📌 다시 한 번 보기

👉 인덱싱 & 슬라이싱

df['국어']                 # 열 하나 선택
df[['국어', '수학']]        # 열 여러 개 선택
df[0:2]                   # 행 슬라이싱 (0~1번 행)
df.loc[0]                 # loc: 인덱스 이름으로 접근
df.iloc[0]                # iloc: 행 번호로 접근

👉 조건 필터링

df[df['국어'] >= 90]                        # 국어 점수 90 이상
df[(df['국어'] >= 85) & (df['수학'] >= 90)]  # AND 조건
df[df['이름'].isin(['철수', '영희'])]        # 값 여러 개 조건

👉 정렬

df.sort_values(by='국어', ascending=True)       # 국어 기준 오름차순
df.sort_values(by='수학', ascending=False)      # 수학 기준 내림차순

👉 열 추가

df['총점'] = df['국어'] + df['수학'] + df['과학']  # 열 추가

📌 행이나 열 삭제

df.drop(삭제할_이름, axis=방향, inplace=반영여부)

👉 열(Column) 삭제

df.drop('총점', axis=1)

• '총점' : '총점' 선택
• axis=1 : 열 방향
• df.drop() : 삭제
• df = df.drop('총점', axis=1) : '총점' 이라는 열을 선택해서 삭제 후 삭제된 DataFrame을 df에 할당

또는, df.drop(columns='총점') 으로 더 안전하게 사용할 수 있음.

df.drop('총점', axis=1, inplace=True)

• inplace=True : df에 할당해주지 않아도 df가 바로 바뀜

df = pd.DataFrame({
    '이름': ['철수', '영희'],
    '국어': [90, 85],
    '수학': [88, 92],
    '총점': [178, 177]
})

# df.drop('총점', axis=1, inplace=True) #원본수정
df = df.drop('총점', axis=1)  # 총점 열 삭제
print(df)

코드	결과	설명
df.drop('총점', axis=1)	✅ OK	'총점' 열 삭제
df.drop(columns='총점')	✅ OK	'총점' 열 삭제 (더 안전하고 가독성 좋음)
df.drop(df['총점'], axis=1)	❌ 오류	Series 값을 열 이름으로 오해해서 오류 발생

👉 행(Row) 삭제

df.drop(0, axis=0)

• 0번 인덱스 행 삭제
• axis=0 → 행 방향

인덱스(index)?
행(row)을 구별하는 번호나 이름!

Pandas에서는 모든 행마다 고유한 "이름표"가 있음.
이 이름표가 바로 인덱스, 그리고 그 이름이 바로 "라벨(label)"
즉 "인덱스" = "라벨"

인덱스 종류	예시	설명
기본 인덱스	0, 1, 2, 3...	숫자로 자동 생성되는 인덱스
라벨 인덱스	'철수', '영희' 등	직접 지정한 문자열 등의 인덱스

📌 데이터 미리보기

df.head()       # 앞에서 5행 미리 보기
df.tail()       # 뒤에서 5행 미리 보기
df.info()       # 전체 데이터 구조, 결측치, 타입 확인
df.describe()   # 숫자 데이터 요약 통계 (평균, 표준편차 등)

📌 결측치 처리(결측치 = NaN)

👉 결측치 확인(isnull() == isna())

df.isna()               # 결측치 여부를 True/False로 보여줌
df.isna().sum()         # 열마다 결측치 개수 확인
df.isnull()             # 결측치 여부를 True/False로 보여줌
df.isnull().sum()       # 열마다 결측치 개수 확인

👉 결측치 채우기 (fillna)

df['국어'].fillna(0)                 # 국어 결측치를 0으로 채움
df['수학'].fillna(df['수학'].mean()) # 수학 결측치를 평균으로 채움

실제 반영하려면 inplace=True나 df = df.fillna(...) 형식 사용

👉 결측치 제거 (dropna)

df.dropna()       # 결측치가 있는 행 제거
df.dropna(axis=1) # 결측치가 있는 열 제거

axis=0 -> defult

👉 index(label) 설정 삭제

df.reset_index(): 기존 인덱스를 열로 변환하고, 새로운 정수형 기본 인덱스를 설정

df.set_index('column_name'): 특정 열을 인덱스로 설정

reset_index(drop=True) : 인덱스를 완전히 삭제

import pandas as pd

# 샘플 데이터프레임 생성
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df.set_index('A', inplace=True)  # 'A' 열을 인덱스로 설정
print(df)

# 인덱스를 삭제하고 기본 정수형 인덱스로 변경
df_reset = df.reset_index(drop=True)
print(df_reset)