[PYTHON] Pandas 완벽 가이드 : 데이터 분석의 핵심 도구

[PYTHON] Pandas

 

파이썬(Python)은 데이터 분석 분야에서 가장 널리 사용되는 언어이며, 그 중심에는 바로 Pandas 라이브러리가 있습니다. Pandas는 구조화된 데이터를 쉽게 다루고 조작할 수 있게 도와주는 강력한 툴로, 데이터 과학자, 엔지니어, 연구원 모두에게 필수적인 도구입니다. 이 글에서는 Pandas의 핵심 개념과 실제 적용 방법을 체계적으로 정리합니다.

---

1. Pandas란 무엇인가?

Pandas는 Python Data Analysis Library의 줄임말로, 표 형식의 데이터 구조(DataFrame, Series)를 효율적으로 처리할 수 있는 기능을 제공합니다. SQL, Excel, CSV 등 다양한 포맷과의 호환성도 뛰어나며, Numpy 기반으로 동작하여 고속 처리도 가능합니다.

설치 방법

pip install pandas

---

2. Pandas의 기본 자료 구조

자료구조	설명	예시
Series	1차원 배열 형태. 인덱스를 가진 데이터	pd.Series([10, 20, 30])
DataFrame	2차원 테이블 형식의 데이터	pd.DataFrame({'이름': ['홍길동'], '나이': [30]})

기본 예제

import pandas as pd

data = {
    '이름': ['철수', '영희', '민수'],
    '나이': [25, 30, 28]
}
df = pd.DataFrame(data)
print(df)

---

3. 데이터 불러오기와 저장

작업	함수	예시
CSV 불러오기	read_csv()	pd.read_csv('data.csv')
Excel 불러오기	read_excel()	pd.read_excel('data.xlsx')
데이터 저장	to_csv(), to_excel()	df.to_csv('save.csv', index=False)

---

4. 데이터 조회 및 조작

기초 조회

df.head()  # 처음 5행
df.tail(3) # 마지막 3행
df.info()  # 데이터 타입 및 개요
df.describe()  # 수치 요약 통계

인덱싱과 필터링

df['이름']               # 단일 열
df[['이름', '나이']]     # 여러 열
df[df['나이'] > 27]      # 조건 필터

정렬과 변경

df.sort_values(by='나이', ascending=False)
df.rename(columns={'이름': 'Name'}, inplace=True)

---

5. 결측치 처리 및 데이터 정제

df.isnull().sum()            # 결측치 개수 확인
df.dropna()                  # 결측치 제거
df.fillna(0)                 # 결측치를 0으로 대체

결측치 처리는 데이터 분석의 품질을 좌우하는 핵심 단계입니다.

---

6. 그룹화 및 집계

Pandas는 SQL의 GROUP BY와 유사한 기능을 제공합니다.

df.groupby('성별')['나이'].mean()
df.groupby(['성별', '도시']).size()

집계 함수는 mean(), sum(), count(), max(), min() 등이 있습니다.

---

7. Pandas 주요 함수 요약

기능	함수명	설명
데이터 확인	head(), info(), describe()	데이터 개요 및 요약 보기
결측치 처리	isnull(), dropna(), fillna()	결측값 탐지 및 처리
데이터 정렬	sort_values()	열 기준 정렬
열 이름 변경	rename()	열/행 이름 바꾸기
그룹화	groupby()	집계 및 분할 처리

---

8. 실전 예제: 지역별 인구 평균 계산

data = {
    '도시': ['서울', '부산', '서울', '부산'],
    '인구': [950, 340, 1100, 420]
}
df = pd.DataFrame(data)
avg = df.groupby('도시')['인구'].mean()
print(avg)

위 코드를 통해 도시별 평균 인구를 빠르게 구할 수 있습니다.

---

9. 시각화를 위한 연동

Pandas는 Matplotlib, Seaborn과 함께 사용하면 시각화까지 한 번에 처리할 수 있습니다.

import matplotlib.pyplot as plt

df['나이'].plot(kind='hist')
plt.title("나이 분포")
plt.show()

---

10. 결론

Pandas는 파이썬 기반 데이터 분석에 있어 가장 핵심적인 라이브러리입니다. 다양한 형태의 데이터를 불러오고, 조작하며, 통계 및 시각화까지 하나의 도구로 가능하게 해 줍니다. 초보자는 DataFrame과 Series 구조를 철저히 익히고, 실무에서는 그룹화, 조건 필터, 결측치 처리 등을 활용해보세요.

---

참고 자료

• Pandas 공식 문서: https://pandas.pydata.org/docs/
• Real Python - Pandas Tutorial: Real Python
• Python for Data Analysis by Wes McKinney