[pandas] Series 데이터 정렬하기 sort_values(), .value_counts(), .unique()

 

 

 

pandas Series 정렬 sort_values(), value_counts, unique¶

 

sort_values() 사용¶

 

• ascending: 오름차순으로 정렬
• key: 정렬 기준 함수(주로 lambda 함수 사용)
• na_position: 결측이 있는 경우 어디에 배치할 것인지 결정 {first, last}

In [1]:

import pandas as pd
import numpy as np

In [2]:

S = pd.Series(np.random.randint(1,10,100)) #1과 10 사이의 숫자를 100개 생성
S.iloc[0:3] = np.nan # 0부터 3까지 결측치로 변환

S.head(10)

Out[2]:

0    NaN
1    NaN
2    NaN
3    2.0
4    7.0
5    6.0
6    9.0
7    7.0
8    4.0
9    7.0
dtype: float64

In [3]:

# sort_values()를 사용한 Series 내림차순 정렬
S.sort_values() # default: ascending = True, key = None, na_position = last

Out[3]:

14    1.0
32    1.0
35    1.0
20    1.0
48    1.0
     ... 
6     9.0
45    9.0
0     NaN
1     NaN
2     NaN
Length: 100, dtype: float64

In [4]:

# sort_values()를 사용한 Series 오름차순 정렬, nan 값도 제일 앞으로 정렬
S.sort_values(ascending = False, key = None, na_position = 'first')

Out[4]:

0     NaN
1     NaN
2     NaN
36    9.0
23    9.0
     ... 
35    1.0
86    1.0
48    1.0
80    1.0
32    1.0
Length: 100, dtype: float64

In [ ]:

 

Series 요약 함수 value_counts, unique¶

 

value_counts : Series의 구성 요소를 빈도 순서대로 출력 (결측값 포함X)¶

 

• ascending: 오름차순으로 정렬
• normalize: 빈도 대신 비율을 출력

 

unique : Series에 있는 고유 값을 출력 (결측값 포함)¶

 

• 출력 값의 데이터 타입: ndarray
• 범주형 변수와 연속형 변수를 판단하는데 사용 가능(unique 값의 길이 측정 후 판단)

In [9]:

# value_counts() 범주형 변수에 사용, 기본 내림차순
S.value_counts()

Out[9]:

2.0    15
9.0    14
1.0    13
6.0    13
3.0    12
7.0    11
4.0     8
8.0     7
5.0     4
dtype: int64

In [10]:

# value_counts(normalize=True) 빈도가 아닌 비율을 보여줌
S.value_counts(normalize=True)

Out[10]:

2.0    0.154639
9.0    0.144330
1.0    0.134021
6.0    0.134021
3.0    0.123711
7.0    0.113402
4.0    0.082474
8.0    0.072165
5.0    0.041237
dtype: float64

In [11]:

# value_counts(normalize=True, ascending=True) 비율을 오름차순으로 정렬
S.value_counts(normalize=True, ascending=True)

Out[11]:

5.0    0.041237
8.0    0.072165
4.0    0.082474
7.0    0.113402
3.0    0.123711
1.0    0.134021
6.0    0.134021
9.0    0.144330
2.0    0.154639
dtype: float64

In [12]:

S.unique()

Out[12]:

array([nan,  2.,  7.,  6.,  9.,  4.,  5.,  1.,  8.,  3.])

In [14]:

# unique 값의 길이를 측정했을 때 고유값이 10개이므로 연속형이 아닌 범주형 데이터임을 알 수 있음
len(S.unique())

Out[14]:

10

In [ ]:

In [ ]:

In [ ]: