Pandas 라이브러리 소개 및 주요 함수

 

https://pandas.pydata.org/

pandas - Python Data Analysis Library

 

 

Pandas는 파이썬에서 데이터 분석과 조작을 위한 강력한 라이브러리로, 주로 표 형태의 데이터를 다루는 데 최적화되어 있습니다. 데이터 프레임(DataFrame)과 시리즈(Series)라는 두 가지 주요 데이터 구조를 통해 데이터를 쉽게 처리하고 분석할 수 있습니다. 이 글에서는 Pandas의 주요 기능과 자주 사용하는 함수들에 대해 설명하고, 실제 예제와 결과를 함께 보여드리겠습니다.

Pandas 설치하기

Pandas는 pip를 통해 쉽게 설치할 수 있습니다. 터미널 또는 명령 프롬프트에서 다음 명령어를 입력하세요.

bash

pip install pandas

Pandas의 주요 데이터 구조

1. Series

Series는 일차원 배열로, 인덱스와 값을 쌍으로 갖습니다. 간단한 데이터를 저장하고 조작할 때 유용합니다.

python

import pandas as pd

# Series 생성
data = pd.Series([10, 20, 30, 40])
print("Series:\n", data)

2. DataFrame

DataFrame은 2차원 배열로, 행과 열을 가집니다. 엑셀 스프레드시트처럼 데이터를 저장하고 조작할 수 있습니다.

python

# DataFrame 생성
data = {
    '이름': ['Alice', 'Bob', 'Charlie'],
    '나이': [25, 30, 35],
    '도시': ['서울', '부산', '대구']
}
df = pd.DataFrame(data)
print("DataFrame:\n", df)

자주 사용하는 Pandas 함수

1. 데이터 읽기 및 쓰기

Pandas는 다양한 형식의 데이터를 읽고 쓸 수 있는 함수들을 제공합니다.

• pd.read_csv(): CSV 파일을 읽어 DataFrame으로 변환합니다.
• df.to_csv(): DataFrame을 CSV 파일로 저장합니다.

python

# CSV 파일 읽기 (예: 'data.csv'라는 파일이 있다고 가정)
df = pd.read_csv('data.csv')
print("CSV 파일에서 읽은 DataFrame:\n", df)

# DataFrame을 CSV 파일로 저장
df.to_csv('output.csv', index=False)

2. 데이터 탐색

• df.head(n): DataFrame의 상위 n개의 행을 반환합니다.
• df.tail(n): DataFrame의 하위 n개의 행을 반환합니다.
• df.info(): DataFrame의 요약 정보를 출력합니다.
• df.describe(): 수치형 데이터의 통계 정보를 제공합니다.

python

print("상위 2개 행:\n", df.head(2))
print("하위 2개 행:\n", df.tail(2))
print("DataFrame 정보:\n")
df.info()
print("통계 정보:\n", df.describe())

3. 데이터 선택 및 필터링

• df['열이름']: 특정 열을 선택합니다.
• df.loc[]: 라벨 기반 인덱싱으로 특정 행과 열을 선택합니다.
• df.iloc[]: 위치 기반 인덱싱으로 특정 행과 열을 선택합니다.

python

# 특정 열 선택
print("이름 열:\n", df['이름'])

# loc을 사용한 행과 열 선택
print("이름과 나이 열:\n", df.loc[:, ['이름', '나이']])

# iloc을 사용한 특정 위치의 데이터 선택
print("첫 번째 행 데이터:\n", df.iloc[0])

4. 데이터 정렬 및 그룹화

• df.sort_values(by='열이름'): 특정 열을 기준으로 데이터프레임을 정렬합니다.
• df.groupby('열이름'): 특정 열을 기준으로 데이터를 그룹화합니다.

python

# 나이 기준으로 정렬
sorted_df = df.sort_values(by='나이')
print("나이 기준으로 정렬된 DataFrame:\n", sorted_df)

# 도시 기준으로 그룹화하여 나이 평균 계산
grouped = df.groupby('도시')['나이'].mean()
print("도시별 평균 나이:\n", grouped)

5. 결측치 처리

결측치는 데이터 분석에서 문제를 일으킬 수 있으므로, 이를 처리하는 방법이 중요합니다.

• df.isnull(): 결측치 여부를 확인합니다.
• df.dropna(): 결측치가 있는 행을 삭제합니다.
• df.fillna(value): 결측치를 지정한 값으로 대체합니다.

python

# 결측치 여부 확인
print("결측치 확인:\n", df.isnull())

# 결측치가 있는 행 삭제
cleaned_df = df.dropna()
print("결측치가 삭제된 DataFrame:\n", cleaned_df)

# 결측치를 0으로 대체
filled_df = df.fillna(0)
print("결측치가 0으로 대체된 DataFrame:\n", filled_df)

결론

Pandas는 데이터 분석을 위한 매우 유용한 도구로, 다양한 데이터 형식을 지원하고 손쉬운 데이터 조작이 가능합니다. 위에서 소개한 주요 함수들과 예제를 통해 Pandas의 기본적인 사용법을 익힐 수 있습니다. 더 깊이 있는 분석을 위해 Pandas 문서와 다양한 자료를 참고하시기 바랍니다.