Pandas 기초 (0) - 시리즈 소개

표 형태의 데이터를 다루는 표준 도구인 pandas를 기초부터 정리하는 시리즈의 0편입니다. 시리즈 소개와 진행 순서를 다루며, 본문은 1편부터 시작합니다.

누구를 위한 시리즈인가

이 시리즈는 다음에 해당하는 분들을 대상으로 작성한 글입니다.

• pd.read_csv로 파일을 읽어는 봤지만 그 뒤에 무엇부터 해야 할지 막막한 사람
• loc과 iloc, groupby, merge를 그때그때 검색해 쓰지만 언제 무엇을 쓰는지 흐릿한 사람
• 데이터가 “에러 없이 조용히 틀리는” 경험을 해봤거나, 그게 무섭다는 걸 아는 사람

Python 문법이나 배열 다루기 자체가 처음이라면 NumPy 기초 시리즈를 먼저 보고 오는 것을 권합니다. pandas는 NumPy 배열 위에 세워진 도구라, 배열의 성질을 알면 pandas의 동작이 훨씬 잘 읽힙니다.

이 시리즈의 위치

이 블로그의 데이터 분석 기초는 세 시리즈로 이어집니다.

• NumPy 기초 — 배열로 데이터를 빠르게 다루는 법. pandas의 바탕.
• Pandas 기초 — 이 시리즈. 표로 데이터를 정제하고 집계하는 법.
• Matplotlib 기초 — 데이터를 그림으로 확인하는 법.

pandas는 NumPy 배열에 행과 열 라벨을 붙인 것입니다. NumPy가 “위치”로 데이터를 다뤘다면, pandas는 “이름”으로 다룰 수 있게 해주고, 그 위에 읽기, 정제, 집계, 결합 같은 실무 도구를 얹습니다. 이 시리즈는 그 도구들을 한 번에 훑는 대신, 실제 데이터를 받았을 때 거치는 순서대로 정리합니다.

어떻게 진행하는가

네 편으로 진행하며, 순서는 아래와 같습니다.

편	주제
(1)	Series와 DataFrame, 그리고 데이터 첫 점검
(2)	원하는 데이터만 골라 바꾸기: loc, iloc, 마스크, 접근자
(3)	쪼개고 세고 합치기: groupby, reindex, merge
(4)	조용히 틀리는 것들: 결측치, dtype 함정, 버전 관리

앞의 세 편이 “어떻게 하는가”라면, 마지막 편은 “어떻게 틀리는가”를 모아 방어법을 정리합니다.

실습 환경

실습 환경과 예제 데이터는 NumPy 기초 시리즈와 같습니다. Google Colab에서 새 노트북을 만들면 pandas가 이미 설치되어 있고, 아래 코드가 에러 없이 돌면 준비가 끝난 것입니다.

import pandas as pd

pd.__version__   # '2.x.x'
df = pd.read_csv("https://blog.hoseunggg.com/assets/data/grades.csv")

예제는 한 학생의 대학교 성적 CSV 하나를 계속 씁니다. 데이터의 구조와 실습 환경 준비가 처음이라면 NumPy 기초 0편의 실습 환경 절을 참고하세요. 준비가 됐으면 1편부터 시작합니다.