🐼 Pandas로 반복 조작 방법 — iterrows()와 apply() 제대로 쓰기

Intermediate Python 강의의 4장을 복습하면서 Pandas의 강력한 반복 및 데이터 조작 기능을 익혔습니다. 이번 포스트에서는 실습했던 개념들을 코드 예시와 함께 정리해보겠습니다.

---

📌 1. iterrows()로 DataFrame 반복하기

iterrows()는 각 행을 하나씩 순회하며, 인덱스(레이블)와 행 데이터를 Series 형태로 반환합니다.

import pandas as pd

# 예제 DataFrame
cars = pd.DataFrame({
    "country": ["United States", "Australia", "Japan", "India", "Russia"],
    "drives_right": [True, False, False, False, True]
})

# 반복하면서 각 행의 정보 출력
for label, row in cars.iterrows():
    print(f"Index: {label}")
    print(f"Country: {row['country']}, Drives Right: {row['drives_right']}")

✅ 출력 예시:

Index: 0
Country: United States, Drives Right: True
...

---

📌 2. 반복하면서 새로운 컬럼 만들기

예를 들어, 국가 이름을 모두 대문자로 변환한 결과를 새로운 컬럼에 저장해보겠습니다.

for label, row in cars.iterrows():
    cars.loc[label, "COUNTRY_UPPER"] = row["country"].upper()

print(cars)

🧾 결과:

country	drives_right	COUNTRY_UPPER
United States	True	UNITED STATES
Australia	False	AUSTRALIA
Japan	False	JAPAN
India	False	INDIA
Russia	True	RUSSIA

---

⚡ 3. apply()로 더 빠르고 간결하게 처리하기

for 루프보다 더 효율적인 방법은 바로 apply()를 사용하는 것입니다. 같은 작업을 한 줄로 끝낼 수 있습니다.

# country 컬럼을 대문자로 변환하여 새로운 컬럼 생성
cars["COUNTRY_UPPER"] = cars["country"].apply(str.upper)

💡 장점:

• 코드가 간결해지고
• 대용량 데이터에서도 속도가 훨씬 빠릅니다.

---

🔍 마무리 정리

방식	장점	단점
iterrows()	직관적이고 유연함	속도가 느림, 코드가 길어짐
apply()	빠르고 간결함	복잡한 로직엔 유연성이 떨어질 수 있음

---