DataFrame안의 데이터 접근¶

데이터 프레임은 로우와 칼럼으로 구성되며 이 정보를 이용하여 데이터를 선택할 수 있습니다. 선택 작업에는 [], .loc[], iloc[]등을 사용합니다. 데이터를 사용하기 위해 kospi 주식정보를 사용합니다.

In [12]:

kospi = pd.read_csv("./^KS11.csv", index_col ='Date')
kospi

Out[12]:

	Open	High	Low	Close	Adj Close	Volume
Date
2020-12-28	2820.949951	2834.590088	2799.560059	2808.600098	2808.600098	1006200
2020-12-29	2810.550049	2823.439941	2792.060059	2820.510010	2820.510010	1046800
2020-12-30	2820.360107	2878.209961	2809.350098	2873.469971	2873.469971	1074000
2021-01-04	2874.500000	2946.540039	2869.110107	2944.449951	2944.449951	1026500
2021-01-05	2943.669922	2990.570068	2921.840088	2990.570068	2990.570068	1519900
...	...	...	...	...	...	...
2021-12-20	3001.330078	3001.330078	2962.070068	2963.000000	2963.000000	377100
2021-12-21	2981.669922	2984.560059	2955.899902	2975.030029	2975.030029	410500
2021-12-22	2993.500000	3000.790039	2976.649902	2984.479980	2984.479980	461400
2021-12-23	2998.020020	3000.699951	2980.909912	2998.169922	2998.169922	483300
2021-12-24	3009.479980	3025.770020	3009.479980	3012.429932	3012.429932	537500

247 rows × 6 columns

1. 데이터 프레임의 칼럼 선택하기, []연산자¶

[] 연산자를 이용하여 데이터프레임의 칼럼 정보를 가져올 수 있습니다. 위의 kospi 데이터프레임은 어떤 칼럼을 갖고 있는 지 확인해보겠습니다.

In [21]:

kospi.columns

Out[21]:

Index(['Open', 'High', 'Low', 'Close', 'Adj Close', 'Volume'], dtype='object')

kospi 데이터 프레임의 칼럼 정보를 확인하기 위해 .columns 를 사용합니다. 5번째 칼럼명인 'Adj Close' 칼럼을 []연산자로 선택합니다.

In [26]:

kospi_adj = kospi['Adj Close']
kospi_adj

Out[26]:

Date
2020-12-28    2808.600098
2020-12-29    2820.510010
2020-12-30    2873.469971
2021-01-04    2944.449951
2021-01-05    2990.570068
                 ...     
2021-12-20    2963.000000
2021-12-21    2975.030029
2021-12-22    2984.479980
2021-12-23    2998.169922
2021-12-24    3012.429932
Name: Adj Close, Length: 247, dtype: float64

In [28]:

type(kospi_adj)

Out[28]:

pandas.core.series.Series

kospi_adj는 kospi의 데이터프레임중 하나의 칼럼만 가져온 결과이기 때문에 type 결과가 series로 표시됩니다. 하지만 아래와 같이 하나 이상의 칼럼을 선택할 경우에는 데이터프레임으로 표시됩니다.

In [32]:

kospi_close_volume = kospi[['Close', 'Volume']]                           
kospi_close_volume

Out[32]:

	Close	Volume
Date
2020-12-28	2808.600098	1006200
2020-12-29	2820.510010	1046800
2020-12-30	2873.469971	1074000
2021-01-04	2944.449951	1026500
2021-01-05	2990.570068	1519900
...	...	...
2021-12-20	2963.000000	377100
2021-12-21	2975.030029	410500
2021-12-22	2984.479980	461400
2021-12-23	2998.169922	483300
2021-12-24	3012.429932	537500

247 rows × 2 columns

In [33]:

type(kospi_close_volume)

Out[33]:

pandas.core.frame.DataFrame

2. 데이터 프레임의 칼럼 가져오기, '.' 속성¶

데이터프레임의 속성을 접근하는 . 을 이용할 수 있습니다. 하지만 속성으로 접근하는 경우 칼럼의 이름에 공백이 있는 경우 사용할 수 없습니다.

In [35]:

kospi_open = kospi.Open
kospi_open

Out[35]:

Date
2020-12-28    2820.949951
2020-12-29    2810.550049
2020-12-30    2820.360107
2021-01-04    2874.500000
2021-01-05    2943.669922
                 ...     
2021-12-20    3001.330078
2021-12-21    2981.669922
2021-12-22    2993.500000
2021-12-23    2998.020020
2021-12-24    3009.479980
Name: Open, Length: 247, dtype: float64

3. 데이터 프레임의 로우 가져오기, .loc[]¶

In [38]:

kospi.loc['2020-12-28']

Out[38]:

Open         2.820950e+03
High         2.834590e+03
Low          2.799560e+03
Close        2.808600e+03
Adj Close    2.808600e+03
Volume       1.006200e+06
Name: 2020-12-28, dtype: float64

여러 개의 로우를 가져올 때에는 아래와 같이 확인이 필요한 index정보를 가진 list를 전달합니다.

In [58]:

kospi.loc[['2021-12-01', '2021-12-02']]

Out[58]:

	Open	High	Low	Close	Adj Close	Volume
Date
2021-12-01	2860.120117	2905.73999	2837.030029	2899.719971	2899.719971	563100
2021-12-02	2874.639893	2945.27002	2874.639893	2945.270020	2945.270020	533700

4. 데이터 프레임의 로우 가져오기 .iloc[]¶

.iloc[] 을 사용하면 포지션 정보를 이용하여 로우값을 가져올 수 있습니다.

In [59]:

kospi.iloc[[0,1]]

Out[59]:

	Open	High	Low	Close	Adj Close	Volume
Date
2020-12-28	2820.949951	2834.590088	2799.560059	2808.600098	2808.600098	1006200
2020-12-29	2810.550049	2823.439941	2792.060059	2820.510010	2820.510010	1046800

아래와 같이 0번째 부터 9번째 로우값을 가져오기 위해서 numpy arange함수를 이용하여 kospi 데이터프레임 정보를 가져올 수 있습니다.

In [64]:

np.arange(0,10)

Out[64]:

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [65]:

kospi.iloc[np.arange(0,10)]

Out[65]:

	Open	High	Low	Close	Adj Close	Volume
Date
2020-12-28	2820.949951	2834.590088	2799.560059	2808.600098	2808.600098	1006200
2020-12-29	2810.550049	2823.439941	2792.060059	2820.510010	2820.510010	1046800
2020-12-30	2820.360107	2878.209961	2809.350098	2873.469971	2873.469971	1074000
2021-01-04	2874.500000	2946.540039	2869.110107	2944.449951	2944.449951	1026500
2021-01-05	2943.669922	2990.570068	2921.840088	2990.570068	2990.570068	1519900
2021-01-06	2993.340088	3027.159912	2961.370117	2968.209961	2968.209961	1793400
2021-01-07	2980.750000	3055.280029	2980.750000	3031.679932	3031.679932	1524700
2021-01-08	3040.110107	3161.110107	3040.110107	3152.179932	3152.179932	1297900
2021-01-11	3161.899902	3266.229980	3096.189941	3148.449951	3148.449951	1712500
2021-01-12	3145.870117	3154.790039	3047.560059	3125.949951	3125.949951	1388600

kospi는 주식정보로 특정 기간동안의 주식정보를 확인려는 경우가 발생할 수 있습니다. 이처럼 특정 index구간의 로우값을 확인하는 경우 인덱스 레이블 위치를 확인하여 해당 인덱스 구간의 로우값을 확인할 수 있습니다.

In [69]:

start_idx = kospi.index.get_loc('2021-11-01')
end_idx = kospi.index.get_loc('2021-12-01')
print("start index : {}, end index : {}".format(start_idx, end_idx))

start index : 207, end index : 229

위의 get_loc()을 이용하여 kospi 데이터프레임의 index 중 '2021-11-01'의 시작과 '2021-12-01'의 종료 위치를 각각 start_idx, end_idx에 저장합니다. 아래와 같이 시작위치는 207번째 index이고 종료위치는 229번째 위치임을 알 수 있습니다.

시작위치와 종료위치를 확인하였으니 range()함수를 이용하여 index의 시작과 종료까지의 index값을 가지는 리스트를 생성하고 iloc[]에 사용하여 kospi 데이터프레임 중 필요한 로우정보를 확인할 수 있습니다.

주의할 점은 229번째 로우값을 얻기 위해 아래의 슬라이싱의 end값은 230을 사용한 부분입니다.

In [78]:

kospi[207:230]

Out[78]:

	Open	High	Low	Close	Adj Close	Volume
Date
2021-11-01	2984.179932	2991.810059	2976.870117	2978.939941	2978.939941	475000
2021-11-02	2995.580078	3034.300049	2995.580078	3013.489990	3013.489990	525400
2021-11-03	3020.360107	3020.870117	2969.010010	2975.709961	2975.709961	658300
2021-11-04	3000.919922	3011.560059	2978.070068	2983.219971	2983.219971	771700
2021-11-05	3003.530029	3003.530029	2953.959961	2969.270020	2969.270020	687400
2021-11-08	2965.360107	2968.179932	2930.899902	2960.199951	2960.199951	559600
2021-11-09	2958.149902	2987.280029	2949.169922	2962.459961	2962.459961	707800
2021-11-10	2947.459961	2958.610107	2924.360107	2930.169922	2930.169922	567300
2021-11-11	2911.409912	2925.189941	2903.719971	2924.919922	2924.919922	571900
2021-11-12	2945.949951	2973.840088	2938.270020	2968.800049	2968.800049	665000
2021-11-15	2989.679932	3003.709961	2979.959961	2999.520020	2999.520020	638900
2021-11-16	2995.679932	3011.879883	2985.340088	2997.209961	2997.209961	579000
2021-11-17	3004.020020	3004.669922	2957.699951	2962.419922	2962.419922	540700
2021-11-18	2959.260010	2964.479980	2937.530029	2947.379883	2947.379883	541100
2021-11-19	2951.060059	2974.639893	2948.070068	2971.020020	2971.020020	656300
2021-11-22	2983.379883	3018.010010	2980.729980	3013.250000	3013.250000	531000
2021-11-23	3013.159912	3016.360107	2992.139893	2997.330078	2997.330078	524200
2021-11-24	3006.340088	3017.899902	2981.020020	2994.290039	2994.290039	556600
2021-11-25	2996.739990	2996.739990	2973.239990	2980.270020	2980.270020	595400
2021-11-26	2973.040039	2985.770020	2930.310059	2936.439941	2936.439941	594700
2021-11-29	2906.149902	2930.219971	2890.780029	2909.320068	2909.320068	841700
2021-11-30	2932.709961	2942.929932	2822.729980	2839.010010	2839.010010	982400
2021-12-01	2860.120117	2905.739990	2837.030029	2899.719971	2899.719971	563100

5. 로우, 컬럼을 모두 이용하여 스칼라 검색, (at[], iat[])¶

kospi 데이터프레임의 정보 중 로우가 '2021년 10월 1일'이고 컬럼이 'volume'인 스칼라값을 확인해 봅니다. at[]을 이용 시 첫번째로 로우값과 두번째로 컬럼값을 전달하여 사용합니다.

In [81]:

kospi.at['2021-10-01', 'Volume']

Out[81]:

정확한 값을 가져왔는지 확인하기 위해 .loc[]을 이용하여 '2021-10-01'의 로우값을 확인하면 아래와 같이 'Volume' 컬럼이 854800으로 올바른 값을 가져온 것을 확인할 수 있습니다.

In [83]:

kospi.loc['2021-10-01']

Out[83]:

Open           3056.209961
High           3062.600098
Low            3015.010010
Close          3019.179932
Adj Close      3019.179932
Volume       854800.000000
Name: 2021-10-01, dtype: float64

.iat[]을 이용 시 데이터프레임의 로우와 칼럼의 순서를 위치정보로 전달하여 값을 얻을 수 있습니다. 위외 동일한 스칼라값을 확인하기 위해서 kospi 데이터프레임의 로우와 컬럼에서 위치를 확인합니다. 위치를 확인하기 위해서 아래와 같이 get_loc()함수를 kospi 데이터 프레임의 index와 columns에 사용합니다.

In [91]:

print ("Row Index : {}, Col Index : {}".format(kospi.index.get_loc('2021-10-01'), kospi.columns.get_loc('Volume')))

Row Index : 188, Col Index : 5

위치값을 확인하면 로우는 188번째 값이고 컬럼은 5번째값임을 알 수 있습니다. 이 위치 정보를 .iat[]에 이용하여 해당 위치의 스칼라값을 확인하면 처음 확인했던 854800이 출력되는 것을 확인할 수 있습니다.

In [92]:

kospi.iat[kospi.index.get_loc('2021-10-01'), kospi.columns.get_loc('Volume')]

Out[92]:

6. 불리언 선택을 이용하여 로우 선택¶

불리언 선택을 이용하여 kospi의 종가가 평균보다 작았던 로우를 선택해보겠습니다. 우선 kospi데이터 프레임의 종가 평균을 얻기 위해 mean()을 사용하고 Close 컬럼의 평균값을 확인합니다. 그리고 이값을 불리언 선택으로 사용하여 kospi 종가가 평균보다 낮은 로우를 아래와 같이 선택합니다.

In [98]:

kospi[kospi.Close < kospi.mean().Close]

Out[98]:

	Open	High	Low	Close	Adj Close	Volume
Date
2020-12-28	2820.949951	2834.590088	2799.560059	2808.600098	2808.600098	1006200
2020-12-29	2810.550049	2823.439941	2792.060059	2820.510010	2820.510010	1046800
2020-12-30	2820.360107	2878.209961	2809.350098	2873.469971	2873.469971	1074000
2021-01-04	2874.500000	2946.540039	2869.110107	2944.449951	2944.449951	1026500
2021-01-05	2943.669922	2990.570068	2921.840088	2990.570068	2990.570068	1519900
...	...	...	...	...	...	...
2021-12-20	3001.330078	3001.330078	2962.070068	2963.000000	2963.000000	377100
2021-12-21	2981.669922	2984.560059	2955.899902	2975.030029	2975.030029	410500
2021-12-22	2993.500000	3000.790039	2976.649902	2984.479980	2984.479980	461400
2021-12-23	2998.020020	3000.699951	2980.909912	2998.169922	2998.169922	483300
2021-12-24	3009.479980	3025.770020	3009.479980	3012.429932	3012.429932	537500

113 rows × 6 columns

kospi 데이터프레인 전체 기간중 몇일이 평균이하였는지 확인하기 위해서 head()와 tail()을 사용합니다.

In [103]:

kospi.head()

Out[103]:

	Open	High	Low	Close	Adj Close	Volume
Date
2020-12-28	2820.949951	2834.590088	2799.560059	2808.600098	2808.600098	1006200
2020-12-29	2810.550049	2823.439941	2792.060059	2820.510010	2820.510010	1046800
2020-12-30	2820.360107	2878.209961	2809.350098	2873.469971	2873.469971	1074000
2021-01-04	2874.500000	2946.540039	2869.110107	2944.449951	2944.449951	1026500
2021-01-05	2943.669922	2990.570068	2921.840088	2990.570068	2990.570068	1519900

In [106]:

kospi.tail()

Out[106]:

	Open	High	Low	Close	Adj Close	Volume
Date
2021-12-20	3001.330078	3001.330078	2962.070068	2963.000000	2963.000000	377100
2021-12-21	2981.669922	2984.560059	2955.899902	2975.030029	2975.030029	410500
2021-12-22	2993.500000	3000.790039	2976.649902	2984.479980	2984.479980	461400
2021-12-23	2998.020020	3000.699951	2980.909912	2998.169922	2998.169922	483300
2021-12-24	3009.479980	3025.770020	3009.479980	3012.429932	3012.429932	537500

In [107]:

kospi.shape

Out[107]:

(247, 6)

위와 같이 kospi 데이터프레임은 247개의 로우를 갖고 있으며 2020년 12월 28일부터 2021년 12월 24일까지 데이터임을 알 수 있습니다. 따라서 해당 기간의 247일 동안 113일이 평균이하의 종가임을 알 수 있습니다.

특정 날짜의 종가와 볼륨을 가져오는 경우와 같이 여러 조건을 함께 사용하는 경우 아래와 같이 사용합니다. kospi Close(종가)가 3000 이상이고 Volume(거래량)이 1000000일때의 'Close'와 'Volume' 컬럼을 확인할 때 아래와 같이 불리언 선택을 사용할 수 있습니다.

In [112]:

kospi[(kospi.Close > 3000) & (kospi.Volume > 1000000)] [['Close', 'Volume']]

Out[112]:

	Close	Volume
Date
2021-01-07	3031.679932	1524700
2021-01-08	3152.179932	1297900
2021-01-11	3148.449951	1712500
2021-01-12	3125.949951	1388600
2021-01-13	3148.290039	1578000
...	...	...
2021-07-12	3246.469971	1134600
2021-07-13	3271.379883	1149500
2021-07-15	3286.219971	1171900
2021-07-16	3276.909912	1066100
2021-07-19	3244.040039	1095100

105 rows × 2 columns

'Programming > Pandas' 카테고리의 다른 글

[Pandas] 중복 데이터 제거하기 (0)	2022.01.04
[Pandas] 모든 컬럼이 NaN일 때만 삭제하기 (0)	2022.01.03
[Pandas] 리인덱싱 (0)	2022.01.01
[Pandas] 불리언 선택 (0)	2021.12.31
[Pandas] 날짜범위 index 만들기 (0)	2021.12.26

생각하는 톱니바퀴

[Pandas] 데이터프레임 로우, 컬럼 정보 확인하기

DataFrame안의 데이터 접근¶

1. 데이터 프레임의 칼럼 선택하기, []연산자¶

2. 데이터 프레임의 칼럼 가져오기, '.' 속성¶

3. 데이터 프레임의 로우 가져오기, .loc[]¶

4. 데이터 프레임의 로우 가져오기 .iloc[]¶

5. 로우, 컬럼을 모두 이용하여 스칼라 검색, (at[], iat[])¶

6. 불리언 선택을 이용하여 로우 선택¶

'Programming > Pandas' 카테고리의 다른 글

티스토리툴바

[Pandas] 데이터프레임 로우, 컬럼 정보 확인하기

DataFrame안의 데이터 접근¶

1. 데이터 프레임의 칼럼 선택하기, []연산자¶

2. 데이터 프레임의 칼럼 가져오기, '.' 속성¶

3. 데이터 프레임의 로우 가져오기, .loc[]¶

4. 데이터 프레임의 로우 가져오기 .iloc[]¶

5. 로우, 컬럼을 모두 이용하여 스칼라 검색, (at[], iat[])¶

6. 불리언 선택을 이용하여 로우 선택¶

'Programming > Pandas' 카테고리의 다른 글

관련글

티스토리툴바