학습 목표

- 원하는 데이터를 조건을 활용하여 불러온다.

핵심 키워드

- ==

- loc

- boolean indexing

- True / False

- &, |

학습하기

학습 내용

== 활용하기

df["상권업종중분류명"] == "약국/한약방"

상권업종중분류명이 약국/한약방인지를 확인합니다.

결과 : 

df[df["상권업종중분류명"] == "약국/한약방"]

df["상권업종중분류명"] == "약국/한약방"에 df[]을 덮어쓰면 해당 조건에 True인 데이터만 가져옵니다.

df_medical = df[df["상권업종중분류명"] == "약국/한약방"].copy()

다른 목적으로 사용한다면 copy()를 해야 warning이 뜨지 않거나 원본에 영향을 미치지 않습니다. 그리고 이 데이터를 df_medical이라는 변수에 넣습니다.

2개의 조건 사용하기

df[df["상권업종대분류명"] == "의료"]]

이번에도 상권업종대분류명이 의료인 데이터를 불러옵니다.

결과 : 

이제 2개의 조건을 사용해봅니다.

df.loc[df["상권업종대분류명"] == "의료"]["상권업종중분류명"]

상권업종대분류명이 의료인 데이터의 상권업종중분류명을 가져오고 싶을 때 loc를 함께 사용합니다.

결과 : 

df.loc[df["상권업종대분류명"] == "의료", "상권업종중분류명"]

이 소스는 위와 같은 결과를 출력합니다. 그런데 첫번째 방법은 의료로 검색하고, 또 상권업종중분류명에 검색하므로 속도가 느립니다. 따라서 이 방법을 권장합니다.

결과 : 

조건에 맞는 데이터 개수 세기

df.loc[df["상권업종대분류명"] == "의료", "상권업종중분류명"].value_counts()

value_counts로 데이터의 갯수를 셀 수도 있습니다.

결과 : 

m = df["상권업종대분류명"] == "의료"
df.loc[m, "상권업종중분류명"].value_counts()

boolean indexing을 해서 다음과 같이 코드를 작성할 수도 있습니다. 위와 결과는 같습니다.

결과 : 

유사의료업 색인하기

df["상권업종중분류명"] ==  "유사의료업"

상권업종중분류명이 유사의료업인 데이터인지 체크합니다.

결과 : 

df[df["상권업종중분류명"] ==  "유사의료업"]

상권업종중분류명이 유사의료업인 데이터만 불러옵니다.

결과 : 

df[df["상권업종중분류명"] ==  "유사의료업"].shape

데이터의 크기, 즉 행과 열의 수를 확인합니다.

결과 : 

df["상호명"].value_counts().tail()

데이터를 뒤에서부터 5개를 봅니다.

결과 : 

df_medi["상호명"].value_counts().head(10)

상호명의 데이터 당 갯수를 세고, 10개를 출력합니다.

결과 : 

여러 조건으로 색인하기

df["상권업종소분류명"] == "약국"

상권업종소분류명이 약국인지 확인합니다.

결과 : 

df["시도명"] == "서울특별시"

시도명이 서울특별시인지 확인합니다.

결과 : 

위 2가지 조건을 동시에 쓰고 싶을 때는 and나 or을 사용합니다.

and는 두 조건이 모두 True여야 True를 출력하고, or은 두 조건 중 하나만 True여도 True를 출력합니다.

True and True => True

True and False => False

True or True => True

True or False => True

(df["상권업종소분류명"] == "약국") & (df["시도명"] == "서울특별시")

연산자 우선순위에 의해 각 조건에 ()를 걸어줍니다. and는 &, or은 |를 사용하여 조건을 정해줍니다.

결과 : 

df_seoul_drug = (df["상권업종소분류명"] == "약국") & (df["시도명"] == "서울특별시")
print(df_seoul_drug.shape)
df_seoul_drug

Jupyter notebook은 가장 마지막에 있는 데이터만 출력합니다!

결과 :