Hee Jun Kim🍀

바퀴를 다시 발명하는 한이 있더라도

Date:     Updated:

카테고리:

태그: ,


파이썬에서 문자열을 슬라이싱(slicing)하는 것은 간단하지만, 판다스(pandas)에서 데이터프레임의 특정 열을 슬라이싱하는 것은 번거로울 수 있다. 이를테면 아래와 같은 상황이다.

result
선수 G 타석 타수 득점 안타 2타 3타 홈런 루타 ... 타율 출루율 장타율 OPS wOBA wRC+ WAR+ WPA 생년 포지션
0 이정후22키CF 142 627 553 85 193 36 10 23 318 ... .349 .421 .575 .996 .441 182.5 9.23 6.72 1998 CF
1 피렐라22삼LF 141 630 561 102 192 33 4 28 317 ... .342 .411 .565 .976 .434 169.3 7.40 4.20 1989 LF
2 나성범22KRF 144 649 563 92 180 39 2 21 286 ... .320 .402 .508 .910 .411 157.4 6.50 3.74 1989 RF
3 오지환22LSS 142 569 494 75 133 16 4 25 232 ... .269 .357 .470 .827 .372 138.6 5.77 2.56 1990 SS
4 최정22S3B 121 505 414 80 110 21 0 26 209 ... .266 .386 .505 .891 .400 145.4 5.15 3.72 1987 3B
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
95 고종욱22KDH 62 114 106 13 30 7 1 2 45 ... .283 .327 .425 .752 .341 110.4 0.40 0.63 1989 DH
96 김기환22NCF 73 131 113 26 25 5 1 0 32 ... .221 .310 .283 .593 .282 71.0 0.37 -1.17 1995 CF
97 김주형22키SS 55 130 110 16 22 7 1 1 34 ... .200 .305 .309 .614 .291 76.0 0.33 -0.93 1996 SS
98 박상언22한C 56 151 134 16 30 5 1 4 49 ... .224 .281 .366 .647 .287 73.4 0.32 -0.83 1997 C
99 안승한22두C 30 39 36 5 12 3 0 0 15 ... .333 .368 .417 .785 .356 122.1 0.32 0.21 1992 C

100 rows × 30 columns

위에 result라는 데이터프레임에서 ‘선수’라는 열은 ‘선수이름+시즌연도+팀(1글자)+포지션’으로 구성되어있다. 여기서 선수이름만 추출하여 새로운 열로 만들고 싶은 상황에 어떻게 해야 할까?

result['선수'][:3]

0    이정후22키CF
1    피렐라22삼LF
2    나성범22KRF
Name: 선수, dtype: object

위같은 코드를 작성하면 문자열이 슬라이싱되는 것이 아니라, 1~3행이 출력되어 버린다.


그래서 데이터프레임을 다루는 것이 번거롭다는 얘기다. 하지만 아래같이 작성하면 문제가 해결된다.

result['선수'].str.slice(0,3)

0     이정후
1     피렐라
2     나성범
3     오지환
4     최정2
     ... 
95    고종욱
96    김기환
97    김주형
98    박상언
99    안승한
Name: 선수, Length: 100, dtype: object

보통 한국 사람의 이름은 3글자이니까, slice를 0부터 3의 값으로 설정했다. 그러나 이 역시 문제가 존재한다. 5행의 최정 선수 같은 외자인 이름은 제대로 슬라이싱되지 않는다. 더군다나 외국인 선수의 경우 이름이 2~5글자 등 판이할 수 있다.


그럴 때 map과 lambda를 적절히 사용해주면 된다. 여기선 find함수도 쓰였는데, find는 문자열 내에서 찾고자 하는 문자가 어느 위치(index)인지를 반환해준다.

문자열.find('찾고자 하는 문자')

즉, 아래 예시는 선수 이름 뒤에 오는 시즌년도(22)의 위치를 찾고, 그 위치전까지만 출력을 하겠다는 의미이다.

result['선수'].map(lambda x:x[:x.find('22')])

0     이정후
1     피렐라
2     나성범
3     오지환
4      최정
     ... 
95    고종욱
96    김기환
97    김주형
98    박상언
99    안승한
Name: 선수, Length: 100, dtype: object


이를 응용하여 선수의 포지션만 출력하고 싶다면, 시즌년도에 +3을 하여 포지션이 나올 인덱스를 적절히 설정해주면 될 것이다!

result['선수'].map(lambda x:x[x.find('22')+3:])

0     CF
1     LF
2     RF
3     SS
4     3B
      ..
95    DH
96    CF
97    SS
98     C
99     C
Name: 선수, Length: 100, dtype: object

마지막으로, 포지션을 추출한 값을 ‘포지션’이라는 이름의 새로운 열로 생성하려면 아래처럼 작성해주면 된다!

result['포지션'] = result['선수'].map(lambda x:x[x.find('22')+3:])


참고