Python Pandas (1. Pandas에서 데이터 연산하기)

NumPy 의 기본 중하나는 기본 산술 연산 과 복잡한 연산 

 모두에서 연산을 빠르게 수행 할 수 있다는 점이다 . Pandas는 Numpy로부터 이러한 기능들을 대부분 

상속 받았다 . 

 

# Pandas 는 몇가지 특성을 가지고 있다 .
# 부정함수와 삼각함수 같은 단항 연산의 경우에는 유니버셜 함수가 결과물에 인덱스와 열 레이블을 보존하고
# 이항 연산의 경우 자동으로 인덱스를 보존한다
import pandas as pd
import numpy as np

rng = np.random.RandomState(42)
ser = pd.Series(rng.randint(0,10,4))
ser

 

df = pd.DataFrame(rng.randint(0,10,(3,4)) , columns=['A','B','C','D'])
df

 

 

np.exp(ser) #exp 지수연산 . 

 

np.sin(df * np.pi / 4) #좀더 복잡한 연산 

 

 

#유니버설 함수 : 인덱스 정렬
#두 개의 Series 또는 DataFrame 객체에 이항 연산을 적용하는 경우
#Pandas는 연산 수행과정에서 인덱스를 정렬한다 . 

area = pd.Series({'Alaska' : 172337 , 'Texas' : 695662 , 'California' : 423967} , name='area' )
population = pd.Series({'California' : 38332521 , 'Texas' : 26448193, 'New York': 19651127 }, name='population')

#결과 배열은 두 입력 배열의 인덱스의 합집합을 담고 있다.
population/area

area.index | population.index

#둘 중 하나라도 값이 없는 항목은 NaN 으로 처리된다 .
A = pd.Series([2,4,6] , index=[0,1,2])
B = pd.Series([1,3,5] , index=[1,2,3])
A+B

 

#NaN 값 사용을 원치 않을경우 A나 B에서 누락된 요소의 채우기 값을 선택해 명시적으로 지정가능
A.add(B,fill_value=0)

# DataFrame에서 인덱스 정렬 
A = pd.DataFrame(rng.randint(0,20,(2,2)) , columns=list('AB'))
A

B = pd.DataFrame(rng.randint(0,10,(3,3)) , columns=list('BAC'))
B

 

#두 객체의 순서와 상관없이 인덱스가 올바르게 정렬되고 결과 인덱스가 정렬된다.
A + B

#누락 된 값은 Series와 마찬가지로 fill_value를 전달할 수 있다.
fill = A.stack().mean()
A.add(B, fill_value=fill)

# DataFrame 과 Series 간의 연산할 때 인덱스와 열의 순서는 비슷하게 유지된다. 
# DataFrame 과 Serise 사이의 연산은 2차워s Numpy 배열과 1차원Numpy 배열 사이의 연산과 비슷하다.
A = rng.randint(10 , size = (3,4))
A

A - A[0]

#Pandas 에서도 연산 규칙이 기본적으로 행방향으로 적용된다 .
df = pd.DataFrame (A , columns=list('QRST'))
df - df.iloc[0]

 

#열 방향으로 연산할려면
df.subtract(df['R'] ,axis=0 )

halfow = df.iloc[0, ::2]
halfow

 

df - halfow