는 것인데, 이는 array에서 열을 조회하는 방법과 동일하다. 주의할 점이 있다면, 이전에 데이터프레임 형태의 결과값을 얻기 위해서 index_name을 array형태로 변환하여 입력하였었다. 마찬가지로 열을 조회할 때, 데이터프레임 형태의 결과값을 반환 받기 위해서는 column_name을 array형태로 변환하여 입력한다는 점을 주의하자.
특정 열을 하나 조회하고 싶은 경우는 다음과 같다.
1
2
| # 특정 열 하나를 조회
df.loc[:,['tot_num']].head(5)
|
| tot_num |
|---|
| region | |
|---|
| 전국 | 51839408 |
|---|
| 서울특별시 | 9720846 |
|---|
| 종로구 | 150383 |
|---|
| 중구 | 126092 |
|---|
| 용산구 | 229431 |
|---|
특정 열을 다중으로 조회하는 경우도 앞전과 크게 다르지 않다.
1
2
| # 특정 열 다중 조회
df.loc[:, ['tot_num', 'm_num']].head(5)
|
| tot_num | m_num |
|---|
| region | | |
|---|
| 전국 | 51839408 | 25853937 |
|---|
| 서울특별시 | 9720846 | 4732275 |
|---|
| 종로구 | 150383 | 73288 |
|---|
| 중구 | 126092 | 61697 |
|---|
| 용산구 | 229431 | 110527 |
|---|
특정 열을 제외하고 가져오는 것도 마찬가지이다. 단지 .columns메소드를 이용해야한다는 점을 주의하자!
1
2
| # 특정 열을 제외하여 조회하기
df.loc[:, df.columns != 'm_num'].head(5)
|
| tot_num | f_num |
|---|
| region | | |
|---|
| 전국 | 51839408 | 25985471 |
|---|
| 서울특별시 | 9720846 | 4988571 |
|---|
| 종로구 | 150383 | 77095 |
|---|
| 중구 | 126092 | 64395 |
|---|
| 용산구 | 229431 | 118904 |
|---|
연속 컬럼을 가져오는 것도 다를바 없다!
1
2
| # 인덱싱을 이용해서 연속 열 조회
df.loc[:, 'tot_num' : 'f_num'].head(5)
|
| tot_num | m_num | f_num |
|---|
| region | | | |
|---|
| 전국 | 51839408 | 25853937 | 25985471 |
|---|
| 서울특별시 | 9720846 | 4732275 | 4988571 |
|---|
| 종로구 | 150383 | 73288 | 77095 |
|---|
| 중구 | 126092 | 61697 | 64395 |
|---|
| 용산구 | 229431 | 110527 | 118904 |
|---|
Select Rows & Cols
특정 행과 열을 동시에 조회하는 것은 위의 두 가지를 짬뽕시킬 뿐이다.
1
2
| # 인덱싱을 이용해 행과 열을 제한하여 조회
df.loc['서울특별시' : '용산구', 'm_num' : 'f_num']
|
| m_num | f_num |
|---|
| region | | |
|---|
| 서울특별시 | 4732275 | 4988571 |
|---|
| 종로구 | 73288 | 77095 |
|---|
| 중구 | 61697 | 64395 |
|---|
| 용산구 | 110527 | 118904 |
|---|
4) 조건을 만족하는 행/열 조회
특정 index_name하나와 특정 column_name을 하나씩 loc에 입력해줄 경우 이에 속한 값을 출력하게 된다.
1
2
| # 하나의 값 출력
df.loc['서울특별시', 'tot_num']
|
또한, 특정 조건을 만족하는 값을 가진 데이터프레임만을 부분 출력도 가능하다.
아래의 첫번째 코드를 말로 풀어 설명하면, m_num컬럼의 값이 70000보다 작은 값을 가진 모든 행들을 출력한다는 의미이다.
1
2
| # 조건 1개
df.loc[df['m_num'] <= 70000].head(5)
|
| tot_num | m_num | f_num |
|---|
| region | | | |
|---|
| 중구 | 126092 | 61697 | 64395 |
|---|
| 중구 | 41652 | 20411 | 21241 |
|---|
| 서구 | 107947 | 52341 | 55606 |
|---|
| 동구 | 89698 | 44003 | 45695 |
|---|
| 영도구 | 115120 | 56700 | 58420 |
|---|
1
2
| # 조건 2개
df.loc[(df['m_num'] <= 70000) & (df['f_num'] <= 70000)].head(5)
|
| tot_num | m_num | f_num |
|---|
| region | | | |
|---|
| 중구 | 126092 | 61697 | 64395 |
|---|
| 중구 | 41652 | 20411 | 21241 |
|---|
| 서구 | 107947 | 52341 | 55606 |
|---|
| 동구 | 89698 | 44003 | 45695 |
|---|
| 영도구 | 115120 | 56700 | 58420 |
|---|
1
2
| # 조건 2개 + 특정 컬럼만 출력
df.loc[(df['m_num'] <= 70000) & (df['f_num'] <= 70000), ['tot_num']].head(5)
|
| tot_num |
|---|
| region | |
|---|
| 중구 | 126092 |
|---|
| 중구 | 41652 |
|---|
| 서구 | 107947 |
|---|
| 동구 | 89698 |
|---|
| 영도구 | 115120 |
|---|
또한 은근 유용할 것 같은 케이스도 있다.
다음과 같이 = value를 뒤에 이어줄 경우, 해당 조건을 만족하는 행의 값들을 value(숫자도 문자도 가능)로 모두 변경할 수도 있다.
1
2
| df.loc[df['m_num'] >= 500000] = 'hi'
df
|
| tot_num | m_num | f_num |
|---|
| region | | | |
|---|
| 전국 | hi | hi | hi |
|---|
| 서울특별시 | hi | hi | hi |
|---|
| 종로구 | 150383 | 73288 | 77095 |
|---|
| 중구 | 126092 | 61697 | 64395 |
|---|
| 용산구 | 229431 | 110527 | 118904 |
|---|
| ... | ... | ... | ... |
|---|
| 거창군 | 61681 | 30123 | 31558 |
|---|
| 합천군 | 44515 | 21402 | 23113 |
|---|
| 제주특별자치도 | 671316 | 337343 | 333973 |
|---|
| 제주시 | 490254 | 245805 | 244449 |
|---|
| 서귀포시 | 181062 | 91538 | 89524 |
|---|
292 rows × 3 columns
이처럼 loc메소드는 데이터프레임에서 행열을 조회하는데 매우 도움이 된다. 또한 multi index인 데이터프레임에서도 loc메소드를 이용하여 원하는 데이터프레임을 일부 출력할 수도 있다! (참고).
loc에서는 각 인덱스 혹은 컬럼의 name을 사용했지만 , iloc를 이용하여 각 인덱스와 컬럼의 number 을 이용하여 loc와 동일하게 사용할 수 있다. 데이터 사이즈가 작다면 iloc가 유용할 수 있지만, 데이터사이즈가 많은 데이터에서는 iloc보다는 loc가 더 유용하게 사용되어진다.
다음에는 isin에 관해서 간단히 다뤄보고자 한다.
References