1
$ pip install pandas

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# 리스트를 사용하여 DataFrame 객체 생성하기
import pandas as pd

data = [['A', 1], ['B', 2], ['C', 3]]
df = pd.DataFrame(data, columns=['col1', 'col2'])
print(df)
# 출력 결과
#   col1  col2
# 0    A     1
# 1    B     2
# 2    C     3

# 딕셔너리를 사용하여 DataFrame 객체 생성하기
data = {'col1': ['A', 'B', 'C'], 'col2': [1, 2, 3]}
df = pd.DataFrame(data)
print(df)
# 출력 결과
#   col1  col2
# 0    A     1
# 1    B     2
# 2    C     3

# CSV 파일을 사용하여 DataFrame 객체 생성하기
df = pd.read_csv('data.csv')
print(df)

1
2
3
4
5
6
7
# 열 선택하기
df['col1']
df[['col1', 'col2']]

# 행 선택하기
df.loc[0]
df.loc[[0, 1, 2]]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 열 추가하기
df['col3'] = [4, 5, 6]

# 열 삭제하기
df.drop('col3', axis=1, inplace=True)

# 행 추가하기
df.loc[3] = ['D', 4, 5]

# 행 삭제하기
df.drop(3, inplace=True)

# 열 이름 변경하기
df.rename(columns={'col1': 'new_col1'}, inplace=True)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# 리스트를 사용하여 Series 객체 생성하기
import pandas as pd

data = [1, 2, 3]
s = pd.Series(data, index=['a', 'b', 'c'])
print(s)
# 출력 결과
# a    1
# b    2
# c    3
# dtype: int64

# 딕셔너리를 사용하여 Series 객체 생성하기
data = {'a': 1, 'b': 2, 'c': 3}
s = pd.Series(data)
print(s)
# 출력 결과
# a    1
# b    2
# c    3
# dtype: int64

1
2
3
4
import pandas as pd

# CSV 파일 불러오기
df = pd.read_csv('data.csv')

1
2
3
4
import pandas as pd

# Excel 파일 불러오기
df = pd.read_excel('data.xlsx')

1
2
# 데이터프레임 정보 확인하기
df.info()

1
2
# 데이터프레임 일부 데이터 보기
df.head()

1
2
# 데이터프레임 요약 통계량 보기
df.describe()

1
2
# 열 선택하기
df['열 이름']

1
2
# 여러 개의 열 선택하기
df[['열 이름 1', '열 이름 2', ...]]

1
2
# 행 선택하기
df.loc[행 이름 또는 인덱스]

1
2
# 여러 개의 행 선택하기
df.loc[[행 이름 또는 인덱스 1, 행 이름 또는 인덱스 2, ...]]

1
2
# 조건 필터링하기
df[조건식]

1
2
# 2010년 이후의 데이터만 선택하기
df[df['Year'] >= 2010]

1
2
3
# 논리 연산자 이용하기
df[(조건식 1) & (조건식 2)]
df[(조건식 1) | (조건식 2)]

1
2
# 2010년 이후이면서 금메달 이상을 획득한 데이터만 선택하기
df[(df['Year'] >= 2010) & (df['Medal'] == 'Gold')]

1
2
# isin() 함수 이용하기
df[df['열 이름'].isin([값1, 값2, ...])]

1
2
# 'KOR', 'USA', 'JPN' 국가의 데이터만 선택하기
df[df['NOC'].isin(['KOR', 'USA', 'JPN'])]

1
2
# groupby() 함수 이용하기
df.groupby('열 이름')

1
2
# 집계 함수 이용하기
그룹화된 데이터.집계함수()

1
2
3
4
5
6
7
8
9
# 집계 함수 이용하기
그룹화된 데이터.count()
그룹화된 데이터.sum()
그룹화된 데이터.mean()
그룹화된 데이터.median()
그룹화된 데이터.min()
그룹화된 데이터.max()
그룹화된 데이터.std()
그룹화된 데이터.var()

1
2
# 국가별 금메달 수의 합계 구하기
df[df['Medal'] == 'Gold'].groupby('NOC')['Medal'].count()

1
2
3
4
5
# 오름차순으로 정렬하기
df.sort_values('열 이름')

# 내림차순으로 정렬하기
df.sort_values('열 이름', ascending=False)

1
2
3
4
5
6
7
import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'city': ['New York', 'Paris', 'London', 'San Francisco']}
df = pd.DataFrame(data)
print(df)

1
2
3
4
5
       name  age           city
0     Alice   25       New York
1       Bob   32          Paris
2   Charlie   18         London
3     David   47  San Francisco

1
df.sort_values('age')

1
2
3
4
5
       name  age           city
2   Charlie   18         London
0     Alice   25       New York
1       Bob   32          Paris
3     David   47  San Francisco

1
2
# 인덱스 초기화하기
df.reset_index()

1
2
3
4
5
6
7
8
import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'city': ['New York', 'Paris', 'London', 'San Francisco']}
df = pd.DataFrame(data)
df.set_index('name', inplace=True)
print(df)

1
2
3
4
5
6
         age           city
name                      
Alice     25       New York
Bob       32          Paris
Charlie   18         London
David     47  San Francisco

1
df.reset_index()

1
2
3
4
5
      name  age           city
0    Alice   25       New York
1      Bob   32          Paris
2  Charlie   18         London
3    David   47  San Francisco