R과 Python에서 데이터 프레임 (I)

R

자료를 읽어와 변수 temp_cc로 저장하고 데이터 프레임의 행과 열의 수를 세어보았습니다.

• read_csv() 함수의 인수
  • skip : 지정한 파일에서 데이터 영역으로 읽지 않고 건너뛸 줄 수를 지정합니다. 이 예에서 앞의 7줄은 데이터 영역이 아니므로 7을 전달합니다.
  • locale : 텍스트 파일의 저장 인코딩이 utf-8 이 아닐경우 저장된 인코딩을 지정합니다. 앞서 데이터는 euc-kr로 인코딩된 파일로 이를 지정하였으며, locale 정보로 우리나라를 나타내는 ko를 함께 전달합니다. (이 경우 시간, 통화 등의 정보를 우리나라에 맞춰줍니다.)
• 함수 str() : R에서 자료의 구조(structure)를 보여주는 함수입니다.

library( tidyverse )

temp_cc <- read_csv("./data/temp_cc_195007_202008.csv", skip=7, locale=locale("ko", encoding="euc-kr"))

str(temp_cc)

## tibble [19,944 x 5] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
##  $ 날짜        : Date[1:19944], format: "1966-01-01" "1966-01-02" ...
##  $ 지점        : num [1:19944] 101 101 101 101 101 101 101 101 101 101 ...
##  $ 평균기온(℃): num [1:19944] -10.1 -8.9 -5.3 -3.3 -6.1 -2.8 -4.3 -7.1 -4.6 -3 ...
##  $ 최저기온(℃): num [1:19944] -16.9 -15.4 -10.3 -7.7 -12.7 -7.1 -12 -14.3 -9.9 -6.5 ...
##  $ 최고기온(℃): num [1:19944] -1.4 -0.1 -0.2 1.2 1.9 3.9 2.1 -0.6 2.3 4.2 ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   날짜 = col_date(format = ""),
##   ..   지점 = col_double(),
##   ..   `평균기온(℃)` = col_double(),
##   ..   `최저기온(℃)` = col_double(),
##   ..   `최고기온(℃)` = col_double()
##   .. )

nrow(temp_cc)

## [1] 19944

ncol(temp_cc)

## [1] 5

Python

마찬가지로 변수 temp_cc2로 저장하고 행과 열의 수를 세어 보았습니다.

• read_csv() 메소드의 인수
  • skiprows : 앞서 R의 read_csv()의 인수 skip과 동일합니다.
  • encoding : R과 동일한 기능입니다만, euc-kr⁸이 아닌 CP949⁹를 전달합니다. euc-kr은 한글 지원을 위해 유닉스 계열에서 나온 완성형 코드 조합이며 CP949는 Microsoft Windows에서 한글 인코딩을 위해 사용하는 확장완성형 입니다. 우선 CP949는 우리나라의 기존 euc-kr을 확장한 것이라고 생각하시면 좋을 것 같습니다.

• 메소드 info() : Python에서는 해당 객체의 정보를 보여주는 메소드로 데이터 프레임의 경우 R의 str()과 동일하게 열 이름과 각 열의 유형을 보여줍니다.

import pandas as pd

temp_cc2 = pd.read_csv("./data/temp_cc_195007_202008.csv", skiprows=7, encoding="CP949")

temp_cc2.info()

## <class 'pandas.core.frame.DataFrame'>
## RangeIndex: 19944 entries, 0 to 19943
## Data columns (total 5 columns):
##  #   Column   Non-Null Count  Dtype  
## ---  ------   --------------  -----  
##  0   날짜       19944 non-null  object 
##  1   지점       19944 non-null  int64  
##  2   평균기온(℃)  19943 non-null  float64
##  3   최저기온(℃)  19943 non-null  float64
##  4   최고기온(℃)  19943 non-null  float64
## dtypes: float64(3), int64(1), object(1)
## memory usage: 779.2+ KB

len(temp_cc2.index)        # len(temp_cc)

## 19944

len(temp_cc2.columns)

## 5

R

R의 경우 해당 데이터 프레임의 열 이름을 담고 있는 names 속성¹⁰을 다루는 함수 names()를 이용합니다.

• names()함수는 열의 이름을 출력해 줍니다.
• names()함수에 벡터를 할당하면 해당 위치의 열 이름을 변경합니다.

names(temp_cc)

## [1] "날짜"         "지점"         "평균기온(℃)" "최저기온(℃)" "최고기온(℃)"

names(temp_cc) <- c("date", "pointID", "mean_temp", "min_temp", "max_temp")
names(temp_cc)

## [1] "date"      "pointID"   "mean_temp" "min_temp"  "max_temp"

Python

Python의 경우 읽어 온 데이터는 데이터 프레임 객체이며¹¹ 해당 객체의 속성과 메소드를 이용합니다.

• 열 이름을 출력을 위해 열 속성(.columns)의 값(.values)을 리스트로 출력하는 메소드 tolist()를 이용합니다.
• 열 이름 변경은 메소드 rename()을 이용합니다.
  • 인수 columns에 기존 열이름과 새로운 열이름의 딕셔너리를 전달합니다.
  • 데이터 프레임 자체에 적용하기 위해 인수 inplace에 값 True를 전달합니다.

temp_cc2.columns.values.tolist()

## ['날짜', '지점', '평균기온(℃)', '최저기온(℃)', '최고기온(℃)']

temp_cc2.rename(columns={"날짜": "date", "지점": "pointID", "평균기온(℃)": "mean_temp", "최저기온(℃)": "min_temp", "최고기온(℃)": "max_temp"}, inplace=True)
temp_cc2.columns.values.tolist()

## ['date', 'pointID', 'mean_temp', 'min_temp', 'max_temp']