Pandas: 인덱싱(indexing)

1. Pandas 인덱싱(indexing)

• Pandas에서 데이터 작업의 핵심은 행/열을 어떻게 선택하느냐이다.

• 그중 가장 많이 쓰는 인덱싱 도구는 아래 네 가지:

  • loc → 라벨(label) 기반 선택

  • iloc → 번호(position) 기반 선택

  • df['col'] → 단일 컬럼 선택 (Series 반환)

  • df[['col']] → 컬럼 리스트 선택 (DataFrame 반환)

  이 네 가지를 정확히 이해하면 대부분의 실무 인덱싱 문제를 해결할 수 있다.

2. loc vs iloc

1) 공통점

• 둘 다 DataFrame의 행/열을 선택하는 인덱서(indexer)

• 모두 [행, 열] 형태로 사용

2) 핵심 차이

• loc → 컬럼/인덱스 이름(label) 로 선택

• iloc → 정수 기반 위치(position) 로 선택

3) 사용 예시

loc (라벨 기반)

df.loc['2024-01-01']
df.loc[:, 'value']
df.loc['2024':'2025']    # 끝값 포함

iloc (위치 기반)

df.iloc[0]
df.iloc[:, 1]
df.iloc[10:20]           # 끝값 미포함

2.4 슬라이싱 규칙

• loc[a:b] → b 포함

• iloc[a:b] → b 미포함

2.5 실무 팁

• 시간순 Train/Test split → iloc

• 날짜 구간 추출 → loc

• 특정 컬럼 선택 → loc

• 특정 행 번호 선택 → iloc

3. DataFrame에서 대괄호가 자주 보이는 이유

DataFrame은 2차원 구조라서 “여러 개 선택” 시 반드시 리스트가 필요하다.

예시:

df[['A', 'B']]              # 여러 컬럼 선택
df.iloc[:, [1, 2]]          # 여러 열 번호 선택
df.loc[:, ['A', 'B']]       # 여러 라벨 선택

즉, 이중 대괄호는 "리스트 기반 선택" 을 의미한다.

4. df['col'] vs df[['col']]

• df['col'] → Series(1차원)

  • 1차원

  • 컬럼명 없음

  • shape = (n,)

  • 계산, 조건 필터 등에 적합

• df[['col']] → DataFrame(2차원)

  • 2차원

  • 컬럼명 유지

  • shape = (n, 1)

  • 모델 입력(X), DataFrame 유지 작업에 적합

X = df[['A', 'B']]   # 2차원 → 모델 입력 가능
y = df['target']     # 1차원 → 라벨

df['A']    # Series, (n,)
df[['A']]  # DataFrame, (n,1)

5. loc / iloc + 대괄호 실무 패턴

• loc는 이름(label)
• iloc는 위치(position)
• df['col']은 Series,
• df[['col']]은 DataFrame
• 여러 개 선택할 때는 리스트, 그래서 이중 대괄호

df[['A', 'B']]                         # 여러 컬럼
df.loc[df['value'] > 0, ['A', 'B']]    # 조건 + 컬럼
df.iloc[10:20, [0, 2]]                 # 행 범위 + 특정 열
df.loc['2024-01':'2024-06', ['price','qty']]  # 날짜 범위 + 컬럼