데이터 프레임 - 편집 역사

Junhopark: 데이터 프레임 예시를 노트북 스타일 셀로 분해하고 pandas 출력 예시를 실제 plain-text 결과 기준으로 교체

2026-06-15T08:20:09Z

데이터 프레임 예시를 노트북 스타일 셀로 분해하고 pandas 출력 예시를 실제 plain-text 결과 기준으로 교체

Junhopark: 분류 추가, 코드 예제 오류·리드·코드블록 정리

2026-06-09T06:06:00Z

분류 추가, 코드 예제 오류·리드·코드블록 정리

← 이전 판		2026년 6월 9일 (화) 15:06 판
1번째 줄:		1번째 줄:
	'''데이터 프레임 (Data Frame)		'''데이터 프레임'''(Data Frame)은 행(Row)와 열(Column)로 이루어진 2차원 테이블 형태의 변수를 말한다. 데이터 분석에서 가장 흔하고 데이터의 특징을 잘 나타내는 핵심적인 형태이다.
	~~'''~~
	행(Row)와 열(Column)로 이루어진 2차원 테이블 형태의 변수를 ~~말합니다~~. 데이터 분석에서 가장 흔하고 데이터의 특징을 잘 나타내는 핵심적인 ~~형태입니다~~.


	*열(Column)): 변수 또는 속성을 ~~나타냅니다~~. (예: 성별, 연령, 학점, 연봉 등)		* 열(Column): 변수 또는 속성을 나타낸다. (예: 성별, 연령, 학점, 연봉 등)
	*행(Row): 관측치 또는 개별 사례를 ~~나타냅니다~~. (예: 남자, 21, 3.8 등)		* 행(Row): 관측치 또는 개별 사례를 나타낸다. (예: 남자, 21, 3.8 등)



	~~데이트~~ 프레임의 특징		== 데이터 프레임의 특징 ==

	'''리스트의 묶음''': 여러 리스트(데이터의 묶음)를 하나로 묶어놓은 ~~구조입니다~~.		'''리스트의 묶음''': 여러 리스트(데이터의 묶음)를 하나로 묶어놓은 구조이다.

	'''Key-Value 구조''': 묶이는 것의 이름(열 이름)이 먼저 ~~정의됩니다~~.		'''Key-Value 구조''': 묶이는 것의 이름(열 이름)이 먼저 정의된다.

	'''대소문자 구분''': 파이썬 문법 특성상 대소문자를 엄격하게 구분하므로 주의해야 ~~합니다~~.		'''대소문자 구분''': 파이썬 문법 특성상 대소문자를 엄격하게 구분하므로 주의해야 한다.

	'''자동 인덱스 생성''': 행을 식별하기 위해 0, 1, 2, 3... 형태의 인덱스가 자동으로 ~~부여됩니다~~.		'''자동 인덱스 생성''': 행을 식별하기 위해 0, 1, 2, 3... 형태의 인덱스가 자동으로 부여된다.

	'''외부 데이터 활용''': 직접 만드는 것 외에도, 기존에 있는 파일(CSV, Excel 등) 데이터를 불러와서 사용할 수 ~~있습니다~~.		'''외부 데이터 활용''': 직접 만드는 것 외에도, 기존에 있는 파일(CSV, Excel 등) 데이터를 불러와서 사용할 수 있다.

	파이썬에서 '''데이터 프레임을 다루기 위해서는 `pandas` 라이브러리'''가 ~~필요합니다~~.		파이썬에서 '''데이터 프레임을 다루기 위해서는 `pandas` 라이브러리'''가 필요하다.



	Python		== Python 예시 ==

			<syntaxhighlight lang="python">
	import pandas as pd		import pandas as pd

	~~'''~~데이터 프레임 생성~~'''~~		# 데이터 프레임 생성


	exam = pd.DataFrame({		exam = pd.DataFrame({
41번째 줄:		39번째 줄:


			# 데이터 기초 정보 확인 코드

			# 데이터 앞부분 5개 행 확인

	~~'''데이터 기초 정보 확인코드~~

	~~'''~~

	~~'''~~데이터 앞부분 5개 행 확인~~'''~~

	exam.head()		exam.head()

	~~'''~~ 데이터 뒷부분 5개 행 확인~~'''~~		# 데이터 뒷부분 5개 행 확인

	exam.tail()		exam.tail()

	~~'''~~요약 정보 확인 (행/열 개수, 데이터 타입, 결측치 등)~~'''~~		# 요약 정보 확인 (행/열 개수, 데이터 타입, 결측치 등)

	exam.info()		exam.info()

	~~'''~~ 수치형 데이터의 요약 통계량 확인 (평균, 표준편차, 최솟값, 최댓값 등)~~'''~~		# 수치형 데이터의 요약 통계량 확인 (평균, 표준편차, 최솟값, 최댓값 등)

	exam.describe()		exam.describe()

	~~'''~~ 특정 열(Column) 추출하기~~'''~~		# 특정 열(Column) 추출하기

	exam['math']		exam['math']

	~~'''~~특정 조건에 맞는 행(Row)만 추출하기 (예: 수학 점수가 60점 이상인 학생)~~'''~~		# 특정 조건에 맞는 행(Row)만 추출하기 (예: 수학 점수가 60점 이상인 학생)

	exam[exam['math'] >= 60]		exam[exam['math'] >= 60]

	~~'''~~ 수학 점수 기준 오름차순 정렬~~'''~~		# 수학 점수 기준 오름차순 정렬

	exam.sort_values('math')		exam.sort_values('math')

	~~'''~~ 수학 점수 기준 내림차순(높은 순) 정렬~~'''~~		# 수학 점수 기준 내림차순(높은 순) 정렬

	exam.sort_values('math', ascending=False)		exam.sort_values('math', ascending=False)

	~~'''~~ 총점(total)과 평균(mean) 열 생성'''		# 총점(total)과 평균(mean) 열 생성
			exam['total'] = exam['math'] + exam['english']

	exam['~~total~~'] = exam['math'] + exam['~~math~~']		exam['mean'] = (exam['math'] + exam['english']) / 2
			</syntaxhighlight>

	~~exam~~[~~'mean'] = (exam~~[~~'math'~~] ~~+ exam['math'~~]~~) / 2~~		[[분류:프로그래밍과 데이터]]

2026년 6월 2일 (화) 03:40에 Suminbaek님의 편집

2026-06-02T03:40:45Z

← 이전 판		2026년 6월 2일 (화) 12:40 판
66번째 줄:		66번째 줄:
	''' 특정 열(Column) 추출하기'''		''' 특정 열(Column) 추출하기'''

	exam['~~english~~']		exam['math']

	'''특정 조건에 맞는 행(Row)만 추출하기 (예: 수학 점수가 60점 이상인 학생)'''		'''특정 조건에 맞는 행(Row)만 추출하기 (예: 수학 점수가 60점 이상인 학생)'''
73번째 줄:		73번째 줄:

	''' 수학 점수 기준 오름차순 정렬'''		''' 수학 점수 기준 오름차순 정렬'''

	exam.sort_values('math')		exam.sort_values('math')

	''' 영어 점수 기준 내림차순(높은 순) 정렬'''		''' 수학 점수 기준 내림차순(높은 순) 정렬'''
	exam.sort_values('~~english~~', ascending=False)
			exam.sort_values('math', ascending=False)

	''' 총점(total)과 평균(mean) 열 생성'''		''' 총점(total)과 평균(mean) 열 생성'''
	exam['total'] = exam['~~english~~'] + exam['math']
	exam['mean'] = (exam['~~english~~'] + exam['math']) / 2		exam['total'] = exam['math'] + exam['math']

			exam['mean'] = (exam['math'] + exam['math']) / 2

Suminbaek: 데이터 프레임의 특징과 핵심 활용 기능

2026-06-02T03:38:07Z

데이터 프레임의 특징과 핵심 활용 기능

새 문서

'''데이터 프레임 (Data Frame)
'''
행(Row)와 열(Column)로 이루어진 2차원 테이블 형태의 변수를 말합니다. 데이터 분석에서 가장 흔하고 데이터의 특징을 잘 나타내는 핵심적인 형태입니다.

*열(Column)): 변수 또는 속성을 나타냅니다. (예: 성별, 연령, 학점, 연봉 등)
*행(Row): 관측치 또는 개별 사례를 나타냅니다. (예: 남자, 21, 3.8 등)

데이트 프레임의 특징

'''리스트의 묶음''': 여러 리스트(데이터의 묶음)를 하나로 묶어놓은 구조입니다.

'''Key-Value 구조''': 묶이는 것의 이름(열 이름)이 먼저 정의됩니다.

'''대소문자 구분''': 파이썬 문법 특성상 대소문자를 엄격하게 구분하므로 주의해야 합니다.

'''자동 인덱스 생성''': 행을 식별하기 위해 0, 1, 2, 3... 형태의 인덱스가 자동으로 부여됩니다.

'''외부 데이터 활용''': 직접 만드는 것 외에도, 기존에 있는 파일(CSV, Excel 등) 데이터를 불러와서 사용할 수 있습니다.

파이썬에서 '''데이터 프레임을 다루기 위해서는 `pandas` 라이브러리'''가 필요합니다.

Python

import pandas as pd

'''데이터 프레임 생성'''

exam = pd.DataFrame({
'name': ['김지훈', '이유진', '박동현', '김민지'],
'english': [90, 80, 60, 70],
'math': [50, 60, 100, 20]
})

exam

'''데이터 기초 정보 확인코드

'''

'''데이터 앞부분 5개 행 확인'''

exam.head()

''' 데이터 뒷부분 5개 행 확인'''

exam.tail()

'''요약 정보 확인 (행/열 개수, 데이터 타입, 결측치 등)'''

exam.info()

''' 수치형 데이터의 요약 통계량 확인 (평균, 표준편차, 최솟값, 최댓값 등)'''

exam.describe()

''' 특정 열(Column) 추출하기'''

exam['english']

'''특정 조건에 맞는 행(Row)만 추출하기 (예: 수학 점수가 60점 이상인 학생)'''

exam[exam['math'] >= 60]

''' 수학 점수 기준 오름차순 정렬'''
exam.sort_values('math')

''' 영어 점수 기준 내림차순(높은 순) 정렬'''
exam.sort_values('english', ascending=False)

''' 총점(total)과 평균(mean) 열 생성'''
exam['total'] = exam['english'] + exam['math']
exam['mean'] = (exam['english'] + exam['math']) / 2