Pandas DataFrame에서 특정 열 삭제하기
2024-07-29
Pandas DataFrame에서 특정 열을 삭제하는 것은 데이터 분석 과정에서 자주 필요한 작업입니다. Pandas는 이를 위해 간단하고 효율적인 방법을 제공합니다.
drop() 메서드 사용하기
가장 일반적으로 사용되는 방법은 DataFrame의 drop() 메서드를 활용하는 것입니다. 이 메서드는 지정된 라벨(열 이름)을 가진 축(axis)을 삭제합니다.
import pandas as pd
# 샘플 DataFrame 생성
data = {'컬럼1': [1, 2, 3], '컬럼2': [4, 5, 6], '컬럼3': [7, 8, 9]}
df = pd.DataFrame(data)
# '컬럼2' 삭제
df = df.drop('컬럼2', axis=1)
print(df)
axis=1: 열을 삭제할 때 사용합니다.axis=0은 행을 삭제할 때 사용합니다.inplace=True: 원본 DataFrame을 수정하고 싶을 때 사용합니다. 이 옵션을 사용하면 별도의 변수에 할당할 필요가 없습니다.
# 원본 DataFrame 수정
df.drop('컬럼3', axis=1, inplace=True)
del 명령어 사용하기
Python의 del 명령어를 사용하여 DataFrame의 특정 열을 직접 삭제할 수도 있습니다.
# '컬럼1' 삭제
del df['컬럼1']
주의: del 명령어는 원본 DataFrame을 직접 수정하며, 복구할 수 없습니다. 따라서 신중하게 사용해야 합니다.
리스트 컴프리헨션을 이용한 새로운 DataFrame 생성
기존 DataFrame에서 특정 열을 제외한 새로운 DataFrame을 생성하고 싶을 때 리스트 컴프리헨션을 활용할 수 있습니다.
# 삭제할 열 목록
cols_to_drop = ['컬럼1', '컬럼2']
# 새로운 DataFrame 생성
new_df = df[[col for col in df.columns if col not in cols_to_drop]]
선택할 방법 고르기
drop()메서드: 가장 일반적이고 유연한 방법입니다.inplace옵션을 사용하여 원본 DataFrame을 수정할 수 있습니다.del명령어: 간단하지만 원본 DataFrame을 직접 수정하므로 주의해야 합니다.- 리스트 컴프리헨션: 새로운 DataFrame을 생성할 때 유용합니다.
어떤 방법을 선택할지는 다음과 같은 요소를 고려하여 결정해야 합니다.
- 원본 DataFrame 수정 여부: 원본 DataFrame을 수정하고 싶다면
drop()메서드의inplace=True옵션이나del명령어를 사용합니다. 새로운 DataFrame을 생성하고 싶다면 리스트 컴프리헨션을 사용합니다. - 삭제할 열의 수: 삭제할 열이 많다면 리스트 컴프리헨션이 효율적일 수 있습니다.
- 코드 가독성: 코드의 가독성을 위해
drop()메서드를 사용하는 것이 일반적입니다.
추가 팁:
- 여러 개의 열을 한 번에 삭제하려면 삭제할 열 이름을 리스트로 만들어
drop()메서드에 전달합니다. - 열 이름이 정확하지 않으면 오류가 발생하므로 주의해야 합니다.
예시:
# 여러 개의 열 삭제
df.drop(['컬럼1', '컬럼3'], axis=1, inplace=True)
Pandas DataFrame에서 특정 열 삭제하기 관련 샘플 코드
다양한 상황에 맞춰 활용할 수 있는 샘플 코드들을 준비했습니다.
단일 열 삭제:
import pandas as pd
# 샘플 데이터 생성
data = {'컬럼1': [1, 2, 3], '컬럼2': [4, 5, 6], '컬럼3': [7, 8, 9]}
df = pd.DataFrame(data)
# '컬럼2' 삭제 (원본 DataFrame 변경)
df.drop('컬럼2', axis=1, inplace=True)
print(df)
여러 개의 열 삭제:
# 삭제할 열 목록
cols_to_drop = ['컬럼1', '컬럼3']
# 여러 열 삭제 (원본 DataFrame 변경)
df.drop(cols_to_drop, axis=1, inplace=True)
새로운 DataFrame 생성:
# 삭제할 열 목록
cols_to_drop = ['컬럼2']
# 새로운 DataFrame 생성
new_df = df.drop(cols_to_drop, axis=1)
정규 표현식을 이용한 열 삭제:
# '컬럼'으로 시작하는 모든 열 삭제
df = df.filter(regex='^(?!컬럼).*$')
리스트 컴프리헨션을 이용한 새로운 DataFrame 생성:
# 삭제할 열 목록
cols_to_drop = ['컬럼1', '컬럼2']
# 새로운 DataFrame 생성
new_df = df[[col for col in df.columns if col not in cols_to_drop]]
del 명령어 사용:
# '컬럼3' 삭제 (주의: 원본 DataFrame 직접 수정)
del df['컬럼3']
각 코드에 대한 설명:
drop()메서드: 가장 일반적으로 사용되는 방법이며,axis=1을 통해 열을 지정합니다.inplace=True를 사용하면 원본 DataFrame을 수정합니다.- 정규 표현식: 특정 패턴을 가진 열 이름을 한 번에 삭제할 때 유용합니다.
어떤 코드를 사용할지는 다음과 같은 상황에 따라 달라집니다:
- 원본 DataFrame 수정 여부:
inplace=True를 사용하거나del을 사용하면 원본 DataFrame이 수정됩니다. - 삭제할 열의 수: 여러 개의 열을 삭제할 때는 리스트나 정규 표현식을 사용하면 편리합니다.
- 코드 가독성:
drop()메서드가 일반적으로 더 가독성이 좋습니다.
주의사항:
- 열 이름: 열 이름이 정확하지 않으면 오류가 발생할 수 있습니다.
더 자세한 내용은 다음 문서를 참고하세요:
추가적으로 필요한 기능이나 예시가 있다면 알려주시면 더욱 자세한 설명을 드릴 수 있습니다.
- 예시: 특정 조건에 맞는 열만 삭제하고 싶다면 어떻게 해야 할까요?
Pandas DataFrame에서 열 삭제하기: 다양한 방법 비교 및 활용 시나리오
앞서 여러 방법들을 소개해 드렸지만, 데이터 처리 상황에 따라 더 적합한 방법이 있을 수 있습니다. 각 방법의 특징과 활용 시나리오를 좀 더 자세히 살펴보겠습니다.
drop() 메서드
- 가장 일반적이고 유연한 방법으로,
axis=1을 통해 열을 지정합니다. inplace=True옵션을 사용하여 원본 DataFrame을 수정하거나, 새로운 DataFrame을 생성할 수 있습니다.- 여러 개의 열 삭제: 리스트로 열 이름을 전달하여 한 번에 여러 개의 열을 삭제할 수 있습니다.
import pandas as pd
# 샘플 데이터 생성
data = {'컬럼1': [1, 2, 3], '컬럼2': [4, 5, 6], '컬럼3': [7, 8, 9]}
df = pd.DataFrame(data)
# 여러 가지 방법으로 열 삭제
# 1. '컬럼2' 단일 삭제 (원본 변경)
df.drop('컬럼2', axis=1, inplace=True)
# 2. 여러 개의 열 삭제 (원본 변경)
df.drop(['컬럼1', '컬럼3'], axis=1, inplace=True)
# 3. 정규 표현식을 이용한 삭제 (새로운 DataFrame 생성)
new_df = df.filter(regex='^(?!컬럼).*$')
del 명령어
- 원본 DataFrame을 직접 수정하며, 복구가 어렵습니다.
- 간단한 문법으로 빠르게 열을 삭제할 수 있습니다.
- 주의: 실수로 중요한 데이터를 삭제할 수 있으므로 신중하게 사용해야 합니다.
# '컬럼1' 삭제 (원본 변경)
del df['컬럼1']
리스트 컴프리헨션
- 새로운 DataFrame을 생성하며, 원하는 열만 선택적으로 포함시킬 수 있습니다.
- 유연한 조건 설정: 리스트 컴프리헨션 내부에 복잡한 조건을 추가하여 원하는 열을 선택할 수 있습니다.
# 삭제할 열 목록
cols_to_drop = ['컬럼1', '컬럼2']
# 새로운 DataFrame 생성
new_df = df[[col for col in df.columns if col not in cols_to_drop]]
pop() 메서드
- 열을 삭제하고 해당 열의 Series를 반환합니다.
- 원본 DataFrame을 수정하며, 삭제된 열의 데이터를 활용할 수 있습니다.
# '컬럼2' 삭제하고 Series 반환
deleted_column = df.pop('컬럼2')
어떤 방법을 선택해야 할까요?
- 삭제된 열의 데이터 활용:
pop()메서드를 사용하면 삭제된 열의 데이터를 활용할 수 있습니다.
활용 시나리오 예시:
- 데이터 전처리: 불필요한 열을 제거하여 모델 학습에 사용할 데이터를 정제합니다.
- 데이터 분석: 특정 열에 대한 분석을 수행하기 전에 다른 열을 제거합니다.
- 데이터 시각화: 원하는 열만 선택하여 시각화합니다.
- "pandas에서 열 삭제 속도를 빠르게 하는 방법이 있나요?"
python pandas dataframe
