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