Pandas로 손쉽게 데이터 테이블 다루는 방법
현대 데이터 분석 및 과학 분야에서는 데이터 테이블 조작이 필수적입니다. 그 중에서도 Python의 Pandas 라이브러리는 데이터 분석의 강력한 도구로 자리 잡고 있습니다. 이번 글에서는 Pandas의 기본 사용법과 주요 기능을 초보자도 쉽게 이해할 수 있도록 설명하겠습니다.
Pandas란 무엇인가?
Pandas는 Python 프로그래밍 언어를 위한 데이터 분석 라이브러리로, 데이터 조작 및 분석을 위한 강력한 도구입니다. 데이터 구조인 Series와 DataFrame을 기반으로 하여, 효율적인 데이터 처리 및 분석을 가능하게 합니다.
Pandas의 주요 기능
- 데이터 조작 및 필터링
- 결측치 처리
- 데이터 변환 및 집계
- 다양한 파일 형식 지원 (CSV, Excel 등)
Pandas 설치 방법
Pandas는 Python 패키지 관리자인 pip를 통해 쉽게 설치할 수 있습니다. 다음의 명령어를 통해 설치할 수 있습니다.
pip install pandas설치가 완료되면 Python 코드에서 Pandas를 사용하기 위해 다음과 같이 불러올 수 있습니다.
import pandas as pd데이터프레임 생성하기
Pandas의 가장 기본적인 데이터 구조인 DataFrame을 생성하는 방법을 알아보겠습니다. DataFrame은 2차원 데이터 구조로, 엑셀 시트와 유사한 형태를 가지고 있습니다.
사전 이용하기
리스트와 사전을 이용하여 DataFrame을 생성할 수 있습니다. 다음과 같이 코드를 작성해 보겠습니다.
data = {"이름": ["홍길동", "김철수"], "나이": [30, 25], "성별": ["남", "남"]}
df = pd.DataFrame(data)CSV 파일로부터 DataFrame 생성하기
CSV 파일로부터 DataFrame을 생성하는 방법도 매우 간단합니다. 다음과 같은 명령어로 CSV 파일을 불러올 수 있습니다.
df = pd.read_csv("파일이름.csv")기본 데이터프레임 조작
데이터프레임을 생성한 후에는 다양한 조작이 가능합니다. 기본적으로 사용할 수 있는 몇 가지 방법을 소개하겠습니다.
컬럼 선택하기
데이터프레임에서 특정 컬럼을 선택하는 방법은 매우 간단합니다. 다음의 예제를 보겠습니다.
df["이름"]행 선택하기
행을 선택하는 방법도 있으며, iloc와 loc를 사용하여 행을 선택할 수 있습니다.
df.iloc[0]첫 번째 행 선택
df.loc[0]인덱스를 사용하여 행 선택
데이터 수정하기
특정 셀의 값을 수정하고 싶다면, 다음과 같은 방법을 사용할 수 있습니다.
df.at[0, "나이"] = 31데이터 분석 및 변환
Pandas는 데이터 분석과 변환을 위한 다양한 기능을 제공합니다. 데이터의 통계적 요약 및 변환 방법을 알아보겠습니다.
기초 통계 계산하기
데이터프레임의 기초 통계를 계산하기 위해 describe() 메서드를 사용할 수 있습니다.
df.describe()필터링
조건에 맞는 데이터만 추출하고 싶다면 필터링을 사용할 수 있습니다. 아래의 예시를 참조하십시오.
df[df["나이"] > 28]그룹화하여 집계하기
Pandas를 사용하여 특정 컬럼을 기준으로 데이터를 그룹화하고, 집계할 수 있습니다. 다음과 같은 방법으로 가능합니다.
df.groupby("성별").mean()결측치 처리
데이터셋에 결측치가 있는 경우, Pandas에서는 이를 간편하게 처리할 수 있습니다. 결측치를 처리하기 위한 몇 가지 방법을 소개하겠습니다.
결측치 찾기
수치형 데이터에서 결측치를 확인하기 위해 isnull()과 sum()을 사용할 수 있습니다.
df.isnull().sum()결측치 제거하기
결측치를 제거하는 방법은 dropna() 메서드를 사용하면 됩니다.
df.dropna()결측치 채우기
결측치를 특정 값으로 채우고 싶다면 fillna() 메서드를 활용할 수 있습니다.
df.fillna(0)데이터 시각화
Pandas는 Matplotlib와 함께 사용하여 데이터 시각화를 쉽게 합니다. matplotlib.pyplot을 불러온 후, 다음과 같이 데이터를 시각화할 수 있습니다.
import matplotlib.pyplot as plt
df["나이"].hist()파일로 내보내기
분석이 끝난 데이터를 파일로 내보내는 것도 매우 쉽습니다. DataFrame을 CSV 파일로 내보내기 위해서는 to_csv() 메서드를 사용할 수 있습니다.
df.to_csv("결과파일.csv", index=False)결론
이제 Pandas를 사용하여 데이터 테이블을 손쉽게 다루는 기본적인 방법을 배웠습니다. 데이터 분석 및 과학 분야에서 Pandas는 매우 중요한 도구로, 계속해서 학습하여 데이터를 조작하고 분석하는 능력을 키워나가길 바랍니다. 감사합니다.
