.iloc 메서드(정수 위치)를 이용한 인덱싱과 슬라이싱-pandas(12)

파이썬 버전 3.7 기준

pandas 버전 0.25.1 기준

.iloc 메서드(정수 위치)를 이용한 인덱싱

본 포스팅에서는 .iloc 메서드에 대해 좀 더 상세히 알아볼 것이며, 이 메서드를 이용한 인덱싱에 대해 살펴볼 것이다.

.iloc 메서드에 대한 설명

pandas는 순수하게 정수 기반 인덱싱을 위한 일련의 메서드들을 제공한다.

.iloc 메서드는 주로 정수 위치(integer position) 기반으로 사용된다.

  ○ 여기서 정수 위치 인덱싱은 0에서 축의 길이-1에 해당된다.

.iloc 메서드의 특징

.iloc 메서드의 특징으로는 다음과 같다.

  ○ python 인덱싱과 동일하게 0부터 시작한다. (0-based 인덱싱)

  ○ 파이썬과 Numpy 슬라이싱에 거의 가깝게 따른다.

    ▷ 슬라이싱을 사용할때 시작지점은 포함되어 있는 반면 마지막 입력지점은 제외된다.(python 슬라이싱과 유사)

  ○ 불린 배열(boolean array)를 사용하는 것이 가능하다.

  ○ 만약 입력된 인덱스가 범위를 넘어서는 경우에는 IndexError를 발생시킨다. 

    ▷ 슬라이싱을 할때에는 예외적으로 인덱스 범위를 넘어서도 된다.

  ○ 비정수 인덱싱을 사용할 경우 IndexError를 일으킨다.

.iloc 메서드의 사용법

.iloc 메서드는 .loc와 마찬가지로 .iloc 뒤에 대괄호를 붙여 사용한다. 

구문 형식은 다음과 같다.

.loc 메서드의 기본적인 구문 형식)

# Series에서의 사용

①  Series.iloc[ index_int ]  # Series에서의 요소 선택 

# DataFrame에서의 사용

②  DataFrame.iloc[ index_int ]                         # 행의 선택 

③  DataFrame.iloc[ index_int , column_int  ]   # 하나의 요소 선택 

index_int은 행을 선택하기 위한 인덱스의 위치 정수를 의미한다.

column_int은 행 선택 이후 해당 행에서 요소를 선택하기 위한 열의 위치 정수를 의미한다.

각 변수 위치에 슬라이싱을 입력해도 유효하다.

①은 Series에서 데이터를 선택하는 형식이며 하나의 요소를 반환한다.

②은 DataFrame에서 데이터를 선택하는 형식이며 행에 해당하는 Series를 반환한다.

③은 DataFrame에서 데이터를 선택하는 형식이며, 열의 레이블을 입력함으로써 하나의 요소를 선택하여 반환한다.

.iloc 메서드의 입력 자료형

.iloc에 사용 가능한 입력 자료형으로는 다음과 같다.

  ○ 하나의 정수 (5)

    ▷ 입력되는 정수는 위치른 나타내는 정수이다. (.loc에서의 정수사용과 다르므로 주의가 필요하다.)

  ○ 정수의 리스트 ([3, 4, 0])

  ○ 정수의 슬라이스 객체 (1:4)

  ○ 불린 배열(boolean array)

  ○ callable 함수

    ▷ 하나의 입력변수를 활용하고 인덱스에 대한 명확한 출력을 반환하여야 한다.

대괄호 .loc, .iloc, .ix 메서드의 차이

  .loc 메서드는 레이블을 이용하여 행을 선택하며,

    ▷ 슬라이싱을 할 경우 처음과 끝이 둘 다 포함된다.

  .iloc메서드는 위치 정수를 이용하여 행을 선택한다.

    ▷ 슬라이싱을 할 경우 처음은 포함되나 끝 요소는 포함이 되지 않는다.

  공통점으로는 둘 다 불린 배열(boolean array)를 이용한 인덱싱이 가능하다.

  .ix 메서드는 레이블과 위치정수 둘 다 사용이 가능한 메서드이다.

    ▷ 단, 사용하는 것은 지양된다.

.iloc 사용 예

행의 선택

아래 예제는 하나의 인덱스 레이블을 이용하여 행을 선택한 예이다.

행의 선택 예)

# pandas와 numpy의 import

In[2]: import pandas as pd

In[3]: import numpy as np

# .loc메서드를 사용하여 행을 선택하는 예

In[4]: ex_df=pd.DataFrame([[0,1,2],[3,4,5],[6,7,8]], index=['r0','r1','r2'], columns=['c0','c1','c2'])

In[5]: ex_df.iloc[2]

Out[5]: 

c0    6

c1    7

c2    8

Name: r2, dtype: int64

DataFrame에서의 하나의 요소 선택

아래 예제는 인덱스 위치정수와 열의 위치정수를 이용하여 하나의 요소를 선택하는 예제이다.

요소 선택 예)

# pandas와 numpy의 import

In[2]: import pandas as pd

In[3]: import numpy as np

# 하나의 요소 선택 예

In[6]: ex_df=pd.DataFrame([[0,1,2],[3,4,5],[6,7,8]], index=['r0','r1','r2'], columns=['c0','c1','c2'])

In[7]: ex_df.iloc[1,2]

Out[7]: 5

슬라이싱을 이용한 선택

다음 예제는 슬라이싱을 사용하여 선택을 하는 예제이다.

.loc와는 다르게 슬라이싱의 끝값이 포함이 되지 않는다.

  ○ 이는 파이썬의 슬라이싱과 동일하다.

슬라이싱에 입력된 값들이 인덱싱 범위의 밖에 있을 경우도 결과를 반환한다.

  ○ 끝 값이 인덱스 범위를 넘어설 경우 자동으로 가장 끝값까지 출력한다.

슬라이싱을 이용한 선택 예)

# pandas와 numpy의 import

In[2]: import pandas as pd

In[3]: import numpy as np

# 인덱스의 슬라이싱 사용 예

In[8]: ex_df=pd.DataFrame([[0,1,2],[3,4,5],[6,7,8]], index=['r0','r1','r2'], columns=['c0','c1','c2'])

In[9]: ex_df.iloc[0:1, 1:]

Out[9]: 

    c1  c2

r0   1   2

불린 배열을 이용한 데이터 선택

아래 예제는 불린 인덱싱을 사용하여 데이터를 선택하는 예제이다. 

불린 배열 사용 예)

# pandas와 numpy의 import

In[2]: import pandas as pd

In[3]: import numpy as np

# 인덱스의 불린 배열 사용 예

In[11]: ex_df=pd.DataFrame([[0,1,2],[3,4,5],[6,7,8]], index=['r0','r1','r2'], columns=['c0','c1','c2'])

In[12]: ex_df.iloc[[True, False, True]]

Out[12]: 

    c0  c1  c2

r0   0   1   2

r2   6   7   8

# 인덱스와 열의 불린 배열 예

In[13]: ex_df.iloc[[True, False, True], [True, False, True]]

Out[13]: 

    c0  c2

r0   0   2

r2   6   8

callable 함수를 이용한 데이터 선택

다음 예제는 람다 표현식을 이용하여 데이터를 선택하는 예제이다.

다음 예제에서 보여주는 것과 같이 함수를 사용하여 필요한 데이터를 선택하는 것이 가능하다.

람다표현식 사용 예)

# pandas와 numpy의 import

In[2]: import pandas as pd

In[3]: import numpy as np

# 예제 DataFrame와 람다표현식의 설정

In[14]: ex_df=pd.DataFrame([[0,1,2],[3,4,5],[6,7,8]], index=['r0','r1','r2'], columns=['c0','c1','c2'])

In[15]: x= lambda x: int(x)+1

# 람다표현식 사용을 통한 인덱싱 설정

In[16]: ex_df.iloc[x(0.5)]

Out[16]: 

c0    3

c1    4

c2    5

Name: r1, dtype: int64

.iloc 메서드를 이용한 배정

.iloc를 사용하여 데이터를 선택하는 것 뿐만이 아니라 배정까지 가능하다.

행에 대한 배정, 요소 하나에 대한 배정, 슬라이싱을 이용한 배정 모두 유효하다. 

행의 선택 예)

# pandas와 numpy의 import

In[2]: import pandas as pd

In[3]: import numpy as np

# 행에 대한 배정 예

In[17]: ex_df=pd.DataFrame([[0,1,2],[3,4,5],[6,7,8]], index=['r0','r1','r2'], columns=['c0','c1','c2'])

In[18]: ex_df.iloc[0]=[9,9,99]

In[19]: ex_df

Out[19]: 

    c0  c1  c2

r0   9   9  99

r1   3   4   5

r2   6   7   8

# 요소에 대한 배정 예

In[20]: ex_df.iloc[1,1]=9978

In[21]: ex_df

Out[21]: 

    c0    c1  c2

r0   9     9  99

r1   3  9978   5

r2   6     7   8

# 슬라이싱 배정 예

In[22]: ex_df.iloc[1:3, :2] =7105

In[23]: ex_df

Out[23]: 

      c0    c1  c2

r0     9     9  99

r1  7105  7105   5

r2  7105  7105   8

In[24]: ex_df.iloc[1:, 1:] = [[9400, 9401], [9402, 9402]]

In[25]: ex_df

Out[25]: 

      c0    c1    c2

r0     9     9    99

r1  7105  9400  9401

r2  7105  9402  9402

	참고자료   https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html   https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html