pandas의 기본기를 탄탄히 다져 볼까요? DataFrame에 대해 알아보고, 행 정렬, 부분 추출, 새로운 열 추가 등 핵심적인 조작 방법을 익혀보세요.

DataFrame 소개

DataFrame 살펴보기

DataFrame의 구성 요소

정렬 및 부분 추출하기

행 정렬하기

열을 부분 추출하기

행을 부분 추출하기

범주형 변수 기준으로 행을 부분 추출하기

새로운 열 추가하기

결합하여 활용하기

DataFrame 변환

이 장에서는 DataFrame 열의 요약 통계량을 계산하고, 그룹별 요약 통계량과 피벗 테이블을 자유자재로 다루는 방법을 배워보겠습니다.

요약 통계량

평균과 중앙값

날짜 요약하기

효율적으로 요약하기

누적 통계량

개수 세기

중복 데이터 제거하기

범주형 변수 개수 세기

그룹별 요약 통계량

각 매장 유형별 매출 비율은?

.groupby()를 이용해 계산하기

다수의 그룹별 요약 통계량

피벗 테이블

하나의 변수로 피벗 테이블 만들기

결측치 채우기 및 피벗 테이블로 값 합산하기

DataFrame 집계

인덱스는 행과 열의 이름을 확장한 기능입니다. 슬라이싱과 결합하여 효과적으로 DataFrame을 부분 추출하는 방법을 익혀 보세요.

명시적 인덱스

인덱스 설정 및 제거하기

.loc[]으로 부분 추출하기

멀티 인덱스 설정하기

인덱스 값으로 정렬하기

.loc 및 .iloc을 사용한 슬라이싱과 부분 추출

인덱스 값 슬라이싱하기

행과 열을 동시에 슬라이싱하기

시계열 데이터 슬라이싱

행/열 번호로 부분 추출하기

피벗 테이블 활용하기

도시 및 연도를 기준으로 temperature 피벗 테이블 만들기

피벗 테이블 부분 추출하기

피벗 테이블에서 계산하기

DataFrame 슬라이싱 및 인덱싱

DataFrame의 내용을 시각화하고, 결측치를 처리하며, CSV 파일로 데이터를 가져오고 내보내는 방법을 배웁니다.

데이터 시각화

어떤 크기의 아보카도가 가장 인기 있을까요?

시간에 따른 판매량 변화

아보카도 공급과 수요

일반 아보카도와 유기농 아보카도 가격 비교

결측치

결측치 찾기

결측치 제거하기

결측치 대체하기

DataFrame 만들기

딕셔너리로 이루어진 리스트

리스트로 구성된 딕셔너리

CSV 파일 읽고 쓰기

CSV를 DataFrame으로 불러오기

DataFrame을 CSV로 저장하기

마무리

DataFrame 생성 및 시각화

여러 차원에 걸쳐 데이터를 동시에 분석하는 방법을 학습하며, 여러 카테고리에 따라 요약을 동시에 세분화함으로써 데이터 속의 미세한 패턴을 발견하는 법을 배우게 됩니다.

여러 개의 그룹화 열

요약 통계량을 카테고리별로 세분화하는 방법을 학습합니다. 이를 통해 여러 그룹 간의 지표를 비교하고 데이터에서 패턴을 발견할 수 있습니다.

하나의 그룹화 컬럼

합계, 평균, 개수 등 핵심 통계를 계산하여 데이터를 요약하는 방법을 학습합니다. 이를 통해 원시 데이터에서 의미 있는 인사이트를 추출할 수 있습니다.

요약 값

데이터 집계

여러 단계의 계산을 처리하고 전체 대비 백분율을 산출하는 방법을 학습하며, 이를 통해 중간 결과에 기반한 복잡한 지표를 구축할 수 있게 됩니다.

복잡한 변환

기존 데이터의 값을 결합하고 계산하여 새로운 열을 생성하는 법을 배웁니다. 이를 통해 원본 데이터셋에는 없는 비율 및 기타 지표를 도출할 수 있습니다.

기본 변환

데이터 변환

조건에 따라 데이터에서 특정 행을 추출하는 방법을 학습합니다. 이를 통해 분석 대상을 관련 서브셋(subset)에 집중시키고, 결측치와 텍스트 패턴을 처리할 수 있게 됩니다.

기본 필터링

여러 기준을 동시에 사용하여 데이터를 필터링하는 방법을 배우며, AND 및 OR 논리로 조건을 결합하여 필요한 행을 정확하게 추출할 수 있게 됩니다.

다중 조건

복잡한 필터링 조건을 별도의 컬럼으로 나누어 단순화하는 방법과 필터링 결과의 반대 데이터를 추출하는 방법을 배웁니다. 이를 통해 분석 과정을 더욱 투명하고 검증 가능하게 만들 수 있습니다.

복잡한 필터링

데이터 필터링

특정 조건에 따라 다양한 계산을 적용하는 방법을 학습합니다. 이를 통해 값을 표준화하고, 데이터를 범주로 분류하며, 데이터 내 다양한 시나리오를 처리할 수 있습니다.

조건부 변환

특정 기준을 충족하는 값만 포함하여 요약값을 계산하는 방법을 배우게 됩니다. 이를 통해 각 그룹 내에서 '지연된 항공편만의 평균'과 같은 세밀한 지표를 산출할 수 있습니다.

조건부 집계

조건부 연산

Avocado prices

Course Glossary: Data Manipulation with pandas

Homelessness data

Walmart sales

Temperatures

pandas는 데이터 조작부터 데이터 분석까지 다양한 용도로 활용할 수 있는 세계에서 가장 인기 있는 Python 라이브러리입니다. 이 강의에서는 분석을 위해 실제 데이터 세트에서 데이터를 추출하고, 필터링하고, 변환하여 DataFrame을 다루는 방법을 배웁니다. pandas를 활용해 데이터 과학의 핵심 개념을 익혀 보세요. Walmart 매출 데이터와 전 세계 기온 시계열 데이터 등 실제 데이터를 사용해 데이터를 불러오고, 정리하고, 통계 계산하고, 시각화까지 하는 법을 배웁니다. pandas로 Python 활용도를 더욱 넓혀 보세요!

동영상에는 전사문이 포함되어 있습니다, 영상 왼쪽 하단의 '대본 보기'를 클릭해서 확인할 수 있습니다.

강의 용어집은 오른쪽 리소스 섹션에서 확인하세요.

CPE 크레딧을 취득하려면 강의 학습을 완료하고 자격 평가에서 70% 이상의 점수를 받아야 합니다. 오른쪽의 CPE 크레딧 안내를 클릭하면 평가로 이동할 수 있습니다.

pandas는 데이터 조작부터 데이터 분석까지 모든 작업에 사용되는 세계에서 가장 인기 있는 Python 라이브러리입니다. 이 강의에서는 AI 튜터와 함께 DataFrame을 조작하는 방법을 배우며, 실제 데이터 세트를 집계, 필터링, 변환하여 분석합니다. pandas를 사용하여 데이터 과학에 필수적인 핵심 데이터 조작 작업을 모두 살펴봅니다.

<h2>pandas로 데이터 조작을 익혀보세요</h2>
이 강의로 pandas가 데이터 조작부터 데이터 분석까지 모든 작업에 사용되는 세계에서 가장 인기 있는 Python 라이브러리인 이유를 배우게 됩니다. 데이터프레임을 조작하는 방법을 살펴보며, 분석을 위해 실제 데이터 세트를 추출, 필터링, 변환하는 방법을 익히게 됩니다. 
<br><br>
pandas를 통해 데이터 과학의 핵심 개념을 모두 살펴보게 됩니다. 실제 세계 데이터를 활용하여 Walmart 매출 수치와 전 세계 기온 시계열을 포함해, pandas를 사용해 Python의 강력함을 더하면서 데이터를 가져오고, 정리하고, 통계를 계산하고, 시각화를 만드는 방법을 배우게 됩니다.
<br><br>
<h2>pandas 데이터를 활용해 데이터 과학의 핵심 개념을 탐구하세요</h2>
먼저 pandas의 기본을 익히게 되며, DataFrame을 살펴보고 몇 가지 기본적인 조작을 수행하는 방법을 배우게 됩니다. 또한 DataFrame을 집계하는 방법도 배우고, 이어서 슬라이싱과 인덱싱으로 넘어갑니다. 
<br><br>
강의를 마무리하며 DataFrame의 내용을 시각화하는 방법을 배우고, 주간 미국 아보카도 판매 데이터를 포함한 데이터 세트를 다룹니다. 
<br><br>
<h2>DataFrame 조작 배우기</h2>
이 Python 강의를 완료하면, 데이터 조작을 위해 이 Python 라이브러리를 사용하는 방법을 이해하게 됩니다. DataFrame에 대한 이해를 갖추게 되며, 이를 사용하는 방법을 익히고, Python에서 데이터를 시각화할 수 있게 됩니다.

Intermediate Python

이 판다스 데이터 조작 과정은 데이터프레임을 추출, 필터링, 변환하여 분석하는 방법을 보여줍니다.

pandas를 이용한 데이터 다루기

pandas로 데이터를 가져오고 정리하며, 통계를 계산하고 시각화하는 방법을 배워보세요. 

데이터 과학자 보조  in Python

데이터 분석가  in Python

데이터 가공  in Python

Python 데이터 기초

Data Evangelist at DataCamp

리스트 슬라이싱

슬라이싱하기 전에 인덱스 정렬하기

상위 인덱스 레벨 슬라이싱

하위 인덱스 레벨을 잘못 슬라이싱하는 경우

하위 인덱스 레벨을 올바르게 슬라이싱하기

열 슬라이싱

두 번 슬라이싱하기

생일 데이터 다루기

날짜로 슬라이싱하기

날짜의 일부만 가지고 슬라이싱하기

연습해봅시다!

DataFrame 슬라이싱 및 인덱싱 - .loc 및 .iloc을 사용한 슬라이싱과 부분 추출

.loc 및 .iloc을 사용한 슬라이싱과 부분 추출

Create Your Free Account