Pandas DataFrame/Series Functions Summary

이 글은 개인 학습 목적으로 Pandas 기본 문법과 활용법을 정리한 것입니다.
복잡하지 않고, 가장 핵심적인 개념과 사용법만 빠르게 정리했습니다.
데이터 분석 입문자나 Python을 처음 다루는 분께 도움이 되기를 바랍니다.

1. DataFrame 기준 기본 함수

• DataFrame 생성 (Create)

import pandas as pd
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

• 속성 확인 (Attrs)

print(df.shape)
print(df.columns)

• 메서드 사용 (Methods)

df.head()
df.tail()

• 정보 회고 (info, describe)

df.info()
df.describe()

• NaN 처리 (fillna), 형태 변경 (astype)

df.fillna(0)
df['A'] = df['A'].astype(float)

• 집계함수 (percentiles, quantile)

df.describe(percentiles=[.25, .5, .75], include='all')
df.quantile(0.5)

• 정률 (sort_values, nlargest)

df.sort_values(by='A', ascending=False)
df.nlargest(1, 'B')

• 인덱스 제어 (set_index, reset_index)

df.set_index('A')
df.reset_index(drop=True)

• drop을 통한 행/열 삭제

df.drop('A', axis=1) //열삭제
df.drop('x', axis=0) //행삭제

• get, insert를 통한 열 조작, 열 추가

df.get('A')
df.insert(1, 'New', [5, 6])

• dropna, fillna의 예제

df.dropna(subset=['B'])
df.fillna(method='ffill', limit=1)

2. DataFrame 활용

• 데이터 확인 (head)

df.head()

• loc, duplicated을 통한 행 조회 및 중복 확인

df.loc[df['A'] == 1]
df.duplicated(keep='first')

• iloc을 통한 가상 단위 조회

df.iloc[0:2, 0:2]

• 차원 배열 연산 (Broadcasting)

df['A'] + df['B']

• Conditional Statement, Query사용

df[df['A'] > 1]
df.query('A > 1')

• between을 통한 범위 필터링

df[df['A'].between(1, 2)]

• isin, isnull을 통한 결쉬 필터링

df[df['A'].isin([1, 2])]
df[df['B'].isnull()]

• rename을 통한 여조화 이름 변경

df.rename(columns={'A': 'a_new'})

3. Series 기준 기본 함수

• Series 생성 및 조회

s = pd.Series([1, 2, 3])
s.head()

• Series의 속성 확인 (Attribute)

print(s.index)
print(s.dtype)

• sort_values, sort_index을 통한 값정률

s.sort_values(ascending=False)
s.sort_index()

• value_counts를 통한 값 세기

s.value_counts()

• Access, indexing, slicing 가능

s[0:3]

---

Pandas 정리 마무리 

이 글은 개인 학원적 학습 목적으로 Pandas의 기본 가장 중요한 함수와 사용법을 간단하게 정리한 것입니다. 여기에서의 내용은 개인적으로 재정리된 내용으로, 공개 강의자료 또는 공식 문서를 복제하거나 캡처한 것이 아닙니다.

다음 글에서는 Pandas의 고급 함수들 (groupby, pivot_table, merge 등)을 해석하는 내용을 진행할 계획입니다! 

 

 

 

 

#Pandas #Python공부 #데이터분석 #Python기초 #Pandas기초 #데이터프레임 #시리즈 #DataScience