[Kaggle Course] Indexing, Selecting & Assigning

1. Key-indexing by Dictionary of Python

오른쪽 하단 사진을 보면 알다시피, reviews.country로 해도 됨 (dataframe_name.column_name)

 

2. Indexing in Pandas

iloc~ index

- dataset을 여러개의 리스트, 즉 큰 matrix로 다루어야할 때 사용, 

- 해당 값의 인덱스 위치 값을 알 때 사용,

-  차이점: python stdlib indexing scheme을 사용하므로, 0:10을 넣으면 0~9까지 총 10개만.

loc~Categorical of float numbers

- column_name(indices)를 이용하여 값에 접근 

-  차이점: 0:10을 넣으면 0~10 총 11개를 선택함. 이름으로 접근하니깐.

 

2-1. Index-based selection

.iloc[idx_row, idx_column]

슬라이싱 가능	슬라이싱 말고도 list를 넣어도 됨.
음수 인덱싱으로 뒤에서부터 참조가능. .tail()가 같은 기능	원래 하던 대로 0번째를 가져올 수야 있지만 pandas를 좀 더 응용해본다면 .iloc[0]을 쓰는 법을 습관화 해두자

+) first row만 가져오고 싶다면

first_row = reviews.iloc[0,:]

+) review의 description에서 처음 10개의 row를 출력하고 싶다면

reviews.description.iloc[:10] #way1
reviews.description.head(10)  #way2
reviews.loc[:9, "description"]  #way3

 

 

2-2. Label-based selection

.loc[name/num_of_row, name_of_column]

label로 이루어진 index를 다룰 때 유용. 그러나 index는 바꿀 수 없다는 성질을 갖고 있기에, 그럴 땐 -> go 3

+) review의 description에서 처음 10개의 row를 출력하고 싶다면

reviews.description.head(10)  #way1
reviews.loc[:9, "description"]  #way2
#reviews dataset의 row index가 우연처럼 0부터 시작한다는 점이 iloc과 일치하여 햇갈릴 수 있으니 주의

+) 원하는 row만 뽑아오고 싶을 때 - 현재는 1, 2, 3, 5, 8 row만 가져오려함 -> 리스트로 감싸기 필수!

sample_reviews = reviews.loc[[1,2,3,5,8]]

+) 원하는 column과 row를 뽑아오고 싶을 때 -> 새로운 DataFrame으로 다뤄볼 수 있다!!

 

3. Manipulating the index

.set_index(row_index_name)

ex) .set_index("title") _ "title"이란 이름의 row_index를 추가해줌.

index의 immutable한 성질에 대한 보완책

 

 

4. Conditional selection _ with .loc[ ]

True/False가 되는 조건문 loc[ ]에 넣으면 원하는 값만 group으로 모아서 추출 가능

1번의 표의 왼쪽 사진과 위의 사진을 비교해보세요. 그저 데이터를 뽑아오는 것뿐만 아니라 이를 통해 새로운 조건을 부여하여 그에 따라 새롭게 결과를 도출할 수도 있음.

 

 

 - & 연산자로 두 질문을 한 번에 검사할 수 있음

reviews.loc[(reviews.country == 'Italy') & (reviews.points >= 90)]

 

 

 - | 연산자로 두 질문을 한 번에 검사할 수 있음

OR이다 보니 점수 좋은 France와인도 몇 개 생겼군.

reviews.loc[(reviews.country == 'Italy') | (reviews.points >= 90)]

 

 

4-1. Conditional selectors Built-in Pandas

- .isin()

리스트 안의 원소 중 단 하나라도 일치한다면 해당 row을 모아서 반환

하나만 해도 됨. 바로 아래의 코드 블럭은 위의 reviews.country == 'Italy'와 같은 결과가 나오는 코드

italian_wines = reviews.loc[(reviews.country.isin(['Italy']))]

밑의 예시는 이탈리아와 프랑스산 와인만 골라보는 코드 -> 여러 개도 한 번에 가능

reviews.loc[reviews.country.isin(['Italy', 'France'])]

 

5. Assigning data to DataFrame

해당 column의 모든 값을 "everyone"으로 바꾸게 됨 문자열은 하나의 값으로 인식하며, iterable한 대상으로 인식되지 않음을 주의

해당 column에 반복대상(리스트, range() 등등)와 같은 것을 넣어주면 차례대로 값이 입력됨.

 

 

 

---

Exercise

 

 

'country'와 'variety' column에서

처음 100개의 row를 뽑아 df에 저장하는 방법

 

way1 - loc은 entry의 value에 대한 것이므로 [:100]와 같은 slicing은 인식되지 않음.

그러니, [ ] 필요없이 그저 :99(시작:마지막)을 적어야 함을 유의하자

df = reviews.loc[:99, ['country', 'variety']]

way2 - 그래서 0~99개의 숫자를 가진 리스트를 생성하려면 아래와 같이 해주어도 됨.

df = reviews.loc[[i for i in range(100)],['country','variety']]

way3 - iloc을 쓰고 싶다면 위의 column들의 각각의 index를 알고 있다면 가능

iloc은 python slicing처럼 마지막 값은 제외시키는 점 주의

df = reviews.iloc[:100, [0,11]]

 

 

문제2

Australia 또는 New Zealand에서 생산된 와인 중 최소 95점 이상 받은 와인을

top_oceania_wines라는 이름을 가지는 dataFrame 생성하기

top_oceania_wines = reviews.loc[(reviews.points >= 95) & reviews.country.isin(["Australia","New Zealand"]) ]