Pandas에서 Iloc와 Loc: 예제와 함께하는 가이드

Pandas를 배울 때 우리가 모두 해결하려고 하는 귀찮은 것 중 하나는 .loc와 .iloc의 구분입니다.

이 혼란을 끝내고 이 두 가지 방법의 차이를 명확히 해봅시다. 많은 예제를 제공할 것이며, 이 블로그가 끝날 무렵에는 그 차이가 훨씬 더 명확해지기를 바랍니다.

Pandas에서 .loc와 .iloc란?

.loc와 .iloc는 Pandas DataFrame의 필수 속성이며, 둘 다 특정 데이터의 하위 집합을 선택하는 데 사용됩니다. 이들의 목적은 전체 DataFrame 대신 DataFrame의 특정 부분에 접근하고 조작할 수 있도록 하는 것입니다.

우리가 표에서 볼 수 있듯이, 구문은 매우 비슷하게 보입니다. 차이점은 row_indexer와 column_indexer 인수를 사용하는 방법에 있습니다. 이는 두 방법이 데이터를 색인하는 접근 방식이 다르기 때문입니다: .loc는 라벨 이름을 기반으로 색인하는 반면, .iloc는 행과 열의 숫자 위치 인덱스를 인수로 사용합니다.

두 방법 중 첫 번째인 .loc을 자세히 살펴보겠습니다.

.loc: 레이블로 선택하기

개념을 설명하기 위해 가상의 고객 데이터베이스를 df라는 이름의 이 데이터프레임으로 나타내 보겠습니다. 여기서 Customer ID는 행 인덱스를 나타냅니다:

여기에는 .loc로 행을 선택하는 네 가지 주요 방법이 있습니다. 포함된 내용은:

• 단일 행 선택하기
• 여러 행 선택하기
• 일부 행 선택하기
• 조건부 행 선택하기

.loc를 사용하여 단일 행 선택하기

단일 행을 선택하기 위해 우리는 검색하려는 행의 레이블을 row_indexer로 사용합니다. 따라서 구문은 다음과 같습니다: df.loc['row_label']. 이를 사용하여 고객 Ali Khan의 모든 정보를 표시해 보겠습니다:

df.loc['C345']

.loc를 사용하여 여러 행 선택

우리가 순서대로 나오지 않는 여러 행을 선택하려면 row_indexer 인수로 행 레이블의 목록을 전달해야 합니다. 이는 정규 .loc 구문과 레이블 목록을 위한 두 개의 대괄호 쌍을 사용해야 함을 의미합니다.

df.loc[['row_label_1', 'row_label_2']]라인은 목록에서 지정된 df DataFrame의 두 행을 반환합니다. 예를 들어, Ali Khan에 대한 정보뿐만 아니라 David Lee에 대한 정보도 알고 싶다고 가정해 봅시다:

df.loc[['C345', 'C567']]

행의 일부를 .loc를 사용하여 선택하기

첫 번째와 마지막 행 레이블을 콜론으로 구분하여 전달함으로써 행의 범위를 선택할 수 있습니다: df.loc['row_label_start':'row_label_end']. 다음과 같이 데이터프레임의 첫 네 행을 표시할 수 있습니다:

df.loc['C123' : 'C456']

여기서 염두에 두어야 할 두 가지가 있습니다:

1. 출력에는 row_label_end로 지정된 행이 포함됩니다. 이는 나중에 다룰 .iloc과 다릅니다.
2. 여러 행을 검색하려면 하나의 대괄호 쌍만 사용합니다. 여러 행을 검색하려면 목록을 사용하지 않으므로 대괄호를 두 개 사용하면 SyntaxError가 발생합니다.

조건부 선택을 사용하여 행 선택하기 .loc

조건식을 기반으로 행을 반환할 수도 있습니다. 특정 조건을 충족하는지 여부에 따라 모든 행을 필터링하고 해당 행만 표시할 수 있습니다.

해당 구문은 df.loc[조건식]이며, 조건식은 특정 열의 허용된 값에 대한 문을 나타냅니다.

숫자가 아닌 데이터(예: 이름 또는 국가)가 있는 열의 경우, 값 간에 순서가 없기 때문에 등호 또는 부등호 연산자만 사용할 수 있습니다. 예를 들어, 아시아 출신이 아닌 모든 고객의 행을 반환할 수 있습니다:

df.loc[df['Region'] != 'Asia']

단일 열 선택하기 .loc 사용하기

열을 선택하기 위해서는 column_indexer 인자를 지정해야 하며, 이는 row_indexer 인자 뒤에 옵니다. 만약 column_indexer만 지정하고 싶다면, 모든 행을 반환하고 열에서만 필터링하고 싶다는 것을 표시해야 합니다. 어떻게 할 수 있는지 알아봅시다!

단일 열 선택은 해당 열의 레이블로 column_indexer를 지정하여 수행할 수 있습니다. 모든 행을 가져오기 위해서는 간단한 콜론으로 row_indexer를 지정해야 합니다. 다음과 같은 구문에 도달하게 됩니다: df.loc[:, 'column_name'].

각 고객의 이름을 표시해봅시다:

df.loc[:, 'Name']

여러 열을 선택하는 방법 .loc

여러 행을 선택하는 것과 유사하게, 순서가 반드시 따르지 않는 여러 DataFrame의 열을 반환하려면 열 레이블 목록을 전달해야 합니다: df.loc[:, [col_label_1, 'col_label_2']].

모든 고객의 나이를 마지막 출력에 추가하고 싶다고 가정하면 다음과 같이 작동합니다:

df.loc[:, ['Name', 'Age']]

열의 슬라이스를 .loc를 사용하여 선택하기

두 열의 레이블 사이에 콜론을 사용하면 지정된 두 열 사이의 모든 열을 선택합니다. 이는 끝 열을 포함하며, 즉 col_end라는 이름의 열도 표준 구문에서 선택됩니다. 표준 구문은 다음과 같습니다: df.loc[:, 'col_start':'col_end'].

고객의 이름, 국가, 지역에 관심이 있다면, 우리의 코드 라인은 다음과 같을 수 있습니다:

df.loc[:, 'Name':'Region']

행과 열 선택을 결합하여 .loc

행 인덱서와 열 인덱서를 모두 지정하는 것도 가능합니다. 이는 DataFrame에서 하나의 정보를 즉, 하나의 셀을 검색하는 데 사용될 수 있습니다. 이를 위해서는 df.loc['row_label', 'column_name'] 구문을 사용하여 하나의 행과 하나의 열을 지정합니다.

더 유용한 경우는 우리가 관심 있는 특정 행과 열 집합에 초점을 맞춘 하위 DataFrame을 반환하는 것입니다. 인덱서를 리스트로 대괄호를 사용하여 지정하거나, 콜론을 사용하여 슬라이스로 지정할 수 있으며, 심지어 행 선택을 위해 조건 표현식을 결합할 수도 있습니다.

다음은 30세 이상의 Age를 가진 각 고객의 Name, Country, Region을 반환하는 예입니다:

df.loc[df['Age'] > 30, 'Name':'Region']

정수 위치를 통한 선택:

.iloc는 레이블이 아니라 위치로 선택합니다. .iloc를 사용하는 표준 구문은 다음과 같습니다: df.iloc[row_indexer, column_indexer]. 주의해야 할 두 가지 특별한 사항이 있습니다:

• 0부터 시작하는 개수 세기: 첫 번째 행과 열의 인덱스는 0이며, 두 번째는 1, 등등입니다.
• 범위 끝 값의 배타성: 슬라이스를 사용할 때, 콜론 뒤에 지정된 행이나 열은 선택에 포함되지 않습니다.

.iloc를 사용하여 단일 행 선택하기

단일 행은 행 인덱스 번호를 나타내는 정수를 row_indexer로 사용하여 선택할 수 있습니다. .loc와 달리 레이블 문자열이 아닌 정수 번호를 입력하고 있으므로 따옴표가 필요 없습니다. df라는 DataFrame의 첫 번째 행을 반환하려면 df.iloc[0]를 입력합니다.

우리의 예시 DataFrame에서 이 코드 라인은 존 도의 정보를 반환합니다:

df.iloc[0]

Selecting multiple rows using .iloc

Selecting multiple rows works in .iloc as it does in .loc—we enter the row index integers in a list with squared brackets. The syntax looks like this: df.iloc[[0, 3, 4]].

The respective output in our customer table can be seen below:

df.iloc[[0, 3, 4]]

.iloc를 사용하여 행의 슬라이스 선택하기

행의 슬라이스를 선택하기 위해서는 지정된 두 개의 행 인덱스 정수 사이에 콜론을 사용합니다. 이제 우리는 앞서 언급한 배타성에 주의를 기울여야 합니다.

이 개념을 설명하기 위해 df.iloc[1:4] 라인을 예로 들 수 있습니다. 인덱스 번호 1은 두 번째 행을 의미하므로 우리의 슬라이스는 거기서 시작됩니다. 인덱스 정수 4는 다섯 번째 행을 나타내지만 .iloc는 슬라이스 선택에 대해 포함되지 않으므로 우리의 출력은 이 행 바로 전까지의 모든 행을 포함합니다. 따라서 두 번째, 세 번째 및 네 번째 행이 반환됩니다.

이 라인이 제대로 작동한다는 것을 증명해 봅시다:

df.iloc[1:4]

단일 열 선택 .iloc 사용

.iloc를 사용하여 열을 선택하는 논리는 지금까지 배운 내용을 따릅니다. 하나의 열, 여러 열 및 열 슬라이스에 대해 어떻게 작동하는지 살펴보겠습니다.

.loc와 마찬가지로, row_indexer를 명시해야 column_indexer로 진행할 수 있는 것이 중요합니다. 모든 행의 df의 세 번째 열의 값을 검색하려면 df.iloc[:, 2]를 입력합니다.

우리 DataFrame에서 Region이 세 번째 열이기 때문에 해당 코드 라인의 결과로 검색될 것입니다:

df.iloc[:, 2]

여러 열 선택하기 .iloc

연속적이지 않은 여러 열을 선택하기 위해서는 column_indexer로 정수를 포함하는 리스트를 입력할 수 있습니다. df.iloc[:, [0, 3]]는 첫 번째와 네 번째 열을 반환합니다.

우리의 경우, 표시되는 정보는 각 고객의 Name 및 Age입니다:

df.iloc[:, [0, 3]]

열의 슬라이스 선택하기 .iloc

슬라이스 선택을 위해 .iloc를 사용할 경우, column_indexer의 논리는 row_indexer와 동일합니다. 콜론 뒤의 정수로 표현된 열은 출력에 포함되지 않습니다. 두 번째와 세 번째 열을 가져오려면 코드 줄은 다음과 같아야 합니다: df.iloc[:, 1:3].

아래 줄은 고객에 대한 모든 지리적 정보를 반환합니다:

df.iloc[:, 1:3]

행과 열 선택을 위한 .iloc 사용법

우리가 .iloc에 대해 배운 내용을 바탕으로 행과 열 선택을 결합할 수 있습니다. 다시 말해, 단일 셀 또는 하위 데이터프레임을 반환하는 것이 가능합니다. 3행과 4열이 만나는 지점의 단일 셀을 반환하려면 df.iloc[2, 3]를 입력합니다.

.loc와 마찬가지로, 우리는 대괄호를 사용하여 인덱서를 리스트로 지정하거나 콜론을 사용하여 슬라이스로 지정할 수 있습니다. 조건 표현식을 사용하여 행을 선택하고 싶다면, 기술적으로 .iloc로도 가능하지만 권장하지 않습니다. 레이블 이름과 .loc을 사용하는 것이 일반적으로 더 직관적이고 오류가 발생할 가능성이 적습니다.

이 마지막 예제는 데이터프레임의 첫 번째, 두 번째 및 다섯 번째 행에 대한 국가, 지역 및 나이를 표시합니다:

df.iloc[[0,1,4], 1:4]

.iloc vs .loc: When to Use Which

일반적으로, DataFrame의 메소드 선택은 다음과 같은 간단한 규칙에 의해 달라집니다:

• .loc을 사용하십시오 행/열의 레이블(이름)을 알고 있을 때.
• 행/열의 .iloc 정수 위치를 알고 있을 때 사용하세요.

일부 시나리오는 본질적으로 .loc 또는 .iloc에 유리합니다. 예를 들어, 행이나 열을 반복하는 것은 레이블보다 정수를 사용하는 것이 더 쉽고 직관적입니다. 이미 언급했듯이, 열 값에 대한 조건을 기반으로 행을 필터링하는 것은 열 레이블 이름을 사용할 때 오류에 덜 취약합니다.

KeyError, NameError, 그리고 Index Error .loc 및 .iloc 사용 시

가능한 문제를 살펴보겠습니다. .loc를 사용할 때 흔히 발생하는 함정은 KeyError입니다. 이 오류는 데이터프레임 내에 존재하지 않는 행 또는 열 레이블에 접근하려고 할 때 발생합니다. 이를 피하려면, 항상 사용하고 있는 레이블이 정확하고 데이터프레임의 기존 레이블과 일치하는지 확인하고 오타가 없는지 다시 확인해야 합니다.

또한, .loc를 사용하여 지정된 레이블에는 항상 따옴표를 사용하는 것이 중요합니다. 이를 잊으면 NameError가 발생합니다.

.iloc를 사용할 때 IndexError가 발생할 수 있습니다. 이는 DataFrame의 인덱스 범위를 벗어난 정수 위치를 지정했을 때 발생합니다. 이 오류는 액세스하려는 인덱스가 존재하지 않을 때 발생하며, 이는 DataFrame의 행 또는 열 수를 벗어나거나 음수 값을 사용했기 때문일 수 있습니다. 이 오류를 방지하려면 DataFrame의 차원을 확인하고 유효한 범위 내의 적절한 인덱스 값을 사용하십시오.

결론

이 블로그가 도움이 되었기를 바라며, .loc와 .iloc의 차이가 이제 명확해졌기를 희망합니다. 더 알아보려면 다음 단계를 확인해보세요.

• Pandas의 SettingWithCopyWarning: 이 경고를 해결하는 방법
• 과정: pandas를 이용한 데이터 조작
• 과정: pandas로 효율적인 코드 작성하기
• 요약표: pandas를 이용한 데이터 정리
• 팬더로 데이터 형태 바꾸기: 요약 시트