Python 데이터 처리 라이브러리 Pandas 활용법

Pandas란 무엇인가?

Pandas는 파이썬에서 데이터 분석과 조작을 용이하게 해주는 강력한 라이브러리입니다. 데이터 과학자와 분석가들이 대규모 데이터 세트를 다룰 때 널리 사용되며, 주로 테이블 형식의 데이터를 처리하는 데 최적화되어 있습니다. 이 라이브러리는 NumPy를 기반으로 하여 효율적인 데이터 관리와 연산을 가능하게 합니다.

Pandas의 주요 특징

Pandas는 다음과 같은 다양한 기능을 제공합니다.

• NumPy를 기반으로 하여 높은 성능을 자랑합니다.
• CSV, Excel, JSON, SQL 등 다양한 파일 형식에서 데이터를 손쉽게 불러오고 저장할 수 있습니다.
• 데이터를 필터링, 그룹화 및 집계할 수 있는 다양한 기능이 내장되어 있습니다.
• 시계열 데이터 처리를 위한 최적화가 되어 있습니다.

Pandas 설치하기

Pandas 라이브러리는 간단하게 설치할 수 있습니다. 아래의 명령어를 통해 설치할 수 있습니다:

pip install pandas

Pandas의 기본 데이터 구조

Pandas의 핵심 데이터 구조는 두 가지로, 1차원 데이터인 Series와 2차원 데이터인 DataFrame이 있습니다. 이 두 구조는 데이터를 다루는 데 매우 유용합니다.

1. Pandas Series

Series는 1차원 배열 구조로, 각 데이터에 인덱스를 부여할 수 있습니다. 인덱스는 데이터를 효율적으로 접근하는 데 도움을 줍니다. 예를 들어, 다음과 같이 Series를 생성할 수 있습니다:

import pandas as pd
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])
print(s)

2. Pandas DataFrame

DataFrame은 2차원 테이블 형태의 데이터 구조로, 각 열은 서로 다른 데이터 타입을 가질 수 있습니다. DataFrame은 여러 개의 Series를 결합하여 만들 수 있습니다. 다음은 DataFrame을 생성하는 예시입니다:

data = {
  'Name': ['Alice', 'Bob', 'Charlie'],
  'Age': [25, 30, 35],
  'City': ['Seoul', 'Busan', 'Incheon']
}
df = pd.DataFrame(data)
print(df)

데이터 불러오기 및 저장하기

Pandas를 사용하면 CSV, Excel, JSON, SQL 등 다양한 형식의 데이터를 손쉽게 불러오고 저장할 수 있습니다.

파일 불러오기

CSV 파일이나 Excel 파일을 불러오는 방법은 다음과 같습니다:

df = pd.read_csv('data.csv') # CSV 파일 불러오기
df_excel = pd.read_excel('data.xlsx', sheet_name='Sheet1') # Excel 파일 불러오기

데이터 저장하기

DataFrame을 CSV 또는 Excel 파일로 저장하려면 다음의 코드를 사용할 수 있습니다:

df.to_csv('output.csv', index=False) # CSV로 저장
df.to_excel('output.xlsx', index=False) # Excel로 저장

기본적인 데이터 조작하기

Pandas를 활용하여 데이터를 조회, 수정 및 집계할 수 있습니다. 기본적인 데이터 조작 방법을 살펴보겠습니다.

열 선택하기

특정 열을 선택하여 Series를 반환받거나, 여러 열을 선택할 수도 있습니다:

age_series = df['Age'] # 하나의 열 선택
subset = df[['Name', 'City']] # 여러 열 선택

행 선택하기

행을 선택할 때는 인덱스를 기준으로 loc와 iloc를 사용할 수 있습니다:

row = df.loc[1] # 라벨 인덱스를 사용한 행 선택
rows = df.iloc[0:2] # 정수 인덱스를 사용한 행 선택

열 단위 연산

DataFrame의 수치형 열에 대해 사칙연산을 적용할 수 있습니다:

df['Age_plus_5'] = df['Age'] + 5 # 'Age' 열에 5를 더하기

요약 통계

Pandas는 다양한 집계 함수(mean, sum 등)를 활용하여 데이터의 요약 통계를 쉽게 계산할 수 있습니다:

mean_age = df['Age'].mean() # 평균 계산
total_age = df['Age'].sum() # 총합 계산

데이터 필터링하기

조건에 맞는 행을 선택하거나 특정 열의 값을 변경할 수 있습니다. 예를 들어, 나이가 30 이상인 데이터만 선택하는 방법은 다음과 같습니다:

filtered_df = df[df['Age'] >= 30]

결론

Pandas는 데이터 분석을 위한 매우 유용한 도구입니다. 데이터의 불러오기, 저장, 조작 및 분석을 용이하게 처리할 수 있도록 설계되어 있습니다. Python을 이용한 데이터 분석을 배울 때 Pandas는 필수적으로 익혀야 할 라이브러리입니다. 기본적인 사용법을 이해하고 활용할 수 있다면, 데이터 분석 업무의 효율성을 크게 향상시킬 수 있습니다.

자주 찾으시는 질문 FAQ