엑셀로 데이터를 정리하다 보면
“이걸 자동으로 할 수는 없을까?”란 생각이 들 때가 있다.

수십 개의 시트, 복잡한 필터, 반복되는 계산…😵‍💫
시간은 시간대로 들고, 실수는 왜 이리 많은지.

그럴 때, 판다스는 마치 엑셀에 날개를 단 듯
코드 한 줄로 데이터를 자유자재로 다룰 수 있게 도와준다.

---

1. Pandas란?

• “Panel Data”에서 유래된 이름
• 엑셀처럼 생긴 데이터를 파이썬 코드로 처리할 수 있게 해주는 라이브러리
• 데이터 로딩, 정제, 분석, 저장까지 모두 지원

---

2. 핵심 구조

구조	설명
Series	1차원 데이터 (열 하나, 딕셔너리와 비슷)
DataFrame	2차원 데이터 (표 형태, 엑셀과 비슷)

---

Series 다루기

3. 설치와 시작

pip install pandas

import pandas as pd

---

4. Series 다루기

# 리스트로 Series 만들기
pd.Series([1, 2, 3], index=['a', 'b', 'c'])

• 인덱스를 직접 지정할 수 있다.
• 딕셔너리로도 만들 수 있다.

---

5. DataFrame 만들기

# 딕셔너리로 만들기
data = {'이름': ['지희', '제훈'], '점수': [88, 92]}
df = pd.DataFrame(data)

• 2차원 리스트, 넘파이 배열, 여러 Series로도 생성 가능하다.

---

6. 데이터 미리 보기

df.head()      # 앞 5행
df.tail(3)     # 뒤 3행
df.info()      # 구조 확인
df.describe()  # 통계 요약

---

7. 인덱싱과 필터링

df.loc['A']         # 라벨 기반
df.iloc[0]          # 위치 기반
df[df['age'] > 25]  # 조건 필터링

---

8. 데이터 추가

df['new_col'] = [값1, 값2]           # 열 추가
df.loc['새행'] = ['김지희', 99, 100]  # 행 추가

---

9. 데이터 삭제

df.drop(['열이름'], axis=1)  # 열 삭제
df.drop(['행이름'], axis=0)  # 행 삭제

---

10. 데이터 타입 변환

df = df.astype({'age': int, 'score': float})

---

11. 날짜 인덱스 만들기

pd.date_range('2025-01-01', periods=7, freq='D')

---

12. 데이터 파일 불러오기

• cvs 파일 불러오기

df = pd.read_csv('파일경로/파일이름.csv')

# 한글이 깨질 때

df = pd.read_csv('파일경로/파일이름.csv', encoding='cp949')

encoding='utf-8' 또는 encoding='cp949'

---

13. 데이터 파일 저장하기

• 작업한 데이터를 파일로 저장할 수도 있다.

df.to_csv('결과.csv', index=False)         # CSV로 저장
df.to_excel('결과.xlsx', index=False)      # 엑셀로 저장

index=False로 지정하면 인덱스 번호는 저장하지 않는다.

---

오늘을 마치며

처음엔 낯설고 어렵게 느껴지지만,
판다스를 익히면 복잡한 데이터도 한눈에 파악하고
깔끔하게 관리할 수 있게 된다.

반복되는 작업도, 복잡한 분석도
코드 한 줄이면 술술 해결되는 그 시원함!🍻
나도 곧 그걸 경험해보고 싶다.

오늘의 공부는, 내일의 실무가 된다.

이 한 걸음이,
데이터 분석가라는 목표에 더 가까이 다가간 순간이었기를✨

---