pandas 데이터 이해하기

Index와 columns는 서로 밀접한 관계임을 알 수 있고

issubclass(pd.RangeIndex, pd.Index) 

를 통해 True가 나옴으로서 레인지인덱스가 인데스의 하위 클래스임을 알 수 있다.

*내장함수인 subclass는 첫 번째 인수가 두 번째 인수로부터 상속됐는지를 검사한다.

 

■ 데이터 형식 이해하기

넓은 의미에서 데이터는 연속데이터와 범주데이터로 나눌 수 있다.

연속 데이터는 항상 수치며 키나 몸무게, 급여와 같은 척도의 한 종류를 나타낸다.

연속 데이터는 무한 가지의 값을 가진다. 반면, 범주형 데이터는 이산이고, 한정된 수의 값을 나타내며,

색, 손에 쥔 포커 카드 종류, 시리얼 상표 등이 범주형에 속한다.

공통 데이터 형식 이름	Numpy/pandas 객체	pandas 문자열 이름	비고
Boolean	np.bool	bool	단일 바이트로 저장
Integer	np.int	int	디폴트는 64비트, Unsigned int도 사용가능 np.uint
Float	np.float	float	디폴트는 64비트
Complex	np.complex	complex	데이터 분석에 거의 쓰이지 않음
Object	np.object	O, object	대개 문자열이지만 복수 개의 형식을 가진 열 또는 다른 파이썬 객체 (튜플, 리스트, 딕셔너리 등) 를 포괄
Datetime	np.datetime64, pd.Timestamp	datetime64	나노초 단위의 정밀도를 가진 특정 시각
Timedelta	np.timedelta64, pd.Timedelta	timedelta64	일부터 나노초 단위의 시간간격
Categorical	pd.Categorical	category	pandas에만 있음. 고윳값이 별로 없는 열 객체에 유용

get_dtype_counts 메소드를 사용해 각 형식별로 개수를 구할 수 있다.

 

>>> movie.get_dtype_counts()

float64    13
int64       3
object     12
dtype: int64

 

동질성 데이터(Homogeneous data)는 모두 같은 데이터 형식을 가진 열을

일컫는 또 다른 용어다. DataFrame 전체로는 서로 다른 열이

서로 다른 이질성 데이터(heterogeneous data)를 가질 수 있다.

객체 데이터 형식은 다른 데이터 형식과 구분된다.

객체 데이터 형식으로 돼 있는 열은 모든 파이썬 객체를 그 값으로 가질 수 있다.

대개 열이 객체 데이터 형식일 경우에는 전체 열이 문자열이다.

그러나 반드시 그렇지는 않고 정수, 불리언, 문자열 심지어 리스트나

딕셔너리 같은 또 다른 복잡한 파이썬 객체일 수도 있다.

객체 데이터 형식은 pandas 가 특정한 단일 형식으로 지정할 수 없는

모든 열을 갖는 포괄적인 데이터 형식이다.

 

 

pandas 데이터 형식 대부분은 Numpy로 부터 정의됐다.

이러한 밀접성 덕분에 사용자들은 pandas에 Numpy연산을 쉽게 접목해

사용할 수 있다.

pandas가 점차 확장되고 보편화될수록 문자열을 가진 열에는 무작정 객체 형식을

너무 일반적으로 사용하는 경향이 있다.