Pandas 최종 수정일 2026-06-19 01:56 조회수 8
홈 대시보드

Pandas

#it#python#pandas#데이터분석#데이터사이언스#dataanalysis#dataframe#numpy

기본 정보

  • 이름: Pandas
  • 분류: Python 데이터 분석 라이브러리
  • 개발자: Wes McKinney
  • 최초 공개: 2008년
  • 개발 언어: Python
  • 주요 용도: 데이터 분석, 데이터 처리, CSV 및 Excel 관리
  • 관련 주제: #Pandas #Python #DataAnalysis #DataFrame #NumPy

개요

Pandas는 Python에서 가장 널리 사용되는 데이터 분석 라이브러리이다.

표 형태(Table)의 데이터를 효율적으로 처리할 수 있으며, CSV, Excel, JSON, SQL 등 다양한 형식의 데이터를 불러오고 분석할 수 있다.

인공지능(AI), 머신러닝, 데이터 사이언스, 웹 크롤링, 업무 자동화 등 다양한 분야에서 필수적으로 사용된다.

Pandas 구조

CSV

Excel

JSON

SQL

↓

Pandas

↓

DataFrame

↓

데이터 분석

↓

시각화

↓

AI / 머신러닝

주요 특징

  • 표 형태 데이터 처리
  • 빠른 데이터 분석
  • 결측치 처리
  • 데이터 정렬 및 그룹화
  • CSV·Excel 지원
  • SQL 연동
  • NumPy 기반 고성능 연산

설치

pip install pandas

라이브러리 불러오기

import pandas as pd

일반적으로 pd라는 별칭을 사용한다.

Series

Pandas의 1차원 데이터 구조이다.

import pandas as pd

s = pd.Series([10, 20, 30])

print(s)

DataFrame

2차원 표 형태의 데이터 구조이다.

import pandas as pd

df = pd.DataFrame({

    "name": ["홍길동", "김철수"],

    "age": [30, 25]

})

print(df)

CSV 읽기

df = pd.read_csv(

"data.csv"

)

CSV 파일을 DataFrame으로 불러온다.

CSV 저장

df.to_csv(

"output.csv",

index=False

)

Excel 읽기

df = pd.read_excel(

"data.xlsx"

)

Excel 저장

df.to_excel(

"output.xlsx",

index=False

)

데이터 확인

상위 5개

df.head()

하위 5개

df.tail()

정보 확인

df.info()

통계 정보

df.describe()

컬럼 선택

df["name"]

여러 컬럼

df[["name", "age"]]

행 선택

df.loc[0]

인덱스 기반

df.iloc[0]

조건 검색

df[df["age"] > 20]

조건에 맞는 데이터만 조회한다.

정렬

오름차순

df.sort_values("age")

내림차순

df.sort_values("age",ascending=False)

그룹화(GroupBy)

df.groupby("department").sum()

부서별 합계를 계산할 수 있다.

결측치 확인

df.isnull()

결측치 제거

df.dropna()

결측치 채우기

df.fillna(0)

컬럼 추가

df["score"] = 100

컬럼 삭제

df.drop("score",axis=1)

데이터 병합(Merge)

pd.merge(df1,df2,on="id")

SQL의 JOIN과 비슷한 기능을 제공한다.

데이터 연결(Concat)

pd.concat([df1, df2])

JSON 읽기

pd.read_json("data.json")

SQL 읽기

pd.read_sql(query,connection)

시각화

df.plot()

Matplotlib와 함께 자주 사용된다.

NumPy와 관계

NumPy

↓

Pandas

↓

Data Analysis

↓

Machine Learning

Pandas는 내부적으로 NumPy를 기반으로 동작한다.

대표 활용 분야

  • 데이터 분석
  • AI 학습 데이터 전처리
  • 머신러닝
  • 웹 크롤링 결과 분석
  • ERP 데이터 분석
  • 로그 분석
  • 통계 분석
  • 업무 자동화

장점

  • 배우기 쉬움
  • 대용량 데이터 처리 가능
  • 다양한 파일 형식 지원
  • SQL과 유사한 데이터 처리
  • 풍부한 함수 제공
  • Python 생태계와 높은 호환성

단점

  • 메모리 사용량이 많을 수 있음
  • 초대용량 데이터에서는 성능 한계
  • 분산 처리 기능은 제한적
  • 복잡한 연산은 학습이 필요

실무 메모

실무에서는 다음과 같은 방식이 권장된다.

  • import pandas as pd 사용
  • CSV 저장 시 index=False 지정
  • head(), info()로 데이터 확인
  • 결측치 처리 후 분석 수행
  • groupby()와 merge() 적극 활용
  • 날짜 컬럼은 datetime 형식으로 변환
  • 벡터화 연산 사용으로 성능 최적화
  • 반복문보다 Pandas 함수 활용
  • NumPy와 함께 사용
  • AI 학습 전 데이터 전처리 필수

Pandas와 함께 사용하는 기술

대표 개발 도구

  • Jupyter Notebook
  • Visual Studio Code
  • PyCharm
  • Google Colab
  • Anaconda

관련 문서

출처

  • Pandas 공식 홈페이지
  • Pandas 공식 문서
  • Wes McKinney 저서 *Python for Data Analysis*

백링크

Python