불린 인덱싱

Series에 조건식을 적용하여 각 행이 참, 거짓인지 구분하는 bool series를 만든다. 이를 df에 대입하면 이 조건들만 만족하는 행들만 선택할 수 있다.

import seaborn as sns

titanic = sns.load_dataset('titanic')

# 나이가 10대인 승객을 뽑아보자
mask1 = (titanic.age >= 10) & (titanic.age < 20)

df_teenage = titanic.loc[mask1, :]
print(df_teenage.head())

<class 'pandas.core.series.Series'>
    survived  pclass  ... alive  alone
9          1       2  ...   yes  False
14         0       3  ...    no   True
22         1       3  ...   yes   True
27         0       1  ...    no  False
38         0       3  ...    no  False

[5 rows x 15 columns]

이번에는 나이가 10세 미만인 여성 승객을 선택해보자.

import seaborn as sns

titanic = sns.load_dataset('titanic')

# 나이가 10대인 승객을 뽑아보자
mask1 = (titanic.age >= 10) & (titanic.age < 20)

df_teenage = titanic.loc[mask1, :]
print(df_teenage.head())
print('\\n\\n')

# 나이가 10세 미만인 여성 승객을 선택해보자.
mask2 = (titanic['sex'] == 'female') & (titanic['age'] < 10)
df_female_under10 = titanic[mask2]
print(df_female_under10.head())

    survived  pclass  ... alive  alone
9          1       2  ...   yes  False
14         0       3  ...    no   True
22         1       3  ...   yes   True
27         0       1  ...    no  False
38         0       3  ...    no  False

[5 rows x 15 columns]

     survived  pclass  ... alive  alone
10          1       3  ...   yes  False
24          0       3  ...    no  False
43          1       2  ...   yes  False
58          1       2  ...   yes  False
119         0       3  ...    no  False

[5 rows x 15 columns]

isin() 메서드 활용

isin() 메서드를 적용하면 특정 값을 가진 행들을 따로 추출할 수 있다. 이때 isin() 메소드에 DF의 열에서 추출하려는 값들로 만든 리스트를 전달한다.

import pandas as pd
import seaborn as sns

titanic = sns.load_dataset('titanic')

pd.set_option('display.max_columns', 10)

# sibsp : 탑승한 형제 또는 배우자의 수
mask3 = titanic['sibsp'] == 3
mask4 = titanic['sibsp'] == 4
mask5 = titanic['sibsp'] == 5

df_boolean = titanic[mask3 | mask4 | mask5]

print(df_boolean.head())
print()

# sibsp이 3, 4, 5안에 있는 행만 선택
isin_filter = titanic['sibsp'].isin([3, 4, 5])
df_isin = titanic[isin_filter]
print(df_isin.head())

    survived  pclass     sex   age  sibsp  ...  adult_male  deck  embark_town  \\
7          0       3    male   2.0      3  ...       False   NaN  Southampton
16         0       3    male   2.0      4  ...       False   NaN   Queenstown
24         0       3  female   8.0      3  ...       False   NaN  Southampton
27         0       1    male  19.0      3  ...        
True     C  Southampton
50         0       3    male   7.0      4  ...       False   NaN  Southampton

   alive  alone
7     no  False
16    no  False
24    no  False
27    no  False
50    no  False

[5 rows x 15 columns]

    survived  pclass     sex   age  sibsp  ...  adult_male  deck  embark_town  \\
7          0       3    male   2.0      3  ...       False   NaN  Southampton
16         0       3    male   2.0      4  ...       False   NaN   Queenstown
24         0       3  female   8.0      3  ...       False   NaN  Southampton
27         0       1    male  19.0      3  ...        
True     C  Southampton
50         0       3    male   7.0      4  ...       False   NaN  Southampton

   alive  alone
7     no  False
16    no  False
24    no  False
27    no  False
50    no  False

[5 rows x 15 columns]

back_to_top