HomeAboutMeBlogGuest
© 2025 Sejin Cha. All rights reserved.
Built with Next.js, deployed on Vercel
📩
캐글 데이터로 살펴보는 데이터분석 With Python and SAS/
🕓
4.8.2. Pandas
🕓

4.8.2. Pandas

notion image

목차

목차PandasSeries산술연산비교 연산자집계함수DataFrame결측값 처리MultiIndex데이터 사전 분석값의 연결
 

Pandas

  • 데이터를 분석할 때 가장 많이 쓰이는 라이브러리다.
  • 행과 열을 쉽게 처리할 수 있는 함수를 제공하는 도구이다.
      • ※ 각 열은 단일 데이터 형식만 저장
  • numpy보다 유연하게 수치 연산 가능하다.
입력
 
출력

Series

  • index와 values로 이루어진 1차원 배열이다.
  • 모든 유형의 데이터를 보유할 수 있다.
  • 인덱스를 지정해 줄 수 있다.
  • 인덱스 길이는 데이터의 길이와 같아야 한다.
  • 명시적 인덱스와 암묵적 인덱스를 가진다.
    • loc : 인덱스값을 기반으로 행 데이터를 읽는다.
    • iloc : 정수 인덱스을 기반으로 행 데이터를 읽는다.
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 

산술연산

입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 

비교 연산자

입력
 
출력
 
입력
 
출력
 
입력
 
출력
 

집계함수

  • add : 더하기 함수
  • sub : 빼기 함수
  • mul : 곱하기 함수
  • div : 나누기 함수
  • mod : 나머지 구하는 함수
  • min : 최소값 구하는 함수
  • max : 최대값 구하는 함수
  • mean : 평균 구하는 함수
  • median : 중앙값 구하는 함수
  • std : 표준편차 구하는 함수
  • var : 분산 구하는 함수
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 

DataFrame

  • 2차원 배열에 행과 열에 인덱스를 붙인 것이다.
  • 가장 기본적인 데이터 구조이다.
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 

결측값 처리

  1. NaN
      • 자료형이 Float형이다.
      • 배열에서 연산할 경우 오류가 발생하지 않지만 결과값이 NaN이 된다.
  1. None
      • 자료형이 None이다.
      • 배열 연산을 할 경우 오류가 발생한다.
3. 처리방법
  • isnull() : 결측값 확인 (결측 이면 True , 결측이 아니면 False )
  • notnull() : 결측값 확인 (결측 이면 False , 결측이 아니면 True )
  • dropna() : 결측값 삭제
    • inplace = True : drop후 원본에 반영
  • fillna(Num) : 결측값을 Num으로 채워 넣는다.
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 

MultiIndex

  • Index를 설정할 때 리스트의 리스트 형태로 넣어주면 다중 인덱스가 설정이 된다.
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 

데이터 사전 분석

  • info() : DataFrame을 구성하는 행과 열에 대한 정보를 나타내 주는 함수
  • head(n) : DataFrame의 처음부터 n줄의 행을 출력
  • tail(n) : DataFrame의 마지막 n줄의 행을 출력
  • describe() : Series, DataFrame의 각 열에 대한 요약 통계
  • dtypes : 데이터 자료형 확인
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 

값의 연결

  • concat : DataFrame끼리 결합
    • axis=0 or 1 : 아래로 데이터 연결 / 옆으로 데이터 연결
  • append : 마지막 행에 데이터를 추가
※ concatenate : 배열끼리 결합
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
 
입력
 
출력
import pandas as pd

pd.__version__

pd? # tab 누르면 사용가능한 여러가지 method를 볼 수 있다.
1.0.1
import pandas as pd
import numpy as np
data = np.arange(0, 50, 10)
data
array([ 0, 10, 20, 30, 40])
a = pd.Series(data, index=['a', 'b', 'c', 'd', 'e'])
print(a)
a     0
b    10
c    20
d    30
e    40
dtype: int32
b = pd.Series(data)
b
0     0
1    10
2    20
3    30
4    40
dtype: int32
a['b']
10
a.loc['b']
10
a.iloc[1]
10
a
a     0
b    10
c    20
d    30
e    40
dtype: int32
# 더하기
a + 10
a    10
b    20
c    30
d    40
e    50
dtype: int32
# 빼기
a - 10
a   -10
b     0
c    10
d    20
e    30
dtype: int32
# 곱하기
a * 10
a      0
b    100
c    200
d    300
e    400
dtype: int32
# 거듭제곱
a ** 2
a       0
b     100
c     400
d     900
e    1600
dtype: int32
# 나누기
a / 5
a    0.0
b    2.0
c    4.0
d    6.0
e    8.0
dtype: float64
# 몫
a // 5
a    0
b    2
c    4
d    6
e    8
dtype: int32
# 나머지
a % 3
a    0
b    1
c    2
d    0
e    1
dtype: int32
a
Out[-]
a     0
b    10
c    20
d    30
e    40
dtype: int32
a > 15
a    False
b    False
c     True
d     True
e     True
dtype: bool
a[a>15]
c    20
d    30
e    40
dtype: int32
a.add(100)
a    100
b    101
c    102
d    103
e    104
dtype: int32
a.sub(100)
a   -100
b    -90
c    -80
d    -70
e    -60
dtype: int32
a.mul(100)
a       0
b    1000
c    2000
d    3000
e    4000
dtype: int32
a.div(100)
a    0.0
b    0.1
c    0.2
d    0.3
e    0.4
dtype: float64
a.mod(3)
a    0
b    1
c    2
d    0
e    1
dtype: int32
a.min()
0
a.max()
40
a.sum()
100
a.mean()
Out[-]
20.0
a.median()
20.0
a.std()
15.811388300841896
a.var()
250.0
# 50부터 100사이, 4x3형태로 랜덤 생성
rawData = np.random.randint(50, 100, size=(4, 3)) 
rawData
array([[72, 61, 98],
       [83, 90, 91],
       [55, 71, 89],
       [71, 71, 76]])
df = pd.DataFrame(rawData, 
                  index=['1반', '2반', '1반', '2반'], 
                  columns=['국', '영', '수'])
df
    국	영	수
1반	72	61	98
2반	83	90	91
1반	55	71	89
2반	71	71	76
#df[0] -> Error
df['국']
1반    72
2반    83
1반    55
2반    71
Name: 국, dtype: int32
df
    국	영	수
1반	72	61	98
2반	83	90	91
1반	55	71	89
2반	71	71	76
# 열을 추가하여 평균 구하기  
df['평균'] = round((df['국']+df['영']+df['수'])/3, 2)
df
    국	영	수	평균
1반	72	61	98	77.00
2반	83	90	91	88.00
1반	55	71	89	71.67
2반	71	71	76	72.67
# 열('na') 추가하고 NaN값을 넣기
df["na"] = np.nan
df
    국	영	수	평균	na
1반	72	61	98	77.00	NaN
2반	83	90	91	88.00	NaN
1반	55	71	89	71.67	NaN
2반	71	71	76	72.67	NaN
# del 삭제
del df['na']
df
    국	영	수	평균
1반	72	61	98	77.00
2반	83	90	91	88.00
1반	55	71	89	71.67
2반	71	71	76	72.67
df[df.평균 > 75]
    국	영	수	평균
1반	72	61	98	77.0
2반	83	90	91	88.0
df = df.drop(["평균"], axis = 'columns')
df
    국	영	수
1반	72	61	98
2반	83	90	91
1반	55	71	89
2반	71	71	76
df = df.astype('float64') # 타입 변경
df
    국	  영	  수
1반	72.0	61.0	98.0
2반	83.0	90.0	91.0
1반	55.0	71.0	89.0
2반	71.0	71.0	76.0
df['수'][2] = np.nan
df
    	국	  영	  수
1반	72.0	61.0	98.0
2반	83.0	90.0	91.0
1반	55.0	71.0	 NaN
2반	71.0	71.0	76.0
df.dropna(axis=0) # inplace=True # axis=0 : 행 삭제
      국	  영	  수
1반	72.0	61.0	98.0
2반	83.0	90.0	91.0
2반	71.0	71.0	76.0
df
    	국	  영	  수
1반	72.0	61.0	98.0
2반	83.0	90.0	91.0
1반	55.0	71.0	 NaN
2반	71.0	71.0	76.0
df.dropna(axis=1) # axis=1 : 열 삭제
    국	  영
1반	72.0	61.0
2반	83.0	90.0
1반	55.0	71.0
2반	71.0	71.0
df.fillna('hello')
    국	  영	   수
1반	72.0	61.0	   98
2반	83.0	90.0	   91
1반	55.0	71.0	hello
2반	71.0	71.0	   76
df.fillna(0) # 0으로 대체
      국	  영	  수
1반	72.0	61.0	98.0
2반	83.0	90.0	91.0
1반	55.0	71.0	 0.0
2반	71.0	71.0	76.0
df.fillna(df.mean()) # 평균으로 대체
    국	  영	       수
1반	72.0	61.0	98.000000
2반	83.0	90.0	91.000000
1반	55.0	71.0	88.333333
2반	71.0	71.0	76.000000
df
    국	  영	  수
1반	72.0	61.0	98.0
2반	83.0	90.0	91.0
1반	55.0	71.0	 NaN
2반	71.0	71.0	76.0
# index 와 columns을 바꿈
df.T 
     1반	 2반	 1반	 2반
국	72.0	83.0	55.0	71.0
영	61.0	90.0	71.0	71.0
수	98.0	91.0	 NaN	76.0
df
      국	  영	  수
1반	72.0	61.0	98.0
2반	83.0	90.0	91.0
1반	55.0	71.0	 NaN
2반	71.0	71.0	76.0
df.index = [['1학년', '1학년', '2학년', '2학년'], ['1반', '2반', '1반', '2반']]
df
          	국	  영	  수
1학년	1반	72.0	61.0	98.0
      2반	83.0	90.0	91.0
2학년	1반	55.0	71.0	 NaN
      2반	71.0	71.0	76.0
df.columns = [['언어', '언어', '수리'],['국', '영', '수']]
df
        	      언어   수리
						국	  영	  수
1학년	1반	72.0	61.0	98.0
      2반	83.0	90.0	91.0
2학년	1반	55.0	71.0	 NaN
      2반	71.0	71.0	76.0
df['언어']['국']
1학년  1반    72.0
      2반    83.0
2학년  1반    55.0
      2반    71.0
Name: 국, dtype: float64
df.iloc[0]
언어  국    72.0
     영    61.0
수리  수    98.0
Name: (1학년, 1반), dtype: float64
df.loc['1학년']

          언어	수리
			국	  영	  수
1반	72.0	61.0	98.0
2반	83.0	90.0	91.0
df.loc['1학년'].loc['1반']
언어  국    72.0
    영    61.0
수리  수    98.0
Name: 1반, dtype: float64
df

					      언어   수리
						국	  영	  수
1학년	1반	72.0	61.0	98.0
      2반	83.0	90.0	91.0
2학년	1반	55.0	71.0	 NaN
      2반	71.0	71.0	76.0
df.info()
<class 'pandas.core.frame.DataFrame'>
MultiIndex: 4 entries, (1학년, 1반) to (2학년, 2반)
Data columns (total 3 columns):
(언어, 국)    4 non-null float64
(언어, 영)    4 non-null float64
(수리, 수)    3 non-null float64
dtypes: float64(3)
memory usage: 248.0+ bytes
df.head()

								언어	수리
						국	  영	  수
1학년	1반	72.0	61.0	98.0
			2반	83.0	90.0	91.0
2학년	1반	55.0	71.0	 NaN
			2반	71.0	71.0	76.0
df.tail()

								언어	수리
						국	  영	  수
1학년	1반	72.0	61.0	98.0
			2반	83.0	90.0	91.0
2학년	1반	55.0	71.0	NaN
			2반	71.0	71.0	76.0
df.dtypes
언어  국    float64
    영    float64
수리  수    float64
dtype: object
df.describe()

										 언어	     수리
						 국	       영	       수
count	 4.000000	 4.000000	 3.000000
 mean	70.250000	73.250000	88.333333
  std	11.528949	12.120919	11.239810
  min	55.000000	61.000000	76.000000
  25%	67.000000	68.500000	83.500000
  50%	71.500000	71.000000	91.000000
  75%	74.750000	75.750000	94.500000
  max	83.000000	90.000000	98.000000
df.isnull() # 결측값 확인, 결과는 bool 형태로 출력

								 언어	 수리
						 국	   영	   수
1학년	1반	False	False	False
			2반	False	False	False
2학년	1반	False	False	 True
			2반	False	False	False
df.isnull().sum() # 결측값 개수 확인
언어  국    0
    영    0
수리  수    1
dtype: int64
a = pd.DataFrame(np.arange(1, 10).reshape(3, 3))
a
  0	1	2
0	1	2	3
1	4	5	6
2	7	8	9
b = pd.Series(np.arange(10, 40, 10))
b
0    10
1    20
2    30
dtype: int32
pd.concat([a, b], axis=1)
  0	1	2	 0
0	1	2	3	10
1	4	5	6	20
2	7	8	9	30
pd.concat([a, b], axis=1, ignore_index=True)
  0	1	2	 3
0	1	2	3	10
1	4	5	6	20
2	7	8	9	30
a.append(b, ignore_index=True)
   0	 1	 2
0	 1	 2	 3
1	 4	 5	 6
2	 7	 8	 9
3	10	20	30