sk-choi

This is the place that record about something today I learned.

Intro

이 글에서는 Pandas 라이브러리의 corr 메서드, drop 메서드, columns 메서드에 대해서 다룹니다.

01. 데이터프레임의 컬럼별 상관관계 분석하기(corr)

데이터 프레임의 컬럼별 상관관계를 분석하고 싶다면 

df.corr()

print(df.corr())

위와 같은 선언을 통해서 corr() 메서드를 통해 컬럼별 상관관계를 확인할 수 있다.

상관관계는 -1 ~ 1 사이의 값을 가지는데, 양수일 경우 양의 상관관계, 음수일 경우 음의 상관관계, 0은 상관관계를 갖지 않는다고 볼 수 있다.

corr() 메서드의 기본적인 옵션에는 method가 있는데 pearson, kendall, spearman이라는 방식을 각각 선택할 수 있다.

02. 특정 칼럼 삭제하기(drop)

drop은 기본적으로 데이터 프레임에서 특정 칼럼을 없앨 때 사용한다.

drop에는 여러 옵션이 존재하는데, labels, axis, index, columns, inplace, errors 등의 옵션이 존재한다.

labels: 삭제할 레이블, axis 지정 필요

axis: 0일 경우 index, 1일 경우 columns를 의미한다.

index: index명을 통해 바로 삭제 가능

columns: columns명을 통해 바로 삭제 가능

inplace: 원본을 변경할지 정하는 옵션. True일 경우 원본이 변경

errors: 삭제할 행이나 열이 없을 때, 오류를 띄울지 결정하는 옵션.

예시는 아래와 같다.

data.drop(data[data['A'] == 0].index, inplace=True)

03. 데이터 프레임의 컬럼 확인하기(columns)

데이터 프레임의 컬럼을 확인하기 위해선 다음과 같은 선언을 통해 확인이 가능하다.

df.columns

예시는 아래와 같다.

import pandas as pd

df = {'A': [1,2,3],
      'B': [4,5,6],
      'C': [7,8,9] }

df = pd.DataFrame(df)

print(df.columns)

# Index(['A', 'B', 'C'], dtype='object') 출력

참고