데이터 프레임

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.

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

데이터 프레임의 특징

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

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

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

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 있다.

파이썬에서 데이터 프레임을 다루기 위해서는 `pandas` 라이브러리가 필요하다.

Python 예시

학생 4명의 영어·수학 점수 데이터를 담은 데이터 프레임을 생성한다.

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

데이터 프레임 전체를 출력하면 다음과 같다.

exam

  name  english  math
0  김지훈       90    50
1  이유진       80    60
2  박동현       60   100
3  김민지       70    20

head()로 데이터의 앞부분을 확인한다.

exam.head()

  name  english  math
0  김지훈       90    50
1  이유진       80    60
2  박동현       60   100
3  김민지       70    20

tail()로 데이터의 뒷부분을 확인한다.

exam.tail()

  name  english  math
0  김지훈       90    50
1  이유진       80    60
2  박동현       60   100
3  김민지       70    20

info()는 행·열 개수, 데이터 타입, 결측치 등 요약 정보를 출력한다.

exam.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 3 columns):
 #   Column   Non-Null Count  Dtype
---  ------   --------------  -----
 0   name     4 non-null      object
 1   english  4 non-null      int64
 2   math     4 non-null      int64
dtypes: int64(2), object(1)
memory usage: 228.0+ bytes

describe()는 수치형 열의 요약 통계량(평균, 표준편차, 최솟값, 최댓값 등)을 제공한다.

exam.describe()

         english        math
count   4.000000    4.000000
mean   75.000000   57.500000
std    12.909944   33.040379
min    60.000000   20.000000
25%    67.500000   42.500000
50%    75.000000   55.000000
75%    82.500000   70.000000
max    90.000000  100.000000

대괄호 표기법으로 특정 열을 추출할 수 있다.

exam['math']

0     50
1     60
2    100
3     20
Name: math, dtype: int64

불리언 조건을 이용하여 특정 조건에 맞는 행만 추출할 수 있다.

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

  name  english  math
1  이유진       80    60
2  박동현       60   100

sort_values()로 수학 점수를 기준으로 오름차순 정렬한다.

exam.sort_values('math')

  name  english  math
3  김민지       70    20
0  김지훈       90    50
1  이유진       80    60
2  박동현       60   100

ascending=False를 지정하면 내림차순(높은 점수 순)으로 정렬된다.

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

  name  english  math
2  박동현       60   100
1  이유진       80    60
0  김지훈       90    50
3  김민지       70    20

총점(total)과 평균(mean) 열을 새로 추가한다. 할당문은 반환값이 없으므로 출력이 나타나지 않는다.

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

두 열이 추가된 최종 데이터 프레임을 확인한다.

exam

  name  english  math  total  mean
0  김지훈       90    50    140  70.0
1  이유진       80    60    140  70.0
2  박동현       60   100    160  80.0
3  김민지       70    20     90  45.0