필요_데이터_선택하기

칼럼명으로 데이터 선택하기

데이터의 칼럼이 많은 경우, 특정 칼럼을 기준으로 데이터프레임의 데이터를 추출할 수 있다.

import numpy as np
import pandas as pd
 
flight = pd.read_csv('Clean_Dataset.csv', encoding='cp949')

# 하나의 칼럼만 선택하기
flight[['departure_time']]

	departure_time
0	Evening
1	Early_Morning
2	Early_Morning
3	Morning
4	Morning
...	...
300148	Morning
300149	Afternoon
300150	Early_Morning
300151	Early_Morning
300152	Morning

300153 rows × 1 columns

# 여러 개의 칼럼 선택하기
flight[['airline', 'departure_time', 'source_city']]

	airline	departure_time	source_city
0	SpiceJet	Evening	Delhi
1	SpiceJet	Early_Morning	Delhi
2	AirAsia	Early_Morning	Delhi
3	Vistara	Morning	Delhi
4	Vistara	Morning	Delhi
...	...	...	...
300148	Vistara	Morning	Chennai
300149	Vistara	Afternoon	Chennai
300150	Vistara	Early_Morning	Chennai
300151	Vistara	Early_Morning	Chennai
300152	Vistara	Morning	Chennai

300153 rows × 3 columns

행 범위를 지정하여 데이터 선택하기

데이터프레임에서 슬라이싱(Slicing)을 이용하여 행(row) 범위의 데이터를 선택할 수 있다.

# 슬라이싱을 이용하여 10행부터 20행까지 데이터 가져오기
flight[10:21]

	Unnamed: 0	airline	flight	source_city	departure_time	stops	arrival_time	destination_city	class	duration	days_left	price
10	10	GO_FIRST	G8-392	Delhi	Afternoon	zero	Evening	Mumbai	Economy	2.25	1	5954
11	11	GO_FIRST	G8-338	Delhi	Morning	zero	Afternoon	Mumbai	Economy	2.33	1	5954
12	12	Indigo	6E-5001	Delhi	Early_Morning	zero	Morning	Mumbai	Economy	2.17	1	5955
13	13	Indigo	6E-6202	Delhi	Morning	zero	Afternoon	Mumbai	Economy	2.17	1	5955
14	14	Indigo	6E-549	Delhi	Afternoon	zero	Evening	Mumbai	Economy	2.25	1	5955
15	15	Indigo	6E-6278	Delhi	Morning	zero	Morning	Mumbai	Economy	2.33	1	5955
16	16	Air_India	AI-887	Delhi	Early_Morning	zero	Morning	Mumbai	Economy	2.08	1	5955
17	17	Air_India	AI-665	Delhi	Early_Morning	zero	Morning	Mumbai	Economy	2.17	1	5955
18	18	AirAsia	I5-747	Delhi	Evening	one	Early_Morning	Mumbai	Economy	12.25	1	5949
19	19	AirAsia	I5-747	Delhi	Evening	one	Morning	Mumbai	Economy	16.33	1	5949
20	20	GO_FIRST	G8-266	Delhi	Early_Morning	one	Evening	Mumbai	Economy	11.75	1	5954

특정 행, 열의 범위를 선택하여 데이터를 선택하기

데이터프레임에서 특정 행과 열의 범위를 지정하여 데이터를 선택하는 방법으로 loc과 iloc이 있다.

loc(location)	iloc(integer location)
데이터프레임의 행이나 열에 레이블로 접근	데이터프레임의 행이나 열에 인덱스 값으로 접근
인덱스 및 칼럼명을 통해 지정하는 방법	인덱스를 활용해 지정하는 방법
설정한 인덱스를 그대로 사용	0 based index로 사용

# 인덱스 새롭게 지정하기
flight.index = np.arange(100, 300253)
flight

	Unnamed: 0	airline	flight	source_city	departure_time	stops	arrival_time	destination_city	class	duration	days_left	price
100	0	SpiceJet	SG-8709	Delhi	Evening	zero	Night	Mumbai	Economy	2.17	1	5953
101	1	SpiceJet	SG-8157	Delhi	Early_Morning	zero	Morning	Mumbai	Economy	2.33	1	5953
102	2	AirAsia	I5-764	Delhi	Early_Morning	zero	Early_Morning	Mumbai	Economy	2.17	1	5956
103	3	Vistara	UK-995	Delhi	Morning	zero	Afternoon	Mumbai	Economy	2.25	1	5955
104	4	Vistara	UK-963	Delhi	Morning	zero	Morning	Mumbai	Economy	2.33	1	5955
...	...	...	...	...	...	...	...	...	...	...	...	...
300248	300148	Vistara	UK-822	Chennai	Morning	one	Evening	Hyderabad	Business	10.08	49	69265
300249	300149	Vistara	UK-826	Chennai	Afternoon	one	Night	Hyderabad	Business	10.42	49	77105
300250	300150	Vistara	UK-832	Chennai	Early_Morning	one	Night	Hyderabad	Business	13.83	49	79099
300251	300151	Vistara	UK-828	Chennai	Early_Morning	one	Evening	Hyderabad	Business	10.00	49	81585
300252	300152	Vistara	UK-822	Chennai	Morning	one	Evening	Hyderabad	Business	10.08	49	81585

300153 rows × 12 columns

# loc 사용하기
flight.loc[[102, 202, 302]]

	Unnamed: 0	airline	flight	source_city	departure_time	stops	arrival_time	destination_city	class	duration	days_left	price
102	2	AirAsia	I5-764	Delhi	Early_Morning	zero	Early_Morning	Mumbai	Economy	2.17	1	5956
202	102	Vistara	UK-819	Delhi	Afternoon	one	Night	Mumbai	Economy	6.00	1	18923
302	202	Vistara	UK-879	Delhi	Evening	one	Night	Mumbai	Economy	5.33	2	13673

# iloc 사용하기
flight.iloc[[102, 202, 302]]

	Unnamed: 0	airline	flight	source_city	departure_time	stops	arrival_time	destination_city	class	duration	days_left	price
202	102	Vistara	UK-819	Delhi	Afternoon	one	Night	Mumbai	Economy	6.00	1	18923
302	202	Vistara	UK-879	Delhi	Evening	one	Night	Mumbai	Economy	5.33	2	13673
402	302	Indigo	6E-2193	Delhi	Afternoon	one	Night	Mumbai	Economy	8.33	3	11326

조건으로 데이터 선택하기

Boolean 연산을 통해 원하는 데이터만 추출할 수도 있다.

# boolean 연산으로 조건을 만족하는 데이터만 추출하기
flight_extract = flight[(flight['price']>12000) & (flight['airline']=='Air_India')]
flight_extract.head()

	Unnamed: 0	airline	flight	source_city	departure_time	stops	arrival_time	destination_city	class	duration	days_left	price
40	40	Air_India	AI-504	Delhi	Night	one	Morning	Mumbai	Economy	11.00	1	12150
41	41	Air_India	AI-502	Delhi	Afternoon	one	Morning	Mumbai	Economy	19.08	1	12150
42	42	Air_India	AI-506	Delhi	Morning	one	Morning	Mumbai	Economy	22.83	1	12150
43	43	Air_India	AI-803	Delhi	Early_Morning	one	Morning	Mumbai	Economy	26.42	1	12150
44	44	Air_India	AI-479	Delhi	Night	one	Afternoon	Mumbai	Economy	17.75	1	12215

조건을 자주 변경해야 하거나 조건이 너무 많으면 조건을 변수로 저장하여 사용할 수도 있다.

# 조건을 별도로 지정하여 데이터 추출하기
# 가격 : 12000 초과
price_Tag = flight['price']>12000
 
# 항공사 이름 : Air_India
airline_tag = flight['airline']=='Air_India'
flight_extract2 = flight[price_Tag & airline_tag].head()
flight_extract2

	Unnamed: 0	airline	flight	source_city	departure_time	stops	arrival_time	destination_city	class	duration	days_left	price
40	40	Air_India	AI-504	Delhi	Night	one	Morning	Mumbai	Economy	11.00	1	12150
41	41	Air_India	AI-502	Delhi	Afternoon	one	Morning	Mumbai	Economy	19.08	1	12150
42	42	Air_India	AI-506	Delhi	Morning	one	Morning	Mumbai	Economy	22.83	1	12150
43	43	Air_India	AI-803	Delhi	Early_Morning	one	Morning	Mumbai	Economy	26.42	1	12150
44	44	Air_India	AI-479	Delhi	Night	one	Afternoon	Mumbai	Economy	17.75	1	12215