Pandas - DataFrame 가공하기(feat.apply())

데이터 전처리를 할 때, 데이터프레임 또는 시리즈의 레코드를 가공해야 하는 경우가 있다.

칼럼 내 레코드를 한번에 가공할 때 사용하는 함수가 apply()이다.

 

사이킷런의 iris 내장데이터를 이용해, 실습을 해보자.

 

먼저, iris 데이터를 아래와 같이 불러온다.

from sklearn.datasets import load_iris
import pandas as pd

iris = load_iris()
iris_data = iris.data
iris_label = iris.target

 

그다음, iris_data를 아래와 같이 데이터프레임으로 변환한다.

iris_data = pd.DataFrame(iris_data, columns=['petal length', 'petal width', 'sepal length', 'sepal width'])
iris_data

출력해보면 다음과 같이 나올 것이다.

* 실수로 petal과 sepal의 칼럼명이 바뀌었다. 데이터는 순서대로 sepal lenth, sepal width, petal length, petal width가 맞다. 여기서 알고자 하는 부분은 데이터프레임에 적용하는 apply()함수이므로, 데이터의 정확성은 보지말고 apply()함수의 적용만 보도록 하자.

 

이제 float64형인 petal length 데이터를 int64형으로 apply() 함수를 이용해 변환해 보자.

 

기존에 불러온 petal length 데이터는 아래와 같이 float64형이다.

iris_data['petal length'].dtype

 

apply()함수를 아래와 같이 적용한다.

이때 apply()함수의 인자로는 사용자 지정 함수를 넣어주어도 되지만, 편하게 lambda함수를 사용할 수도 있다.

iris_data['petal length'] = iris_data['petal length'].apply(lambda x: int(x))

 

이제 다시 iris_data의 데이터 타입을 확인해보면, int64형으로 나올 것이다.

iris_data['petal length'].dtype

자세히 확인하기 위해, 다시 iris_data를 찍어보자.

iris_data

petal length 데이터가 바뀐 것을 알 수 있다.

int() 메서드는 float형을 int형으로 변환할 때, 정수 부분을 제외한 실수 부분은 버리기 때문에 0행의 1.4가 1로 바뀌었다.