판다스

📌 개인 스터디 플랜: Pandas 기본 학습 (2일)

🔗 참고 문서: Pandas 공식 문서

---

✅ Day 1: Pandas 기본 개념과 데이터 구조 익히기

1.1 Pandas 설치 및 환경 설정

📌 목표: Pandas를 설치하고 기본적인 환경을 설정한다.

✅ 학습 내용

• Pandas 설치하기

  pip install pandas

• Jupyter Notebook 또는 Google Colab에서 Pandas 실행 테스트
• Pandas의 핵심 데이터 구조(DataFrame, Series) 개념 익히기

✅ 연습 문제
1. Pandas를 불러와 버전을 확인해보세요.

import pandas as pd
print(pd.__version__)

---

1.2 Series와 DataFrame 이해하기

📌 목표: Pandas의 기본 데이터 구조인 Series와 DataFrame을 이해하고 조작해본다.

✅ 학습 내용

• Series: 1차원 데이터 구조

• DataFrame: 2차원 테이블 구조

• DataFrame 생성 및 데이터 확인

  import pandas as pd
  
  data = {'Name': ['Alice', 'Bob', 'Charlie'],
          'Age': [25, 30, 35],
          'City': ['Seoul', 'Busan', 'Incheon']}
  
  df = pd.DataFrame(data)
  print(df)

• head(), tail(), info(), describe() 등의 메서드 활용법

✅ 연습 문제
1. 아래 데이터를 Series로 변환하세요.

ages = [23, 45, 31, 29]

2. 주어진 DataFrame에서 첫 2개 행을 출력하세요.

---

1.3 CSV 파일 불러오기 및 저장하기

📌 목표: Pandas를 사용하여 CSV 파일을 읽고 저장하는 방법을 익힌다.

✅ 학습 내용

• read_csv()로 CSV 파일 불러오기
• to_csv()로 CSV 파일 저장하기
• sep=, index_col=, usecols= 등의 옵션 사용법
• 파일 저장 시 index=False 활용

✅ 연습 문제
1. sample.csv라는 파일을 Pandas로 불러와 출력하세요.

df = pd.read_csv('sample.csv')
print(df)

2. df를 output.csv 파일로 저장하세요.

---

✅ Day 2: 데이터 다루기 (인덱싱, 필터링, 정렬)

2.1 데이터 인덱싱과 슬라이싱

📌 목표: DataFrame에서 특정 열(column)과 행(row)을 선택하는 방법을 익힌다.

✅ 학습 내용

• .loc[] vs .iloc[] 차이점
• 특정 열 선택 (df['column_name'])
• 특정 행 선택 (df.loc[index], df.iloc[index])
• 조건을 이용한 필터링 (df[df['column'] > value])

✅ 연습 문제
1. df에서 Age가 30 이상인 데이터를 출력하세요.
2. df에서 Name과 City 열만 선택하여 출력하세요.

---

2.2 데이터 정렬 및 요약

📌 목표: 데이터를 정렬하고 요약하는 다양한 방법을 익힌다.

✅ 학습 내용

• sort_values(by='column', ascending=True/False)
• groupby()를 사용한 데이터 요약
• value_counts()로 특정 값 개수 확인
• df.describe()를 통한 통계 요약

✅ 연습 문제
1. df를 Age 기준으로 내림차순 정렬하세요.
2. City별 평균 Age를 출력하세요.

---

2.3 결측치 처리 및 데이터 변형

📌 목표: 결측값을 다루고 데이터 변형을 수행하는 방법을 익힌다.

✅ 학습 내용

• isna(), fillna(), dropna()를 이용한 결측값 처리
• 새로운 컬럼 추가 및 수정
• 데이터 타입 변환 (astype())

✅ 연습 문제
1. df의 Age 열에서 결측값을 30으로 채우세요.
2. df에 새로운 열 Salary를 추가하고, 값은 [5000, 6000, 7000]으로 설정하세요.

---

🚀 추가 학습 (옵션)

✔ apply()와 lambda를 활용한 데이터 변환
✔ merge(), concat()을 활용한 데이터 합치기
✔ matplotlib, seaborn을 활용한 데이터 시각화

---

🎯 학습 목표 정리

✅ Day 1: Pandas 설치, Series & DataFrame 생성 및 CSV 파일 다루기
✅ Day 2: 데이터 인덱싱, 필터링, 정렬 및 결측치 처리

이틀 동안 기본 개념을 익히고, 실전에서 Pandas를 활용할 수 있도록 연습하세요! 🚀