[Pandas] Index 객체, reindex

Index 객체, reindex

• 표 형식의 데이터에서 각 행과 열에 대한 헤더(이름)과 다른 메타데이터(축의 이름)를 저장하는 객체
• Series나 DataFrame 객체를 생성할 때 사용되는 배열이나 또는 순차적인 이름은 내부적으로 색인으로 변환됨

import pandas as pd
from pandas import Series, DataFrame
import numpy as np

1. Index 객체

obj = Series(range(3), index=['a', 'b', 'c'])
obj

a    0
b    1
c    2
dtype: int64

 

idx = obj.index
idx

Index(['a', 'b', 'c'], dtype='object')

 

idx[1]

'b'

 

idx[1:]

Index(['b', 'c'], dtype='object')

 

2. ReIndex

• 재색인(ReIndex): 새로운 색인에 맞도록 객체를 새로 생성하는 기능, row, column index 모두 변경 가능
• 주의: Index 객체는 변경할 수 없음, 변경을 위해서는 reindex 사용

#idx[1] = 'd'
#idx[1]
#TypeError: Index does not support mutable operations

• Index객체는 변경 불가능하나 미리 만들어서 공유할 수 있음

idx2 = pd.Index(np.arange(3))
idx2

Int64Index([0, 1, 2], dtype='int64')

 

1) Series 객체의 reindex

obj2 = Series([2.3, 4.3, -4.1, 3.5], index=['d', 'b', 'a', 'c'])
obj2

d    2.3
b    4.3
a   -4.1
c    3.5
dtype: float64

 

obj2 = obj2.reindex(['a', 'b', 'c', 'd', 'e'])
obj2

a   -4.1
b    4.3
c    3.5
d    2.3
e    NaN
dtype: float64

 

obj3 = obj2.reindex(['a', 'b', 'c', 'd', 'e', 'f'], fill_value=0.0)
obj3

a   -4.1
b    4.3
c    3.5
d    2.3
e    NaN
f    0.0
dtype: float64

 

2) DataFrame reindex

df = DataFrame(np.arange(9).reshape(3,3), 
               index=['a', 'b', 'd'], columns=['x', 'y', 'z'])
df

	x	y	z
a	0	1	2
b	3	4	5
d	6	7	8

 

df2 = df.reindex(['a', 'b', 'c', 'd'])
df2

	x	y	z
a	0.0	1.0	2.0
b	3.0	4.0	5.0
c	NaN	NaN	NaN
d	6.0	7.0	8.0

 

col = ['x', 'y', 'w', 'z']
df2 = df.reindex(columns=col)
df2

	x	y	w	z
a	0	1	NaN	2
b	3	4	NaN	5
d	6	7	NaN	8

 

• 보간법: 주로 시계열 데이터에서 값을 보간하기 위해 사용됨
• method='ffill'은 앞에 있는 값으로 보간
• DataFrame 객체에서 보간: row에 대해서만 보간

df3 = df.reindex(index=['a', 'b', 'c', 'd'], columns=col)
df3

	x	y	w	z
a	0.0	1.0	NaN	2.0
b	3.0	4.0	NaN	5.0
c	NaN	NaN	NaN	NaN
d	6.0	7.0	NaN	8.0

 

df3 = df.reindex(index=['a', 'b', 'c', 'd'], columns=col, method='ffill')
df3

	x	y	w	z
a	0	1	NaN	2
b	3	4	NaN	5
c	3	4	NaN	5
d	6	7	NaN	8

 

3) ix를 이용한 reindex

df

	x	y	z
a	0	1	2
b	3	4	5
d	6	7	8

 

df4 = df.ix[['a', 'b', 'c', 'd'], col]
df4 

	x	y	w	z
a	0.0	1.0	NaN	2.0
b	3.0	4.0	NaN	5.0
c	NaN	NaN	NaN	NaN
d	6.0	7.0	NaN	8.0

 

3. Row, Colum 삭제

1) Series에서 index 삭제하기

obj4 = Series(np.arange(5), index=['a', 'b', 'c', 'd', 'e'])
obj4

a    0
b    1
c    2
d    3
e    4
dtype: int64

 

obj5 = obj4.drop('c')
obj5

a    0
b    1
d    3
e    4
dtype: int64

 

obj5 = obj4.drop(['b', 'd', 'c'])
obj5

a    0
e    4
dtype: int64

 

2) DataFrame에서 row 삭제하기

df5 = DataFrame(np.arange(16).reshape(4,4),
               index=['seoul', 'busan', 'daegu', 'incheon'],
               columns=['one', 'two', 'three', 'four'])
df5

	one	two	three	four
seoul	0	1	2	3
busan	4	5	6	7
daegu	8	9	10	11
incheon	12	13	14	15

 

new_df = df5.drop(['seoul', 'busan'])
new_df

	one	two	three	four
daegu	8	9	10	11
incheon	12	13	14	15

 

3) DataFrame에서 colum 삭제하기

• column과 axis를 같이 줘야함

new_df = df5.drop('three', axis=1)
new_df

	one	two	four
seoul	0	1	3
busan	4	5	7
daegu	8	9	11
incheon	12	13	15

 

new_df = df5.drop(['two', 'four'], axis=1)
new_df

	one	three
seoul	0	2
busan	4	6
daegu	8	10
incheon	12	14