[Pandas] series / dataframe / 데이터구조 다루기

 

 

 

Series¶

시리즈 만들기 (딕셔너리, 리스트)¶

In [2]:

# 판다스 불러오기
import pandas as pd
# key:value 쌍으로 딕셔너리 만들고, 변수 dict_data에 저장
dict_data = {'a':1,'b':2,'c':3}

# series()함수로 dictionary를 series로 변환
sr = pd.Series(dict_data)

print(type(sr))
print('\n')
print(sr)

 

<class 'pandas.core.series.Series'>


a    1
b    2
c    3
dtype: int64

In [4]:

list_data = ['2019-01-02', 3.14,'abc',100,True]
sr = pd.Series(list_data)
print(sr)

 

0    2019-01-02
1          3.14
2           abc
3           100
4          True
dtype: object

 

인덱스 구조 (객체.index / 객체.values)¶

In [5]:

idx = sr.index
val = sr.values
print(idx)
print("\n")
print(val)

 

RangeIndex(start=0, stop=5, step=1)


['2019-01-02' 3.14 'abc' 100 True]

 

원소 선택¶

In [3]:

tup_data = ('영인','2010-05-01','여',True)
# Series() 함수의 index 옵션에 인덱스 이름을 직접 전달
sr = pd.Series(tup_data, index=['이름','생년원일','성별','학생여부'])
print(sr)

 

이름              영인
생년원일    2010-05-01
성별               여
학생여부          True
dtype: object

In [7]:

print(sr[0]) # 정수형 인덱스
print(sr['이름']) # 인덱스 이름

 

영인
영인

In [8]:

print(sr[[1,2]])
print("\n")
print(sr[['생년원일','성별']])

 

생년원일    2010-05-01
성별               여
dtype: object


생년원일    2010-05-01
성별               여
dtype: object

In [9]:

print(sr[1:2])
print('\n')
print(sr['생년원일':'성별'])

 

생년원일    2010-05-01
dtype: object


생년원일    2010-05-01
성별               여
dtype: object

 

DataFrame¶

(열 : 각 시리즈 객체 / 행 : 여러개의 열벡터들이 같은 행 인덱스를 기준으로 결합)¶

데이터프레임 만들기¶

In [10]:

dict_data = {'c0':[1,2,3],'c1':[4,5,6],'c2':[7,8,9],'c3':[10,11,12],'c4':[13,14,15]}
df = pd.DataFrame(dict_data)

print(type(df))
print('\n')
print(df)

 

<class 'pandas.core.frame.DataFrame'>


   c0  c1  c2  c3  c4
0   1   4   7  10  13
1   2   5   8  11  14
2   3   6   9  12  15

 

행 인덱스 / 열 이름 설정¶

In [13]:

df = pd.DataFrame([[15,'남','덕영중'],[17,'여','수리중']],index=['준서','예은'], columns=['나이','성별','학교'])
print(df)
print('\n')
print(df.index)
print('\n')
print(df.columns)

 

    나이 성별   학교
준서  15  남  덕영중
예은  17  여  수리중


Index(['준서', '예은'], dtype='object')


Index(['나이', '성별', '학교'], dtype='object')

In [14]:

df.index = ['학생1','학생2']
df.columns = ['연령','남녀','소속']
print(df)

 

     연령 남녀   소속
학생1  15  남  덕영중
학생2  17  여  수리중

 

rename() : 행 인덱스 또는 열 이름의 일부를 선택하여 변경 할 수 있다.¶

In [17]:

# inplace=True 옵션을 통해 원본객체를 변경 / x -> 원본객체를 직접 수정하는 것이 아니라 새로운 데이터프레임 객체를 반환
df.rename(columns={'연령':'나이','남녀':'성별','소속':'학교'},inplace = True)
df.rename(index={'학생1':'준서','학생2':'예은'}, inplace=True)
print(df)

 

    나이 성별   학교
준서  15  남  덕영중
예은  17  여  수리중

 

---

행 열 삭제¶

drop() axis=0 행 삭제 (디폴트값) / axis=1 열삭제¶

In [4]:

exam_data = {'수학':[90,80,70],'영어':[98,89,95],'음악':[85,95,100],'체육':[100,90,90]}
df = pd.DataFrame(exam_data, index=['서준','우현','인아'])
print(df)
print('\n')
# 데이터프레임을 df를 복제
df2 = df.copy()
df2.drop('우현', inplace=True)
print(df2)
print('\n')

df3 = df.copy()
df3.drop(['우현','인아'],axis=0,inplace=True)
print(df3)

 

    수학  영어   음악   체육
서준  90  98   85  100
우현  80  89   95   90
인아  70  95  100   90


    수학  영어   음악   체육
서준  90  98   85  100
인아  70  95  100   90


    수학  영어  음악   체육
서준  90  98  85  100

In [26]:

df4 = df.copy()
df4.drop('수학',axis=1,inplace=True)
print(df4)
print('\n')
df5 = df.copy()
df5.drop(['영어','음악'],axis=1, inplace=True)
print(df5)

 

    영어   음악   체육
서준  98   85  100
우현  89   95   90
인아  95  100   90


    수학   체육
서준  90  100
우현  80   90
인아  70   90

 

df2 = df[:] , df2 = df.copy() :데이터프레임 복제¶

---

 

행 선택¶

df.loc['a':'c'] (인덱스 이름) a~c 다 포함 / df.iloc[3:7] (정수형 위치 인덱스) 3~7-1 까지 포함¶

In [5]:

print(df)
print('\n')
label1 = df.loc['서준']
position1 = df.iloc[0]
print(label1)
print('\n')
print(position1)

 

    수학  영어   음악   체육
서준  90  98   85  100
우현  80  89   95   90
인아  70  95  100   90


수학     90
영어     98
음악     85
체육    100
Name: 서준, dtype: int64


수학     90
영어     98
음악     85
체육    100
Name: 서준, dtype: int64

In [30]:

label2 = df.loc[['서준','우현']]
position2 = df.iloc[[0,1]]
print(label2)
print('\n')
print(position2)

 

    수학  영어  음악   체육
서준  90  98  85  100
우현  80  89  95   90


    수학  영어  음악   체육
서준  90  98  85  100
우현  80  89  95   90

In [31]:

label3 = df.loc['서준':'우현']
position3 = df.iloc[0:1]
print(label3)
print('\n')
print(position3)

 

    수학  영어  음악   체육
서준  90  98  85  100
우현  80  89  95   90


    수학  영어  음악   체육
서준  90  98  85  100

 

열 선택¶

ex) df.영어 df['영어']¶

In [6]:

print(df,'\n')
math1 = df['수학']
print(math1)
print('\n')
english = df.영어
print(english)

 

    수학  영어   음악   체육
서준  90  98   85  100
우현  80  89   95   90
인아  70  95  100   90 

서준    90
우현    80
인아    70
Name: 수학, dtype: int64


서준    98
우현    89
인아    95
Name: 영어, dtype: int64

In [33]:

music_gym = df[['음악','체육']]
print(music_gym)
print(type(music_gym))
print('\n')

math2 = df[['수학']]
print(math2)
print(type(math2))

 

     음악   체육
서준   85  100
우현   95   90
인아  100   90
<class 'pandas.core.frame.DataFrame'>


    수학
서준  90
우현  80
인아  70
<class 'pandas.core.frame.DataFrame'>

 

---

 

원소 선택¶

df.loc[행 인덱스, 열 이름] / df.iloc[행 번호, 열 번호]¶

In [7]:

print(df,'\n')
a = df.loc['서준','음악']
print(a)
b = df.iloc[0,2]
print(b)

 

    수학  영어   음악   체육
서준  90  98   85  100
우현  80  89   95   90
인아  70  95  100   90 

85
85

In [38]:

c = df.loc['서준',['음악','체육']]
print(c)
d = df.iloc[0,[2,3]]
print(d)
e = df.loc['서준','음악':'체육']
print(e)

 

음악     85
체육    100
Name: 서준, dtype: int64
음악     85
체육    100
Name: 서준, dtype: int64
음악     85
체육    100
Name: 서준, dtype: int64

In [39]:

g = df.loc[['서준','우현'],['음악','체육']]
print(g)
h = df.iloc[[0,1],[2,3]]
print(h)
i = df.loc['서준':'우현','음악':'체육']
print(i)
j = df.iloc[0:2,2:]
print(j)

 

    음악   체육
서준  85  100
우현  95   90
    음악   체육
서준  85  100
우현  95   90
    음악   체육
서준  85  100
우현  95   90
    음악   체육
서준  85  100
우현  95   90

 

---

열 추가¶

In [9]:

exam_data = {'이름':['서준','우현','인아'],'수학':[90,80,70],'영어':[98,89,95],'음악':[85,95,100],'체육':[100,90,90]}
df = pd.DataFrame(exam_data)
print(df)
print('\n')
df1 = df.copy()
df1['국어'] = 80
print(df1)

 

   이름  수학  영어   음악   체육
0  서준  90  98   85  100
1  우현  80  89   95   90
2  인아  70  95  100   90


   이름  수학  영어   음악   체육  국어
0  서준  90  98   85  100  80
1  우현  80  89   95   90  80
2  인아  70  95  100   90  80

 

행 추가¶

In [10]:

print(df)
print('\n')

df.loc[3]=0
print(df)
print('\n')

df.loc[4] = ['동규',90,80,70,60]
print(df)
print('\n')
# 인덱스 3인 행을 복사
df.loc['행5'] = df.loc[3]
print(df)

 

   이름  수학  영어   음악   체육
0  서준  90  98   85  100
1  우현  80  89   95   90
2  인아  70  95  100   90


   이름  수학  영어   음악   체육
0  서준  90  98   85  100
1  우현  80  89   95   90
2  인아  70  95  100   90
3   0   0   0    0    0


   이름  수학  영어   음악   체육
0  서준  90  98   85  100
1  우현  80  89   95   90
2  인아  70  95  100   90
3   0   0   0    0    0
4  동규  90  80   70   60


    이름  수학  영어   음악   체육
0   서준  90  98   85  100
1   우현  80  89   95   90
2   인아  70  95  100   90
3    0   0   0    0    0
4   동규  90  80   70   60
행5   0   0   0    0    0

 

원소 값 변경¶

set_index() : 열을 새로운 행 인덱스로 지정한다.¶

In [45]:

exam_data = {'이름':['서준','우현','인아'],'수학':[90,80,70],'영어':[98,89,95],'음악':[85,95,100],'체육':[100,90,90]}
df = pd.DataFrame(exam_data)

df.set_index('이름',inplace=True)
print(df)
print('\n')

df.iloc[0][3] = 80
print(df)
print('\n')

df.loc['서준']['체육'] = 90
print(df)
print('\n')

df.loc['서준','체육'] = 100
print(df)

 

    수학  영어   음악   체육
이름                  
서준  90  98   85  100
우현  80  89   95   90
인아  70  95  100   90


    수학  영어   음악  체육
이름                 
서준  90  98   85  80
우현  80  89   95  90
인아  70  95  100  90


    수학  영어   음악  체육
이름                 
서준  90  98   85  90
우현  80  89   95  90
인아  70  95  100  90


    수학  영어   음악   체육
이름                  
서준  90  98   85  100
우현  80  89   95   90
인아  70  95  100   90

In [46]:

df.loc['서준',['음악','체육']] = 50
print(df)
print('\n')

df.loc['서준',['음악','체육']] = 100, 50
print(df)

 

    수학  영어   음악  체육
이름                 
서준  90  98   50  50
우현  80  89   95  90
인아  70  95  100  90


    수학  영어   음악  체육
이름                 
서준  90  98  100  50
우현  80  89   95  90
인아  70  95  100  90

 

행, 열 위치 바꾸기 / df = df.T or df = df.transpose()¶

In [47]:

print(df)
print('\n')

df = df.transpose()
print(df)
print('\n')

df = df.T
print(df)
print('\n')

 

    수학  영어   음악  체육
이름                 
서준  90  98  100  50
우현  80  89   95  90
인아  70  95  100  90


이름   서준  우현   인아
수학   90  80   70
영어   98  89   95
음악  100  95  100
체육   50  90   90


    수학  영어   음악  체육
이름                 
서준  90  98  100  50
우현  80  89   95  90
인아  70  95  100  90

 

인덱스 활용¶

In [3]:

import pandas as pd

exam_data = {'이름':['서준','우현','인아'],
            '수학': [90,80,70],
            '영어': [98,89,95],
            '음악': [85,95,100],
            '체육': [100,90,90]}
df = pd.DataFrame(exam_data)
print(df)
print('\n')

# 특정 열을 데이터프레임의 행 인덱스로 설정
ndf = df.set_index(['이름'])
print(ndf)
print('\n')
ndf2 = ndf.set_index('음악')
print(ndf2)
print('\n')
ndf3 = ndf.set_index(['수학','음악'])
print(ndf3)

 

   이름  수학  영어   음악   체육
0  서준  90  98   85  100
1  우현  80  89   95   90
2  인아  70  95  100   90


    수학  영어   음악   체육
이름                  
서준  90  98   85  100
우현  80  89   95   90
인아  70  95  100   90


     수학  영어   체육
음악              
85   90  98  100
95   80  89   90
100  70  95   90


        영어   체육
수학 음악          
90 85   98  100
80 95   89   90
70 100  95   90

 

행 인덱스 재배열¶

In [11]:

dict_data = {'c0':[1,2,3],'c1':[4,5,6],'c2':[7,8,9],'c3':[10,11,12],'c4':[13,14,15]}

df = pd.DataFrame(dict_data, index=['r0','r1','r2'])
print(df)
print('\n')

new_index = ['r0','r1','r2','r3','r4']
# 기존 데이터프레임에 존재하지 않는 행 인덱스가 새롭게 추가되는 경우 그 행의 데이터 값은 NAN 값이 입력된다.
ndf = df.reindex(new_index)
print(ndf)
print('\n')
# NAN 대신 유효한 값으로 채우려면 fill_value 옵션에 원하는 값을 넣어준다.
ndf2 = df.reindex(new_index, fill_value=0)
print(ndf2)

 

    c0  c1  c2  c3  c4
r0   1   4   7  10  13
r1   2   5   8  11  14
r2   3   6   9  12  15


     c0   c1   c2    c3    c4
r0  1.0  4.0  7.0  10.0  13.0
r1  2.0  5.0  8.0  11.0  14.0
r2  3.0  6.0  9.0  12.0  15.0
r3  NaN  NaN  NaN   NaN   NaN
r4  NaN  NaN  NaN   NaN   NaN


    c0  c1  c2  c3  c4
r0   1   4   7  10  13
r1   2   5   8  11  14
r2   3   6   9  12  15
r3   0   0   0   0   0
r4   0   0   0   0   0

 

행 인덱스 초기화¶

In [8]:

dict_data = {'c0':[1,2,3],'c1':[4,5,6],'c2':[7,8,9],'c3':[10,11,12],'c4':[13,14,15]}

df = pd.DataFrame(dict_data, index=['r0','r1','r2'])
print(df)
print('\n')
# 행 인덱스를 정수형 위치 인덱스로 초기화 / 기존 행 인덱스는 열로 이동한다.
ndf = df.reset_index()
print(ndf)

 

    c0  c1  c2  c3  c4
r0   1   4   7  10  13
r1   2   5   8  11  14
r2   3   6   9  12  15


  index  c0  c1  c2  c3  c4
0    r0   1   4   7  10  13
1    r1   2   5   8  11  14
2    r2   3   6   9  12  15

 

행 인덱스를 기준으로 데이터프레임 정렬¶

In [12]:

dict_data = {'c0':[1,2,3],'c1':[4,5,6],'c2':[7,8,9],'c3':[10,11,12],'c4':[13,14,15]}

df = pd.DataFrame(dict_data, index=['r0','r1','r2'])
print(df)
print('\n')
# 행 인덱스를 기준으로 데이터프레임의 값을 정렬 / ascending 옵션을 통해 Fasle : 내림차순 /True : 오름차순
ndf = df.sort_index(ascending=False)
print(ndf)

 

    c0  c1  c2  c3  c4
r0   1   4   7  10  13
r1   2   5   8  11  14
r2   3   6   9  12  15


    c0  c1  c2  c3  c4
r2   3   6   9  12  15
r1   2   5   8  11  14
r0   1   4   7  10  13

In [10]:

dict_data = {'c0':[1,2,3],'c1':[4,5,6],'c2':[7,8,9],'c3':[10,11,12],'c4':[13,14,15]}

df = pd.DataFrame(dict_data, index=['r0','r1','r2'])
print(df)
print('\n')
# 특정 열의 데이터 값을 기준으로 데이터프레임 정렬하기
ndf = df.sort_values(by='c1', ascending=False)
print(ndf)

 

    c0  c1  c2  c3  c4
r0   1   4   7  10  13
r1   2   5   8  11  14
r2   3   6   9  12  15


    c0  c1  c2  c3  c4
r2   3   6   9  12  15
r1   2   5   8  11  14
r0   1   4   7  10  13

 

---

산술연산¶

시리즈 연산¶

In [11]:

student1 = pd.Series({'국어':100,'영어':80,'수학':90})
print(student1)
print('\n')

percentage = student1/200
print(percentage)
print('\n')
print(type(percentage))

 

국어    100
영어     80
수학     90
dtype: int64


국어    0.50
영어    0.40
수학    0.45
dtype: float64


<class 'pandas.core.series.Series'>

In [14]:

student1 = pd.Series({'국어':100,'영어':80,'수학':90})
student2 = pd.Series({'수학':80,'국어':90,'영어':80})
print(student1)
print('\n')
print(student2)
print('\n')
addition = student1 + student2
subtraction = student1 - student2
multiplication = student1 * student2
division = student1 / student2

result = pd.DataFrame([addition,subtraction,multiplication,division], index=['덧셈','뺄셈','곱셈','나눗셈'])
print(result)

 

국어    100
영어     80
수학     90
dtype: int64


수학    80
국어    90
영어    80
dtype: int64


              국어        수학      영어
덧셈    190.000000   170.000   160.0
뺄셈     10.000000    10.000     0.0
곱셈   9000.000000  7200.000  6400.0
나눗셈     1.111111     1.125     1.0

In [16]:

import numpy as np
student1 = pd.Series({'국어':np.nan,'영어':80,'수학':90})
student2 = pd.Series({'수학':80,'국어':90})
print(student1)
print('\n')
print(student2)

print('\n')
addition = student1 + student2
subtraction = student1 - student2
multiplication = student1 * student2
division = student1 / student2
# 두 시리즈의 원소의 개수가 다르거나, 인덱스 값이 다른 경우 판다스는 유효한 값이 존재하지 않는다는 의미를 갖는 NAN으로 처리한다.
result = pd.DataFrame([addition,subtraction,multiplication,division], index=['덧셈','뺄셈','곱셈','나눗셈'])
print(result)

 

국어     NaN
영어    80.0
수학    90.0
dtype: float64


수학    80
국어    90
dtype: int64


     국어        수학  영어
덧셈  NaN   170.000 NaN
뺄셈  NaN    10.000 NaN
곱셈  NaN  7200.000 NaN
나눗셈 NaN     1.125 NaN

 

연산 메소드¶

In [17]:

student1 = pd.Series({'국어':np.nan,'영어':80,'수학':90})
student2 = pd.Series({'수학':80,'국어':90})
print(student1)
print('\n')
print(student2)
print('\n')

sr_add = student1.add(student2, fill_value=0)
sr_sub = student1.sub(student2, fill_value=0)
sr_mul = student1.mul(student2, fill_value=0)
sr_div = student1.div(student2, fill_value=0)

result = pd.DataFrame([sr_add,sr_sub,sr_mul,sr_div], index=['덧셈','뺄셈','곱셈','나눗셈'])
print(result)

 

국어     NaN
영어    80.0
수학    90.0
dtype: float64


수학    80
국어    90
dtype: int64


       국어        수학    영어
덧셈   90.0   170.000  80.0
뺄셈  -90.0    10.000  80.0
곱셈    0.0  7200.000   0.0
나눗셈   0.0     1.125   inf

 

데이터프레임 연산¶

In [20]:

import seaborn as sns

titanic = sns.load_dataset('titanic')
df = titanic.loc[:,['age','fare']]
print(df.head())
print('\n')

addition = df +10
print(addition.head())

 

    age     fare
0  22.0   7.2500
1  38.0  71.2833
2  26.0   7.9250
3  35.0  53.1000
4  35.0   8.0500


    age     fare
0  32.0  17.2500
1  48.0  81.2833
2  36.0  17.9250
3  45.0  63.1000
4  45.0  18.0500

In [21]:

print(df.tail())
print('\n')
subtraction = addition - df
print(subtraction.tail())

 

      age   fare
886  27.0  13.00
887  19.0  30.00
888   NaN  23.45
889  26.0  30.00
890  32.0   7.75


      age  fare
886  10.0  10.0
887  10.0  10.0
888   NaN  10.0
889  10.0  10.0
890  10.0  10.0

 

---

데이터 입출력¶

In [48]:

#-*- coding:utf-8 -*-
file_path = 'C:\\Users\\rladl\\Jupyter.study\\05000266\\part2\\read_csv_sample.csv'
df1 = pd.read_csv(file_path)
print(df1)
print('\n')
df2 = pd.read_csv(file_path, header=None)
print(df2)
print('\n')

df3 = pd.read_csv(file_path, index_col=None)
print(df3)
print('\n')

df4 = pd.read_csv(file_path, index_col='c0')
print(df4)

 

   c0  c1  c2  c3
0   0   1   4   7
1   1   2   5   8
2   2   3   6   9


    0   1   2   3
0  c0  c1  c2  c3
1   0   1   4   7
2   1   2   5   8
3   2   3   6   9


   c0  c1  c2  c3
0   0   1   4   7
1   1   2   5   8
2   2   3   6   9


    c1  c2  c3
c0            
0    1   4   7
1    2   5   8
2    3   6   9

In [50]:

df1 = pd.read_excel('C:\\Users\\rladl\\Jupyter.study\\05000266\\part2\\남북한발전전력량.xlsx', engine='openpyxl')
df2 = pd.read_excel('C:\\Users\\rladl\\Jupyter.study\\05000266\\part2\\남북한발전전력량.xlsx', engine='openpyxl', header=None)

print(df1)
print('\n')
print(df2)

 

  전력량 (억㎾h) 발전 전력별  1990  1991  1992  1993  1994  1995  1996  1997  ...  2007  \
0        남한     합계  1077  1186  1310  1444  1650  1847  2055  2244  ...  4031   
1       NaN     수력    64    51    49    60    41    55    52    54  ...    50   
2       NaN     화력   484   573   696   803  1022  1122  1264  1420  ...  2551   
3       NaN    원자력   529   563   565   581   587   670   739   771  ...  1429   
4       NaN    신재생     -     -     -     -     -     -     -     -  ...     -   
5        북한     합계   277   263   247   221   231   230   213   193  ...   236   
6       NaN     수력   156   150   142   133   138   142   125   107  ...   133   
7       NaN     화력   121   113   105    88    93    88    88    86  ...   103   
8       NaN    원자력     -     -     -     -     -     -     -     -  ...     -   

   2008  2009  2010  2011  2012  2013  2014  2015  2016  
0  4224  4336  4747  4969  5096  5171  5220  5281  5404  
1    56    56    65    78    77    84    78    58    66  
2  2658  2802  3196  3343  3430  3581  3427  3402  3523  
3  1510  1478  1486  1547  1503  1388  1564  1648  1620  
4     -     -     -     -    86   118   151   173   195  
5   255   235   237   211   215   221   216   190   239  
6   141   125   134   132   135   139   130   100   128  
7   114   110   103    79    80    82    86    90   111  
8     -     -     -     -     -     -     -     -     -  

[9 rows x 29 columns]


          0       1     2     3     4     5     6     7     8     9   ...  \
0  전력량 (억㎾h)  발전 전력별  1990  1991  1992  1993  1994  1995  1996  1997  ...   
1         남한      합계  1077  1186  1310  1444  1650  1847  2055  2244  ...   
2        NaN      수력    64    51    49    60    41    55    52    54  ...   
3        NaN      화력   484   573   696   803  1022  1122  1264  1420  ...   
4        NaN     원자력   529   563   565   581   587   670   739   771  ...   
5        NaN     신재생     -     -     -     -     -     -     -     -  ...   
6         북한      합계   277   263   247   221   231   230   213   193  ...   
7        NaN      수력   156   150   142   133   138   142   125   107  ...   
8        NaN      화력   121   113   105    88    93    88    88    86  ...   
9        NaN     원자력     -     -     -     -     -     -     -     -  ...   

     19    20    21    22    23    24    25    26    27    28  
0  2007  2008  2009  2010  2011  2012  2013  2014  2015  2016  
1  4031  4224  4336  4747  4969  5096  5171  5220  5281  5404  
2    50    56    56    65    78    77    84    78    58    66  
3  2551  2658  2802  3196  3343  3430  3581  3427  3402  3523  
4  1429  1510  1478  1486  1547  1503  1388  1564  1648  1620  
5     -     -     -     -     -    86   118   151   173   195  
6   236   255   235   237   211   215   221   216   190   239  
7   133   141   125   134   132   135   139   130   100   128  
8   103   114   110   103    79    80    82    86    90   111  
9     -     -     -     -     -     -     -     -     -     -  

[10 rows x 29 columns]

In [51]:

df = pd.read_json('C:\\Users\\rladl\\Jupyter.study\\05000266\\part2\\read_json_sample.json')
print(df)
print('\n')
print(df.index)

 

           name  year        developer opensource
pandas           2008    Wes Mckinneye       True
NumPy            2006  Travis Oliphant       True
matplotlib       2003   John D. Hunter       True


Index(['pandas', 'NumPy', 'matplotlib'], dtype='object')