pandas DataFrame: 표 데이터의 기본 단위

지난 글에서 본 NumPy 배열은 숫자 계산에는 강하지만, 한 가지가 아쉽다. “3번째 열이 나이”라는 걸 사람이 외우고 있어야 한다는 점이다. 현실의 데이터는 엑셀 시트처럼 열마다 이름이 있고, 행마다 의미가 있다. pandas의 DataFrame은 NumPy 배열에 바로 그 이름표를 붙여, 데이터를 표처럼 직관적으로 다루게 해 준다. 데이터 분석 코드에서 가장 자주 보게 될 객체이기도 하다.

DataFrame은 라벨이 붙은 2차원 표

DataFrame은 행과 열로 이루어진 2차원 표인데, 핵심은 행에는 index, 열에는 column 이름이라는 라벨이 붙어 있다는 것이다. 각 열은 그 자체로 Series라는 1차원 자료구조이고, DataFrame은 이 Series들을 같은 index로 묶은 묶음이라고 보면 된다.

import pandas as pd

df = pd.DataFrame({
    "name": ["Ana", "Bo", "Cho"],
    "age":  [30, 25, 41],
    "city": ["Seoul", "Busan", "Daegu"],
})

df.shape      # (3, 3)
df.columns    # Index(['name', 'age', 'city'], ...)
df.dtypes     # name: object, age: int64, city: object

NumPy 배열과 달리 컬럼마다 dtype이 다를 수 있다. name은 문자열(object), age는 정수다. 이것이 현실 데이터에 잘 맞는 이유다. 한 표 안에 이름·나이·도시가 자연스럽게 공존한다.

먼저 데이터를 들여다보기

분석을 시작하면 가장 먼저 하는 일은 데이터를 훑어보는 것이다. pandas는 이를 위한 메서드를 잘 갖춰 두었다.

df.head()         # 앞 5행
df.tail(3)        # 뒤 3행
df.info()         # 컬럼·dtype·결측치 개수 요약
df.describe()     # 숫자 컬럼의 통계 (평균·표준편차 등)

info()는 컬럼별 비결측 개수와 dtype을 한눈에 보여 줘서, 데이터를 받자마자 가장 먼저 호출하게 되는 메서드다. describe()는 숫자 컬럼의 분포를 빠르게 감 잡게 해 준다.

컬럼 선택과 행 선택

데이터를 골라내는 방법은 “무엇을 기준으로 고르느냐”에 따라 갈린다. 컬럼은 이름으로, 행은 라벨(loc)이나 정수 위치(iloc)로 선택한다.

df["age"]                 # 컬럼 하나 → Series
df[["name", "age"]]       # 여러 컬럼 → DataFrame

df.loc[0, "age"]          # index 0, age 컬럼 (라벨 기반)
df.iloc[0, 1]             # 0번째 행, 1번째 열 (위치 기반)

df.loc[df["age"] > 28]    # age가 28 초과인 행만

가장 자주 혼동하는 지점이 loc와 iloc다. loc는 라벨(이름표)로, iloc는 정수 위치(순번)로 선택한다. index가 0, 1, 2처럼 정수일 때는 둘이 비슷해 보이지만, index를 날짜나 이름으로 바꾸는 순간 차이가 분명해진다. loc는 그 라벨을 그대로 쓰고, iloc는 여전히 “몇 번째냐”를 본다.

새 컬럼 만들기

기존 컬럼으로 새 컬럼을 만드는 일도 흔하다. 벡터화 덕분에 루프 없이 한 줄로 끝난다.

df["age_next"] = df["age"] + 1
df["is_adult"] = df["age"] >= 20

df["age"] + 1은 age 컬럼 전체에 1을 더한 새 Series를 만들고, 그것을 새 컬럼으로 붙인다. 바로 NumPy에서 본 벡터화가 pandas에서도 그대로 작동하는 것이다.

DataFrame은 결국 “라벨이 붙은 표”라는 한 문장으로 요약된다. 행은 index로, 열은 이름으로 식별하고, 각 열은 dtype을 가진 Series다. 이 구조를 손에 익히면 데이터를 고르고, 거르고, 새 컬럼을 만드는 일이 자연스러워진다. 다음 글에서는 이 표를 특정 기준으로 묶어 집계하는 groupby를 다룬다.

---

지난 글: NumPy 기초: ndarray와 벡터화 연산

다음 글: pandas groupby: 나누고 적용하고 합치기

읽어주셔서 감사합니다. 😊