1.1 반복자(iterables) 감별사

자료형이 반복자인지 판별하는 함수가 next()다. 반복자 객체를 next() 함수로 돌리게 되면 마지막에 StopIteration을 반환시키게 된다. 리스트 객체를 반복해서 원소를 뽑아내고 관련 연산작업을 수행할 경우 for루프를 동원해야 한다. 하지만, enumerate() 함수로 반복자 객체로 변환시키게 되면 next()를 사용해서 작업하는 것이 가능하다.

models = ["회귀분석", "기계학습"]

for model in models:
    print(model)

회귀분석
기계학습

models_enum = enumerate(models)

for model in models_enum:
    print(model)

(0, '회귀분석')
(1, '기계학습')

models = ["회귀분석", "기계학습"]

models_enum = enumerate(models)

next(models_enum)

(0, '회귀분석')

next(models_enum)

(1, '기계학습')

next(models_enum)

Error in py_call_impl(callable, dots$args, dots$keywords): StopIteration: 

Detailed traceback: 
  File "<string>", line 1, in <module>

1.2 순서있는 반복자 - enumerator

for 루프를 사용해서 전체 튜플 리스트에서 원소를 뽑아내서 출력해보자.

packages = ["dplyr", "ggplot", "broom"]
features = ["데이터 조작", "시각화", "모형"]

toolchain = zip(packages, features)

for package, feature in toolchain:
    print(f"{package} --> {feature}")

dplyr --> 데이터 조작
ggplot --> 시각화
broom --> 모형

for 루프를 사용해서 전체 튜플 리스트를 뽑아낼 때 조금 아쉬운 점은 위치 index에 대한 것도 함께 알았으면 좋겠다는 생각이 들 것이다. 이런 부족한 점을 충족시켜 주는 것이 enumerate 가 짜짠… 역할을 수행하게 된다. enumerate 함수는 순서가 있는 자료형(리스트, 튜플, 문자열)을 입력받아 색인 index을 해당 원소값에 포함시키는 역할을 수행한다.

먼저 enumerate() 함수로 객체를 생성하고 index와 item을 추출하고 튜플 item에서 각 튜플 원소를 package와 feature로 추출시킨다. 이를 통해서 index, package, feature를 튜플에서 enumerate를 통해서 뽑아낼 수 있게 된다.

toolchain = zip(packages, features)
for index, item in enumerate(toolchain):
    package, feature = item
    print(f"순서 {index}:, 팩키지 {package}, --> {feature}")

순서 0:, 팩키지 dplyr, --> 데이터 조작
순서 1:, 팩키지 ggplot, --> 시각화
순서 2:, 팩키지 broom, --> 모형

2.1 for 루프 - 문자열

“데이터 사이언스” 문자열을 for 루프를 사용해서 각 문자를 추출해낼 수 있다.

languages = "데이터 사이언스"

for language in languages:
    print(f"Data Science: {language}")

Data Science: 데
Data Science: 이
Data Science: 터
Data Science:  
Data Science: 사
Data Science: 이
Data Science: 언
Data Science: 스

2.2 for 루프 - 리스트

파이썬에서 가장 일반적인 자료구조인 리스트(list)에 대한 반복자(iterator)로 for 루프를 사용해보자.

languages = ["R", "파이썬", "C/C++"]

for language in languages:
  print(f"데이터 사이언스 언어: {language}")

데이터 사이언스 언어: R
데이터 사이언스 언어: 파이썬
데이터 사이언스 언어: C/C++

enumerate()를 사용하게 되면 index를 얻게 되어 앞서 for문에 리스트를 사용할 때에 비해 도움이 되는 경우가 많다. print(list(enumerate(models)))을 출력시켜 보면 기존 리스트(models)에 index가 붙은 튜플 리스트를 확인할 수 있다.

models = ["회귀분석", "기계학습", "딥러닝"]

print(list(enumerate(models)))

[(0, '회귀분석'), (1, '기계학습'), (2, '딥러닝')]

for index, model in enumerate(models, start=1):
  print(f"- 데이터 사이언스 모형 {index}: {model}")

- 데이터 사이언스 모형 1: 회귀분석
- 데이터 사이언스 모형 2: 기계학습
- 데이터 사이언스 모형 3: 딥러닝

zip()을 사용하게 되면 리스트와 리스트를 결합할 때 유용하다.

languages = ["R", "파이썬", "텐서플로우"]
models   = ["회귀분석", "기계학습", "딥러닝"]

for language, model in zip(languages, models):
  print(f"데이터 사이언스 언어: {language}, 모형: {model}")

데이터 사이언스 언어: R, 모형: 회귀분석
데이터 사이언스 언어: 파이썬, 모형: 기계학습
데이터 사이언스 언어: 텐서플로우, 모형: 딥러닝

특히 *을 사용하면 압축(zip)한 것을 unzip하여 풀 수 있다.

solution = zip(languages, models)

print(*solution)

('R', '회귀분석') ('파이썬', '기계학습') ('텐서플로우', '딥러닝')

2.3 for 루프 - 튜플

리스트와 마찬가지로 튜플도 for루프를 사용해서 반복하여 원소를 끄집어 낼 수 있다.

languages = ("R", "파이썬", "C/C++")

for language in languages:
    print(f"데이터 사이언스 언어: {language}")

데이터 사이언스 언어: R
데이터 사이언스 언어: 파이썬
데이터 사이언스 언어: C/C++

2.4 for 루프 - 집합(set)

리스트, 튜플과 마찬가지로 집합(set)도 for루프를 사용해서 반복하여 원소를 끄집어 낼 수 있다.

languages = {"R", "파이썬", "C/C++"}

for language in languages:
    print(f"데이터 사이언스 언어: {language}")

데이터 사이언스 언어: 파이썬
데이터 사이언스 언어: R
데이터 사이언스 언어: C/C++

2.5 for 루프 - 딕셔너리

딕셔너리(dictionary)는 키-값(key-value)를 갖는 자료형이다. 딕셔너리의 경우 .items(), .keys(), .values() 메쏘드를 사용해서 다양한 작업을 수행할 수 있다. 딕셔너리에 .items()를 for문과 결합하여 사용한다.

data_science = {"R": "젠틀맨, 이하카",
            "파이썬": "귀도 반 로섬",
            "C/C++": "톰슨, 리치"}

for item in data_science.items():
    print(item)

('R', '젠틀맨, 이하카')
('파이썬', '귀도 반 로섬')
('C/C++', '톰슨, 리치')

for language, creator in data_science.items():
    print(f"- 데이터 사이언스 언어: {language}, \n ㄴ 창시자: {creator}")

- 데이터 사이언스 언어: R, 
 ㄴ 창시자: 젠틀맨, 이하카
- 데이터 사이언스 언어: 파이썬, 
 ㄴ 창시자: 귀도 반 로섬
- 데이터 사이언스 언어: C/C++, 
 ㄴ 창시자: 톰슨, 리치

5.1 데이터프레임 생성

딕셔너리로부터 데이터프레임을 생성시키는데 행이름을 index로 지정하여 만든다.

import pandas as pd

input_dict = {"키" : [160, 170, 180],
              "체중" : [70, 55, 100]}

bmi = pd.DataFrame(input_dict, index=['홍길동', '허균', '박제가'])

print(bmi)

       키   체중
홍길동  160   70
허균   170   55
박제가  180  100

5.2 행반복자- .iterrows()

데이터프레임에 iterrows() 메쏘드를 적용시킬 경우 생성자(generator) 객체로 변환된다.

bmi_gen = bmi.iterrows()

print(bmi_gen)

<generator object DataFrame.iterrows at 0x11e4deca8>

for item in bmi.iterrows():
     print(item)

('홍길동', 키     160
체중     70
Name: 홍길동, dtype: int64)
('허균', 키     170
체중     55
Name: 허균, dtype: int64)
('박제가', 키     180
체중    100
Name: 박제가, dtype: int64)

for index, series in bmi.iterrows():
     print(f'인덱스: {index}, 씨리즈: {series}')

인덱스: 홍길동, 씨리즈: 키     160
체중     70
Name: 홍길동, dtype: int64
인덱스: 허균, 씨리즈: 키     170
체중     55
Name: 허균, dtype: int64
인덱스: 박제가, 씨리즈: 키     180
체중    100
Name: 박제가, dtype: int64

5.3 아이템 반복자 - .iteritems()

데이터프레임에 iteritems() 메쏘드를 적용시킬 경우 동일하게 생성자(generator) 객체가 변환된다.

bmi_gen = bmi.iteritems()

print(bmi_gen)

<generator object DataFrame.iteritems at 0x11e5172b0>

for item in bmi.iteritems():
     print(item)

('키', 홍길동    160
허균     170
박제가    180
Name: 키, dtype: int64)
('체중', 홍길동     70
허균      55
박제가    100
Name: 체중, dtype: int64)

for column, series in bmi.iteritems():
     print(f'칼럼명: {column}, 씨리즈: {series}')

칼럼명: 키, 씨리즈: 홍길동    160
허균     170
박제가    180
Name: 키, dtype: int64
칼럼명: 체중, 씨리즈: 홍길동     70
허균      55
박제가    100
Name: 체중, dtype: int64

5.4 데이터프레임 사례

포켓몬과 마블 캐릭터를 대상으로 데이터프레임을 작성해본다.

input_dict = {"포켓몬" : ['피카츄', '피카츄', '이상해씨', '리자몽', '거북왕'],
              "마블" : ['아이언맨', '아이언맨', '아이언맨', '스파이더맨', '헐크']}

df = pd.DataFrame(input_dict, index=['1번', '2번', '3번', '4번', '5번'])

print(df)

     포켓몬     마블
1번   피카츄   아이언맨
2번   피카츄   아이언맨
3번  이상해씨   아이언맨
4번   리자몽  스파이더맨
5번   거북왕     헐크

칼럼별로 각 캐릭터 빈도수를 산출해본다.

column_cnt = dict()

for column, series in df.iteritems():
    values = list(series)
    category_cnt = dict()  
    for category in set(values):
        category_cnt[category] = values.count(category)
    column_cnt[column] = category_cnt
    
print(column_cnt)

{'포켓몬': {'리자몽': 1, '이상해씨': 1, '거북왕': 1, '피카츄': 2}, '마블': {'아이언맨': 3, '스파이더맨': 1, '헐크': 1}}

여기서, 칼럼 즉 씨리즈에 포함된 마블 캐릭터명을 셀 경우 리스트 .count() 메쏘드를 사용한다. 이를 위해서 간략한 코드로 확인하면 다음과 같다.

mv_list = ['아이언맨', '아이언맨', '아이언맨', '스파이더맨', '헐크']
print(mv_list.count('아이언맨'))

3