👉 Pandas에서 결측값 채우기 완전 정복: fillna, ffill, bfill 사용법 정리
데이터를 다루다 보면 결측값(Missing Values)을 만나는 경우가 많습니다. Pandas에서는 fillna() 메서드를 사용하여 이러한 결측값을 다양한 방법으로 처리할 수 있습니다. 이번 포스팅에서는 fillna()와 함께 사용하는 method 파라미터인 backfill, bfill, pad, ffill에 대해 알아보겠습니다. 🧩 fillna() 메서드 개요fillna() 메서드는 결측값을 지정한 값이나 방법으로 대체하는 데 사용됩니다.DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)value: 결측값을 대체할 값입니다. 딕셔너리 형태로 열별로 다른 값을 지정할 수도 있습니다..
더보기
🐼 Pandas에서 행 합계 계산하기: sum(axis=1) 완벽 가이드
데이터 분석을 하다 보면 각 행(row)의 값을 합산하여 새로운 정보를 도출해야 할 때가 많습니다.예를 들어, 학생들의 과목별 점수를 합산하여 총점을 계산하거나, 제품별 월별 판매량을 합산하여 연간 판매량을 계산하는 경우가 이에 해당합니다. Pandas에서는 sum() 메서드와 axis=1 파라미터를 사용하여 이러한 행 합계를 쉽게 계산할 수 있습니다. 📌 예제 데이터프레임 생성import pandas as pddf = pd.DataFrame({ '이름': ['철수', '영희', '민수'], '국어': [90, 85, 80], '영어': [95, 90, 85], '수학': [85, 80, 90]}) 이름국어영어수학철수909585영희859080민수808590 ✅ 전체 행 합계 계..
더보기
🐼 Pandas에서 열 추가 및 삭제하기: 실전 예제로 마스터하기
데이터 분석을 하다 보면 데이터프레임의 열을 추가하거나 삭제해야 할 때가 많습니다.Pandas에서는 이를 간단하게 처리할 수 있는 다양한 방법을 제공합니다. 이 글에서는 열 추가와 열 삭제 방법을 실전 예제와 함께 정리해보겠습니다. 📌 예제 데이터프레임 생성import pandas as pddf = pd.DataFrame({ '이름': ['철수', '영희', '민수'], '나이': [23, 25, 21], '성별': ['남', '여', '남']}) ✅ 열 추가하기▶ 새로운 열 추가하기새로운 열을 추가하려면 대괄호 []를 사용하여 열 이름을 지정하고 값을 할당하면 됩니다.df['점수'] = [85, 90, 88]또는 assign() 메서드를 사용하여 새로운 열을 추가할 수 있습니다...
더보기
🐼 Pandas에서 데이터프레임 열 타입 확인하기: df.info()와 df.dtypes 활용법
데이터 분석을 시작할 때, 데이터프레임의 열 타입을 정확히 파악하는 것은 매우 중요합니다. Pandas에서는 df.info()와 df.dtypes를 사용하여 각 열의 데이터 타입과 결측치 정보를 쉽게 확인할 수 있습니다. 📌 예제 데이터프레임 생성import pandas as pddf = pd.DataFrame({ '이름': ['철수', '영희', '민수'], '나이': [23, 25, 21], '성별': ['남', '여', '남'], '점수': [85.5, 90.0, 88.0]}) ✅ df.info() 메서드로 열 정보 확인하기df.info() 메서드는 데이터프레임의 각 열에 대한 요약 정보를 제공합니다.df.info() 출력 예시: RangeIndex: 3 entries, 0..
더보기
🐼 Pandas에서 조건에 맞는 행 추출하기: 실무 예제로 마스터하기
pandas의 핵심 기능 중 하나는 조건에 따라 원하는 행(row)을 필터링하는 것입니다.이 기능은 데이터 전처리, 분석, 시각화 등 거의 모든 단계에서 쓰입니다. 이 글에서는 다양한 조건 필터링 방법을 실전 코드 중심으로 정리해볼게요! ✅ 기본 예제 데이터프레임 생성import pandas as pddf = pd.DataFrame({ '이름': ['철수', '영희', '민수', '수지', '준호'], '나이': [23, 25, 21, 20, 30], '성별': ['남', '여', '남', '여', '남'], '점수': [85, 90, 88, 95, 70]}) 🔹 1. 단일 조건으로 행 추출▶ 예: 나이가 23세 이상인 사람df[df['나이'] >= 23] ▶ 예: 성별이 '여..
더보기
🐼 Pandas의 iloc vs loc 완벽 정리: 실무 예제로 이해하기
데이터 분석이나 머신러닝을 하다 보면 pandas의 iloc과 loc을 자주 마주치게 됩니다.하지만 처음에는 이 두 개념이 헷갈릴 수 있습니다. 이 글에서는 차이점과 사용법을 실전 예제 중심으로 정리해볼게요! ✅ iloc vs loc 차이 한눈에 보기 항목 iloc loc항목ilocloc의미index-locationlabel-location기준정수 인덱스레이블(이름)사용 방식위치 기반이름 기반슬라이싱 끝 포함 여부포함하지 않음포함함 📌 예제 데이터프레임 생성import pandas as pddf = pd.DataFrame({ '이름': ['철수', '영희', '민수'], '나이': [23, 25, 21], '성별': ['남', '여', '남']}, index=['a', 'b', '..
더보기