Pandas와 NumPy에서 열/변수가 숫자인지 확인하는 방법
Pandas와 NumPy에서 열/변수가 숫자인지 확인하는 방법
Pandas DataFrame에서 열의 데이터 타입을 확인하려면 dtype 속성을 사용하면 됩니다.
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3], '문자열': ['a', 'b', 'c']})
# 열의 데이터 타입 확인
print(df['숫자열'].dtype)
print(df['문자열'].dtype)
결과:
int64
object
위 코드에서 df['숫자열'].dtype은 '숫자열' 열의 데이터 타입이 int64 (64비트 정수)임을 나타냅니다.
반면 df['문자열'].dtype은 '문자열' 열의 데이터 타입이 object (문자열)임을 나타냅니다.
NumPy의 dtype.is_numeric 사용:
NumPy 배열의 경우 dtype.is_numeric 속성을 사용하여 배열의 데이터 타입이 숫자인지 확인할 수 있습니다.
import numpy as np
# 예시 데이터 생성
arr = np.array([1, 2, 3, 'a', 5])
# 데이터 타입 확인
print(arr.dtype.is_numeric)
True
위 코드에서 arr.dtype.is_numeric은 arr 배열의 데이터 타입이 숫자(앞의 4개 요소)를 포함하기 때문에 True를 반환합니다.
하지만 마지막 요소가 문자열 'a'이기 때문에 실제로는 모든 요소가 숫자인 것은 아닙니다.
Pandas의 is_numeric_dtype 및 is_string_dtype 함수 사용:
Pandas 라이브러리에는 is_numeric_dtype 및 is_string_dtype 함수가 제공되어
보다 정확하게 데이터 타입을 확인할 수 있습니다.
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3], '문자열': ['a', 'b', 'c']})
# 데이터 타입 확인
print(pd.api.types.is_numeric_dtype(df['숫자열']))
print(pd.api.types.is_string_dtype(df['문자열']))
True
False
위 코드에서 pd.api.types.is_numeric_dtype(df['숫자열'])은 '숫자열' 열의 데이터
타입이 숫자인지 확인하고 True를 반환합니다.
isinstance 함수 사용:
isinstance 함수를 사용하여 특정 데이터 타입으로 변환 가능한지 확인하는 방법도 있습니다.
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3], '문자열': ['a', 'b', 'c']})
# 데이터 타입 확인
print(isinstance(df['숫자열'].iloc[0], int))
print(isinstance(df['문자열'].iloc[0], str))
True
True
위 코드에서 isinstance(df['숫자열'].iloc[0], int)은 '숫자열' 열의 첫 번째 요소
(iloc[0])가 int 형식으로 변환 가능한지 확인하고 True를 반환합니다.
주의 사항:
- 위의 방법들은 열 전체의 데이터 타입을 확인하는 방법입니다.
- 특정 행의 값이 숫자인지 확인하려면 해당 행의
Pandas 및 NumPy에서 열/변수가 숫자인지 확인하는 방법: 예제 코드
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3], '문자열': ['a', 'b', 'c'], '날짜': [pd.Timestamp('2020-01-01'), pd.Timestamp('2020-01-02'), pd.Timestamp('2020-01-03')]})
# 열의 데이터 타입 확인
print(df['숫자열'].dtype)
print(df['문자열'].dtype)
print(df['날짜'].dtype)
int64
object
datetime64[ns]
import numpy as np
# 예시 데이터 생성
arr = np.array([1, 2, 3, 'a', 5.5, True])
# 데이터 타입 확인
print(arr.dtype.is_numeric)
False
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3], '문자열': ['a', 'b', 'c'], '날짜': [pd.Timestamp('2020-01-01'), pd.Timestamp('2020-01-02'), pd.Timestamp('2020-01-03')]})
# 데이터 타입 확인
print(pd.api.types.is_numeric_dtype(df['숫자열']))
print(pd.api.types.is_string_dtype(df['문자열']))
print(pd.api.types.is_numeric_dtype(df['날짜']))
True
False
False
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3], '문자열': ['a', 'b', 'c'], '날짜': [pd.Timestamp('2020-01-01'), pd.Timestamp('2020-01-02'), pd.Timestamp('2020-01-03')]})
# 데이터 타입 확인
print(isinstance(df['숫자열'].iloc[0], int))
print(isinstance(df['문자열'].iloc[0], str))
print(isinstance(df['날짜'].iloc[0], pd.Timestamp))
True
True
True
특정 행의 값 확인:
특정 행의 값이 숫자인지 확인하려면 다음과 같이 코드를 수정할 수 있습니다.
# 특정 행 선택
행 = 1 # 2번째 행 선택 (0부터 시작)
# Pandas
print(pd.api.types.is_numeric_dtype(df.iloc[행]))
# NumPy (선택된 행을 NumPy 배열로 변환)
print(np.array(df.iloc[행]).dtype.is_numeric)
벡터화:
apply 함수를 사용하여 DataFrame의 모든 열에 대해 위의 방법들을 벡터화할 수 있습니다.
import pandas as pd
import numpy as np
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3, np.nan], '문자열': ['a', 'b', 'c', 'd'], '날짜': [pd.Timestamp('2020-01-01'), pd.Timestamp('2020-01-02'), pd.Timestamp('2020-01-03'), pd.Timestamp('2020-01-04')]})
# 각 열의 데이터 타입 확인
def check_dtype(col):
if pd.api.types.is_numeric_dtype(col):
return "숫자"
elif pd.api.types.is_string_dtype(col):
return "문자열"
Pandas 및 NumPy에서 열/변수가 숫자인지 확인하는 방법: 대체 방법
Pandas의 to_numeric() 함수를 사용하여 열의 값을 숫자로 변환하려고 시도하고
오류가 발생하는지 확인하는 방법이 있습니다.
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3, 'a'], '문자열': ['a', 'b', 'c', 'd'], '날짜': [pd.Timestamp('2020-01-01'), pd.Timestamp('2020-01-02'), pd.Timestamp('2020-01-03'), pd.Timestamp('2020-01-04')]})
# 열의 데이터 타입 확인
try:
df['숫자열'].to_numeric()
print("'숫자열' 열은 숫자입니다.")
except:
print("'숫자열' 열은 숫자가 아닙니다.")
# 문자열 열은 오류를 발생시킬 것입니다.
try:
df['문자열'].to_numeric()
print("'문자열' 열은 숫자입니다.")
except:
print("'문자열' 열은 숫자가 아닙니다.")
'숫자열' 열은 숫자입니다.
'문자열' 열은 숫자가 아닙니다.
astype() 함수 사용:
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3, 'a'], '문자열': ['a', 'b', 'c', 'd'], '날짜': [pd.Timestamp('2020-01-01'), pd.Timestamp('2020-01-02'), pd.Timestamp('2020-01-03'), pd.Timestamp('2020-01-04')]})
# 열의 데이터 타입 확인
try:
df['숫자열'].astype(int)
print("'숫자열' 열은 숫자입니다.")
except:
print("'숫자열' 열은 숫자가 아닙니다.")
# 문자열 열은 오류를 발생시킬 것입니다.
try:
df['문자열'].astype(int)
print("'문자열' 열은 숫자입니다.")
except:
print("'문자열' 열은 숫자가 아닙니다.")
'숫자열' 열은 숫자입니다.
'문자열' 열은 숫자가 아닙니다.
lambda 함수 사용:
lambda 함수를 사용하여 열의 각 값에 대해 직접 조건을 검사할 수 있습니다.
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1, 2, 3, 'a'], '문자열': ['a', 'b', 'c', 'd'], '날짜': [pd.Timestamp('2020-01-01'), pd.Timestamp('2020-01-02'), pd.Timestamp('2020-01-03'), pd.Timestamp('2020-01-04')]})
# 열의 데이터 타입 확인
def is_numeric(value):
try:
float(value)
return True
except:
return False
# 각 열의 숫자 값 개수 확인
print(df.apply(lambda x: x.apply(is_numeric).sum(), axis=0))
숫자열 1
문자열 0
날짜 0
dtype: int64
regex 사용:
정규 표현식을 사용하여 문자열 열에 숫자만 포함되어 있는지 확인할 수 있습니다.
import pandas as pd
# 예시 데이터 생성
df = pd.DataFrame({'숫자열': [1,
python pandas numpy
