Pandas에서 데이터 인덱싱 정리 & 예시

Pandas에서 데이터 인덱싱 정리 & 예시

1. 이름(label)으로 인덱싱 (.loc[])

기본 형태

데이터 선택 방식 사용법 (.loc[]) 단축 형태

하나의 행 선택	df.loc["row4"]	-
여러 행 선택 (리스트)	df.loc[["row4", "row5", "row3"]]	-
여러 행 선택 (슬라이싱)	df.loc["row2":"row5"]	df["row2":"row5"]
하나의 열 선택	df.loc[:, "col1"]	df["col1"]
여러 열 선택 (리스트)	df.loc[:, ["col4", "col6", "col3"]]	df[["col4", "col6", "col3"]]
여러 열 선택 (슬라이싱)	df.loc[:, "col2":"col5"]	-

🔹 예제

import pandas as pd

data = {
    "col1": [1, 2, 3, 4, 5],
    "col2": [10, 20, 30, 40, 50],
    "col3": [100, 200, 300, 400, 500]
}

df = pd.DataFrame(data, index=["row1", "row2", "row3", "row4", "row5"])

# 하나의 행 선택
print(df.loc["row4"])

# 여러 행 선택
print(df.loc[["row4", "row5", "row3"]])

# 여러 행 슬라이싱
print(df.loc["row2":"row4"])

# 하나의 열 선택
print(df["col1"])

# 여러 열 선택
print(df[["col1", "col3"]])

# 여러 열 슬라이싱
print(df.loc[:, "col1":"col2"])

---

🔹 2. 위치(index)로 인덱싱 (.iloc[])

기본 형태

데이터 선택 방식 사용법 (.iloc[]) 단축 형태

하나의 행 선택 (위치)	df.iloc[8]	-
여러 행 선택 (리스트)	df.iloc[[4, 5, 3]]	-
여러 행 선택 (슬라이싱)	df.iloc[2:5]	df[2:5]
하나의 열 선택 (위치)	df.iloc[:, 3]	-
여러 열 선택 (리스트)	df.iloc[:, [3, 5, 6]]	-
여러 열 선택 (슬라이싱)	df.iloc[:, 3:7]	-

🔹 예제

import pandas as pd

data = {
    "col1": [1, 2, 3, 4, 5],
    "col2": [10, 20, 30, 40, 50],
    "col3": [100, 200, 300, 400, 500]
}

df = pd.DataFrame(data)

# 하나의 행 선택 (위치 기반)
print(df.iloc[3])

# 여러 행 선택 (리스트)
print(df.iloc[[4, 3, 2]])

# 여러 행 선택 (슬라이싱)
print(df.iloc[1:4])

# 하나의 열 선택
print(df.iloc[:, 1])

# 여러 열 선택
print(df.iloc[:, [0, 2]])

# 여러 열 선택 (슬라이싱)
print(df.iloc[:, 1:3])

---

📝 정리

1. .loc[]
   • 행, 열 이름(Label) 기반 선택
   • 슬라이싱 시 마지막 값도 포함됨
2. .iloc[]
   • 행, 열 위치(Index) 기반 선택
   • 슬라이싱 시 마지막 값은 포함되지 않음

 

DataFrame 수정 코드 정리

아래 코드는 주어진 DataFrame에서 ID 1, 20, 21에 대한 수정 작업을 수행합니다.

---

정답 코드

import pandas as pd

# CSV 파일 로드 (ID를 인덱스로 설정)
df = pd.read_csv('data/body_imperial1.csv', index_col=0)

# 1. ID 1의 Weight 값을 200으로 변경
df.loc[1, 'Weight (Pound)'] = 200

# 2. ID 21의 행 삭제
df.drop(21, axis='index', inplace=True)

# 3. ID 20의 행 추가 (Height: 70, Weight: 200)
df.loc[20] = [70, 200]

# 최종 DataFrame 출력
df

---

📝 코드 설명

1. ID 1의 무게를 200으로 변경
   • .loc[1, 'Weight (Pound)']를 사용해 ID 1의 'Weight (Pound)' 값만 200으로 변경합니다.
2. df.loc[1, 'Weight (Pound)'] = 200
3. ID 21의 행 삭제
   • df.drop(21, axis='index', inplace=True)
     → ID가 21인 행을 삭제합니다.
   • axis='index'를 지정해 행(row) 기준으로 삭제하도록 설정합니다.
   • inplace=True를 사용하여 DataFrame을 직접 수정합니다.
4. df.drop(21, axis='index', inplace=True)
5. ID 20의 행 추가
   • .loc[20] = [70, 200]
     → 새로운 ID 20을 추가하고, Height = 70, Weight = 200 값을 설정합니다.
6. df.loc[20] = [70, 200]

---

최종 DataFrame 예시

ID Height (Inch) Weight (Pound)

0	73.8470	241.8936
1	70.0000	200.0000
2	74.1101	212.7409
...	...	...
19	61.9442	113.6491
20	70.0000	200.0000

✔ ID 1의 Weight 값이 200으로 수정됨
✔ ID 21이 삭제됨
✔ ID 20이 추가됨

 

index_col=0 & inplace=True 쉽게 정리!

---

1. index_col=0

• CSV 파일에서 첫 번째 열(column)을 인덱스로 사용하게 만듦.
• 데이터를 불러올 때 ID나 특정 열을 **행 인덱스(index)**로 설정할 수 있음.

예제

df = pd.read_csv("data.csv", index_col=0)  

✔ 첫 번째 열(ID)을 행 인덱스로 사용!
→ df.loc[1] 하면 ID가 1인 행을 가져옴.

---

2. inplace=True

• 원본 데이터(df)를 바로 수정함.
• 기본적으로 drop()이나 replace() 같은 함수는 새로운 DataFrame을 반환하지만,
  inplace=True를 사용하면 원본 데이터 자체를 변경함.

예제

df.drop(21, axis='index', inplace=True)  

✔ ID 21인 행을 삭제하고, 원본 DataFrame이 바로 변경됨.
🚨 inplace=True가 없으면 df = df.drop(21)처럼 새로운 변수에 저장해야 함!

---

간단 비교

옵션 설명 사용 예제

index_col=0	CSV의 첫 번째 열을 인덱스로 설정	pd.read_csv("data.csv", index_col=0)
inplace=True	원본 DataFrame을 바로 수정	df.drop(21, inplace=True)

✔ index_col=0 → CSV 불러올 때 ID 같은 특정 열을 인덱스로 사용
✔ inplace=True → DataFrame을 즉시 수정하여 변경 사항을 유지