판다스(Pandas)

---

[1단계] 판다스 기초 다지기

• 판다스 설치 및 환경 세팅
  • Anaconda, Jupyter Notebook, Google Colab 세팅
• Pandas의 데이터 구조
  • Series / DataFrame 개념과 차이
  • index, columns, values 속성
• 데이터 읽고 쓰기
  • read_csv, read_excel, to_csv, to_excel 등 입출력 함수

---

[2단계] 데이터 선택/추출/슬라이싱

• 단일/복수 열 선택: df['col'], df[['col1', 'col2']]
• 행 인덱싱: loc, iloc 차이와 활용법
• 조건 필터링: Boolean Indexing
• 슬라이싱: .loc[start:end], .iloc[start:end, start:end]
• 행/열 추가, 삭제: drop, insert, assign

---

[3단계] 데이터 전처리 실전

• 결측치 처리: isnull, fillna, dropna
• 중복값 처리: duplicated, drop_duplicates
• 데이터 타입 변환: astype, pd.to_datetime 등
• 문자열 다루기: str 액세서 (split, contains, replace 등)
• 컬럼명, 인덱스명 변경: rename, set_index, reset_index
• 정렬/정돈: sort_values, sort_index

---

[4단계] 데이터 집계/요약/그룹화

• 집계 함수: sum, mean, count, agg, describe
• 그룹화: groupby (기본, 다중 그룹, groupby + agg)
• Pivot Table, Cross Tab: pivot_table, pd.crosstab
• MultiIndex 다루기

---

[5단계] 데이터 결합/변형

• 데이터 이어붙이기: concat
• 데이터 병합하기: merge (SQL의 JOIN과 동일)
• join, combine_first
• stack, unstack, melt, wide↔long 변환 (tidy data)

---

[6단계] 시계열 데이터 다루기

• 날짜/시간 데이터 처리: pd.to_datetime, DatetimeIndex
• 리샘플링(Resample): resample, rolling, expanding
• 시계열 슬라이싱, 시프트/이동평균

---

[7단계] 고급 기능과 실무 활용

• 사용자 함수(apply, map, applymap)
• Lambda(람다)와 함께 쓰기
• 조건부 변환/새 컬럼 만들기
• 대용량 데이터 효율적으로 다루기(chunk, memory_usage)
• 결측치/이상치 자동처리, 데이터 인코딩(라벨, 원핫)

---

[8단계] 시각화 및 리포팅

• 기본 plot 활용: df.plot()
• 판다스+Matplotlib/Seaborn 연동
• 간단한 EDA 리포트 작성

[9단계] 성능 최적화/실전 팁

• pandas 옵션 설정: pd.set_option
• 대용량 데이터 처리 시 메모리 절약법
• Categorical 데이터 타입
• MultiIndex 활용, 복잡한 데이터 재구조화
• 벡터연산(Apply 대신 Vectorized)
• 실무 사례: 여러 데이터 소스(엑셀/CSV/API 등) 통합

---