데이터 분석의 첫걸음, 파이썬 Pandas 입문 가이드

Pandas의 핵심 자료구조인 Series(1차원)와 DataFrame(2차원)의 기본 개념과 생성 방법을 명확하게 정리해요. 딕셔너리와 리스트를 활용한 데이터프레임 생성법과 흔히 겪는 길이 불일치 에러의 확실한 해결책을 알아봐요. 또한, CSV나 엑셀 등 외부 데이터를 불러오고 저장하는 방법, 특히 usecols 사용 시 주의해야 할 사항을 다뤄요. 마지막으로 불러온 데이터의 전체 구조와 기초 통계를 빠르게 파악하는 info, describe 등 핵심 데이터 탐색 메서드 활용법을 익혀볼게요.

# pip를 사용하는 경우
pip install pandas

# 아나콘다(Conda)를 사용하는 경우
conda install pandas

# pandas 라이브러리를 불러오고, 앞으로는 'pd'라고 부르겠다고 선언해요.
import pandas as pd

📌 Note

만약 가상환경을 사용 중이라면, 가상환경이 활성화된 상태에서 설치 명령어를 입력해야 해요. 그렇지 않으면 시스템 전역에 설치되어 나중에 패키지 버전 충돌이 일어날 수 있어요.

import pandas as pd

# 1. 딕셔너리로 만들기: key값이 자동으로 인덱스(이름표)가 돼요.
dic_data = {'a': 1, 'b': 2, 'c': 3}
dic_series = pd.Series(dic_data)
print("--- 딕셔너리로 만든 Series ---")
print(dic_series)

# 2. 리스트로 만들기: index를 지정하지 않으면 0부터 시작하는 숫자가 자동으로 붙어요.
list_data = [10, 20, 30]
list_series = pd.Series(list_data, index=['x', 'y', 'z'])
print("\n--- 리스트로 만든 Series ---")
print(list_series)

# 3. 인덱스 없이 리스트만 넣기
auto_index_series = pd.Series([100, 200, 300])
print("\n--- 인덱스를 생략한 Series ---")
print(auto_index_series)

# 4. Series의 기본 정보 확인하기
print("\n--- Series 속성 확인 ---")
print("값(values):", list_series.values) # 실제 데이터 값만 배열 형태로 가져와요.
print("인덱스(index):", list_series.index) # 부여된 이름표 목록을 가져와요.
print("데이터 타입(dtypes):", list_series.dtypes) # 데이터의 형태(숫자, 문자 등)를 알려줘요.

💡 Tip

인덱스는 숫자 말고도 문자열, 날짜 등 다양한 데이터 타입으로 설정할 수 있어요. 특히 시계열 데이터를 다룰 때는 날짜를 인덱스로 지정하면 데이터를 월별, 연도별로 뽑아오기가 훨씬 수월해져요.

import pandas as pd

# 1. 딕셔너리로 만들기 (열 단위 입력)
dic = {
    'Name': ['John', 'Merry', 'Chris'],
    'Number': [1, 2, 3],
    'Month': ['Feb', 'Oct', 'Nov']
}
df_dic = pd.DataFrame(dic)
print("--- 정상적으로 만들어진 DataFrame ---")
print(df_dic)

# 2. 리스트로 만들기 (행 단위 입력)
ls = [
    ['John', 1, 'Feb'],
    ['Merry', 2, 'Oct'],
    ['Chris', 3, 'Nov']
]
# 리스트로 만들 때는 columns 옵션으로 열 이름을 따로 적어줘야 해요.
df_list = pd.DataFrame(ls, columns=['Name', 'Number', 'Month'])
print("\n--- 리스트로 만든 DataFrame ---")
print(df_list)

# 3. 초보자가 가장 많이 하는 실수: 열의 길이가 다른 경우
try:
    error_dic = {
        'Name': ['John', 'Merry', 'Chris'],
        'Number': [1, 2, 3, 4], # 이 열만 데이터가 4개예요!
        'Month': ['Feb', 'Oct', 'Nov']
    }
    df_error = pd.DataFrame(error_dic)
except ValueError as e:
    print("\n--- 에러 발생! ---")
    print("ValueError:", e)

⚠️ Warning

ValueError: All arrays must be of the same length 에러가 보인다면, 딕셔너리에 넣은 리스트들의 길이가 모두 같은지부터 확인해 보세요. 길이가 모자란 곳에는 차라리 빈 값(None)을 넣어서라도 길이를 꼭 맞춰주셔야 해요.

import pandas as pd

# 가상의 csv 파일이 있다고 가정하고 코드를 작성해 볼게요.

# 1. 일반적인 불러오기
# df = pd.read_csv('titanic_train.csv')

# 2. 필요한 열만 고르고, 특정 열을 인덱스로 지정하기
# PassengerId 열을 인덱스로 쓰고, Survived, Pclass, Age 열만 가져와요.
# df = pd.read_csv('titanic_train.csv',
#                  index_col='PassengerId',
#                  usecols=['PassengerId', 'Survived', 'Pclass', 'Age'])

# 3. 흔히 발생하는 에러 상황 (usecols에 index_col 열을 빼먹었을 때)
try:
    # usecols에 'PassengerId'가 없는데 index_col로 지정하려고 해서 에러가 나요.
    df_error = pd.read_csv('titanic_train.csv',
                           index_col='PassengerId',
                           usecols=['Survived', 'Pclass', 'Age'])
except ValueError as e:
    print("에러 발생:", e)

# 4. 작업한 데이터를 새로운 csv 파일로 저장하기
# df.to_csv('titanic_filtered.csv')

❗ 중요

파일 경로를 적을 때, 윈도우 환경에서는 백슬래시(\) 대신 슬래시(/)를 사용하거나 경로 문자열 앞에 r을 붙여야(예: r’C:\data\file.csv’) 폴더 인식을 제대로 하고 경로 에러를 막을 수 있어요.

import pandas as pd

# (이 코드는 동일한 폴더에 titanic_train.csv 파일이 있어야 정상 동작해요.)
# df = pd.read_csv('titanic_train.csv')

# --- 아래는 예시 출력을 확인하기 위해 임의로 만든 가짜 DataFrame이에요. ---
data = {
    'PassengerId': [1, 2, 3, 4, 5],
    'Survived': [0, 1, 1, 1, 0],
    'Pclass': [3, 1, 3, 1, 3],
    'Name': ['Braund', 'Cumings', 'Heikkinen', 'Futrelle', 'Allen'],
    'Age': [22.0, 38.0, 26.0, 35.0, 35.0]
}
df = pd.DataFrame(data)
# -------------------------------------------------------------------------

print("--- head(): 데이터 위에서부터 5행 보기 ---")
print(df.head()) # 기본적으로 맨 위 5줄을 보여줘요. 괄호 안에 숫자를 넣으면 그만큼 보여줘요.

print("\n--- tail(): 데이터 아래에서부터 5행 보기 ---")
print(df.tail()) # 맨 밑의 5줄을 보여줘서 파일이 끝까지 잘 불러와졌는지 확인해요.

print("\n--- info(): 데이터 전체 구조 파악 ---")
df.info() # 각 열의 데이터 타입(문자인지 숫자인지)과 비어있는 값(결측치)이 있는지 한눈에 보여줘요.

print("\n--- describe(): 기초 통계 요약 ---")
print(df.describe()) # 수치형 데이터들의 평균, 최소/최대값, 표준편차 등을 알아서 계산해 줘요.