판다스 데이터프레임 입문 가이드: 생성·loc/iloc 조회·불리언 인덱싱·CSV 저장

핵심 메시지

• 판다스는 데이터 탐색·가공·정제·분석을 위한 파이썬 라이브러리로, 이름은 '패널 데이터'와 '파이썬 데이터 분석'에서 왔고 2008년 웨스 매키니가 만들었다.
• 판다스의 두 축은 1차원 라벨 배열인 시리즈(Series)와 표 형태의 2차원 구조인 데이터프레임(DataFrame)이다.
• 데이터프레임은 리스트를 담은 딕셔너리, 딕셔너리를 담은 리스트, 넘파이 배열, CSV·엑셀·JSON·SQL 같은 외부 파일에서 만들 수 있다.
• 행 선택에서 라벨 기반 loc와 정수 위치 기반 iloc는 슬라이싱 포함 범위가 달라 반드시 구분해야 한다.
• 불리언 인덱싱, 컬럼 추가·연산, 정렬, 파일 입출력, 상관분석까지 데이터 분석의 기본 흐름을 하나로 이어서 익힐 수 있다.

쉽게 이해하기

판다스는 지저분한 데이터를 읽기 좋고 의미 있는 형태로 정리해 통계적 결론을 이끌어내도록 돕는 도구다. 강의는 판다스가 무엇이고 왜 쓰는지에서 출발해, 핵심 자료구조인 시리즈와 데이터프레임을 설명한다. 시리즈는 스프레드시트의 한 열에, 데이터프레임은 관계형 데이터베이스의 테이블이나 엑셀 시트 전체에 비유된다.

데이터프레임을 만드는 방법은 여러 가지다. 가장 흔한 방식은 리스트를 담은 딕셔너리로, 딕셔너리의 각 키가 컬럼 이름이 되고 값 리스트가 그 열의 데이터가 된다. 반대로 딕셔너리를 담은 리스트에서는 각 딕셔너리가 하나의 행(레코드)이 된다. 넘파이 배열로 만들 때는 컬럼 이름과 인덱스를 직접 지정해야 하며, 값에 소수점이 하나라도 있으면 그 열은 정수 대신 실수로 인식된다.

만들어진 데이터프레임은 곧바로 살펴볼 수 있다. columns와 index로 열·행 라벨을, head()와 tail()로 위·아래 다섯 행을 확인하고, info()로 각 열의 자료형을, describe()로 수치형 열의 개수·평균·표준편차·최솟값·최댓값·사분위수를 요약한다. describe()는 이름·도시 같은 문자열 열을 자동으로 제외한다.

행과 열을 골라내는 방법이 강의의 중심이다. 열은 대괄호에 이름을 넣어 하나를, 이름 리스트를 넣어 여러 개를 선택하며 나열 순서가 출력 순서를 결정한다. 행은 라벨 기반 loc와 정수 위치 기반 iloc로 접근하는데, iloc 슬라이싱은 끝 값을 제외하지만 loc 슬라이싱은 끝 값을 포함하며, 리스트를 넘기면 서로 떨어진 행도 골라올 수 있다.

마지막으로 실무 흐름을 마무리한다. 기존 열을 곱해 새 열을 만들거나 컬럼을 추가하고, sort_values로 오름차순·내림차순 및 다중 열 정렬을 하며, shape·size·dtypes로 형태를 점검한다. to_csv·to_excel로 저장하고 read_csv로 다시 불러오며, 끝으로 수치형 열만 골라 corr()로 상관행렬을 만든 뒤 시본 히트맵과 맷플롯립으로 시각화한다.

주요 인사이트

• loc는 라벨 기반(끝 값 포함), iloc는 정수 위치 기반(끝 값 제외)이라는 차이를 모르면 잘라낸 행 범위가 의도와 달라진다.
• 같은 데이터라도 리스트를 담은 딕셔너리는 열 단위로, 딕셔너리를 담은 리스트는 행 단위로 들어가 결과 모양이 완전히 달라진다.
• 넘파이 배열로 데이터프레임을 만들 땐 컬럼과 인덱스를 직접 지정하지 않으면 이름 없는 열과 자동 정수 인덱스가 붙는다.
• describe()·corr() 등 수치 연산은 문자열 열을 자동으로 빼거나 미리 수치형만 선택해야 동작하므로, 분석 전 열 자료형 점검이 중요하다.
• 값 하나에 소수점을 넣는 것만으로 열 전체가 실수형이 되는 등, 판다스의 자동 자료형 추론을 이해하면 의도치 않은 형 변환을 피할 수 있다.

자주 묻는 질문

관련 AI 소식