[Pandas] Series와 DataFrame

Series - 1차원 데이터 구조

Pandas의 1차원 데이터 구조로, 아래와 같이 값 + 인덱스로 구성되어 있습니다.

import pandas as pd

s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
print(s)

출력결

 

 

• values: [10, 20, 30]
• index: ['a', 'b', 'c']
• dtype: int64

Serise는 단순한 리스트가 아니라 인덱스를 명확히 가진 1차이눠 벡터형 데이터

 

사용자 점수, 제품 가격 목록 등 단일 열 데이터를 다룰 때 주로 사용된다.

user_scores = pd.Series([87, 92, 75], index=['user_1', 'user_2', 'user_3'])

 

---

DataFrame - 2차원 테이블 구조

DataFrame은 엑셀처럼 행(row)과 열(column)로 이루어진 2차원 구조다.

데이터베이스 테이블처럼 생각하면 이해하기 쉽다.

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'score': [88, 92, 85]
})

df

 

• .columns: ['name', 'age', 'score']
• .index: [0, 1, 2]
• .shape: (3, 3)

로그데이터, 고객 정보, 제품 카탈로그 등 여러 개의 속성을 가진 데이터를 처리할 때 필수

 

항목	Series	DataFrame
차원	1차원	2차원
형태	단일 열	행 + 열 테이블
인덱스	row index	row index + column
사용 상황	점수, 가격, 단일 값 목록 등	전체 테이블 구조, 분석/전처리 등

 

Series는 보조적인 느낌이고, DataFrame이 메인이다.

Pandas 연산 대부분은 DataFrame를 기반으로 설계되어있다.

 

---

리스트로 받은 데이터를 DataFrame로 구조화하기

data = [
    ['Alice', 25, 88],
    ['Bob', 30, 92],
    ['Charlie', 35, 85]
]

df = pd.DataFrame(data, columns=['name', 'age', 'score'])

 

 

이렇게만 해도 비정형 리스트 → 구조화된 테이블로 변환 가능.

Pandas는 이런 '구조화'의 힘을 발휘할 때 진가를 드러낸다.

---

자주 사용하는 df 속성들 정리

df.head()         # 상위 5개 행 보기
df.columns        # 컬럼명 확인
df.index          # 인덱스 정보
df.dtypes         # 데이터 타입
df.describe()     # 기초 통계 요약