콘텐츠로 이동

P2-12.1 Pandas DataFrame은 무엇을 표현하는가

Section ID: P2-12.1 Version: v2026.09.15

행과 열이 있는 표

Pandas의 DataFrame은 행과 열에 라벨이 붙은 2차원 표 형식 데이터 구조입니다. 학생 점수표라면 한 행에 한 학생의 이름·점수·합격 여부를 담고, 열 이름으로 각 값의 의미를 구분할 수 있습니다. 같은 표 안에서도 점수 열은 숫자, 이름 열은 문자열을 담습니다.

dict의 키를 열 이름으로, 값 목록을 해당 열의 데이터로 넣으면 세 학생의 표가 만들어집니다.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
import pandas as pd

df = pd.DataFrame(
    {
        "name": ["Kim", "Park", "Lee"],
        "score": [82, 45, 90],
        "passed": ["yes", "no", "yes"],
    }
)

print(df)

1
2
3
4
   name  score passed
0   Kim     82    yes
1  Park     45     no
2   Lee     90    yes

왼쪽의 0, 1, 2는 행 라벨인 인덱스(index)입니다. name, score, passed는 열 라벨입니다. 인덱스를 제외한 데이터 영역은 3행 3열이며, 1번 행에는 Park의 점수 45와 합격 여부 no가 들어 있습니다.

flowchart TB
    subgraph frame["DataFrame"]
        direction TB
        cols["열(columns)<br/>name | score | passed"]
        body["행(rows)<br/>0: Kim, 82, yes<br/>1: Park, 45, no<br/>2: Lee, 90, yes"]
    end
    idx["인덱스(index)<br/>0, 1, 2"]

    idx --> body
    cols --> body

열 묶음과 행 묶음

학생 한 명의 정보를 하나의 dict로 묶은 리스트도 DataFrame으로 만들 수 있습니다. 다음 코드는 앞과 같은 표를 출력합니다.

1
2
3
4
5
6
7
8
rows = [
    {"name": "Kim", "score": 82, "passed": "yes"},
    {"name": "Park", "score": 45, "passed": "no"},
    {"name": "Lee", "score": 90, "passed": "yes"},
]

df = pd.DataFrame(rows)
print(df)

첫 방식은 score 열에 [82, 45, 90]을 넣습니다. 둘째 방식은 Kim의 기록에 score: 82를 넣습니다. 입력을 묶는 방향이 달라도 완성된 표의 행과 열은 같습니다.

행 라벨 지정

인덱스를 지정하지 않으면 기본적으로 0, 1, 2, ...인 RangeIndex가 붙습니다. 이름을 인덱스로 지정하면 번호 대신 Kim, Park, Lee가 행 라벨이 됩니다.

1
2
3
4
5
6
7
8
9
named = pd.DataFrame(
    {
        "score": [82, 45, 90],
        "passed": ["yes", "no", "yes"],
    },
    index=["Kim", "Park", "Lee"],
)

print(named)

1
2
3
4
      score passed
Kim      82    yes
Park     45     no
Lee      90    yes

이 표의 데이터 열은 score, passed 두 개입니다. 이름은 인덱스에 있으므로 named.shape는 (3, 2)입니다. 앞서 만든 df는 이름도 데이터 열에 들어 있어 (3, 3)입니다. 인덱스가 숫자라고 해서 항상 현재 행 위치와 같지는 않으며, 라벨이 중복될 수도 있습니다.

라벨에 맞춘 값 연결

Pandas는 Series를 열에 대입할 때 값의 나열 순서보다 인덱스 라벨을 기준으로 맞춥니다. 이름을 인덱스로 둔 점수표에 학생별 보너스를 추가한다고 합시다. 보너스는 Lee, Kim, Park 순서로 들어 있지만 점수표는 Kim, Park, Lee 순서입니다.

1
2
3
4
5
bonus = pd.Series([5, 10, 0], index=["Lee", "Kim", "Park"])
adjusted = named.copy()
adjusted["bonus"] = bonus
adjusted["adjusted_score"] = adjusted["score"] + adjusted["bonus"]
print(adjusted[["score", "bonus", "adjusted_score"]])

1
2
3
4
      score  bonus  adjusted_score
Kim      82     10              92
Park     45      0              45
Lee      90      5              95

첫 값 5가 Kim에게 붙지 않고 Lee에게 붙습니다. 라벨이 데이터의 연결 기준이기 때문입니다. bonus의 Lee 라벨을 Choi로 바꾸면 점수표의 Lee에 대응하는 값이 없어 결측치가 생깁니다. 같은 길이라고 해서 같은 학생끼리 연결된다는 뜻은 아닙니다. 이름이 중복될 수 있는 실제 자료에서는 학생 ID처럼 기록을 구분할 기준을 먼저 정합니다.

열별 타입과 표 구조

앞서 만든 df의 크기, 열 이름, 인덱스, 열별 타입, 앞 두 행을 출력합니다. score가 수치 타입인지 확인하면 점수 평균 같은 계산에 바로 쓸 수 있는지 판단할 수 있습니다.

1
2
3
4
5
print(df.shape)
print(df.columns)
print(df.index)
print(df.dtypes)
print(df.head(2))

shape는 (3, 3), columns에는 name, score, passed가 나옵니다. index는 RangeIndex(start=0, stop=3, step=1)이며, head(2)는 Kim과 Park의 행만 보여 줍니다.

확인 항목 이 표에서 확인할 내용
shape 학생 3명, 데이터 열 3개
columns 이름·점수·합격 여부의 열 이름
index 각 행에 붙은 라벨
dtypes 점수 열의 숫자 타입과 나머지 열의 문자열 타입
head(2) 첫 두 학생의 실제 값

문자열 열의 타입 표시는 Pandas 버전과 설정에 따라 str 또는 object 등으로 보일 수 있습니다. passed의 yes, no는 여기서는 문자열 값이며, 자동으로 참·거짓 값이 되는 것은 아닙니다.

NumPy 배열은 배열 전체에 하나의 dtype을 사용하고, DataFrame은 열마다 dtype을 가집니다. 이름이 붙은 열을 선택하고 정리할 때 DataFrame을 쓰고, 숫자 열을 배열로 옮겨 벡터·행렬 계산을 할 수 있습니다.

한 행과 분석 단위

한 행이 언제나 최종 분석 대상 하나를 뜻하지는 않습니다. 다음 센서 기록은 동작 A-01과 B-02를 각각 세 시점에 측정한 표입니다. 한 행은 측정 시점 하나이고, 동작 하나에는 여러 행이 속합니다.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
import pandas as pd

raw = pd.DataFrame(
    [
        ["A-01", 0.0, 0.00, 0.8],
        ["A-01", 1.0, 0.20, 1.4],
        ["A-01", 2.0, 0.40, 1.9],
        ["B-02", 0.0, 0.00, 0.7],
        ["B-02", 1.0, 0.25, 1.3],
        ["B-02", 2.0, 0.50, 1.5],
    ],
    columns=["action_id", "elapsed_seconds", "progress_fraction", "signal_a"],
)

print("rows =", len(raw))
print("actions =", raw["action_id"].nunique())
print(raw.groupby("action_id").size())

1
2
3
4
5
6
rows = 6
actions = 2
action_id
A-01    3
B-02    3
dtype: int64

len(raw)는 측정 기록 6개를 셉니다. nunique()는 서로 다른 동작 ID 2개를 세고, groupby("action_id").size()는 동작마다 기록이 3개씩 있음을 보여 줍니다. elapsed_seconds는 동작 시작 후 경과 시간, progress_fraction은 진행 비율, signal_a는 측정값입니다.

A-01의 측정 행을 하나 더 추가하면 전체 기록은 7개, A-01의 기록은 4개가 되지만 동작 수는 여전히 2개입니다. 같은 코드를 실행해도 무엇을 세느냐에 따라 결과가 달라집니다. 동작별 평균 신호를 비교하려면 측정 행들을 action_id로 묶어 계산해야 합니다.

고객 목록에서는 한 행이 고객 한 명일 수 있고, 주문 목록에서는 같은 고객의 주문이 여러 행에 걸쳐 있을 수 있습니다. 따라서 행 수를 고객 수로 사용할 수 있는지는 표의 기록 단위에 달려 있습니다.

사례: 학생 CSV의 행과 열 확인

student-progress-samples.csv에는 학생 36명의 학습 기록이 있습니다. 첫 학생 S001은 Seoul 지역이며 공부 시간 8.0, 결석 1회, 연습 퀴즈 9회, 점수 86, 합격 여부 yes로 기록되어 있습니다.

저장소 루트에서 다음 코드를 실행하면 (36, 7)과 일곱 열의 이름, 인덱스, 열별 타입, 첫 세 행을 확인할 수 있습니다.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
from pathlib import Path
import pandas as pd

csv_path = Path("docs/assets/part-02/chapter-12/student-progress-samples.csv")
df = pd.read_csv(csv_path)

print("shape:", df.shape)
print("columns:", list(df.columns))
print("index:", df.index)
print(df.dtypes)
print(df.head(3))

student_id는 데이터 열이고, 왼쪽 인덱스는 별도의 0부터 35까지 번호입니다. study_hours는 소수를 포함하며, region과 passed는 문자열입니다. 모든 열이 숫자는 아니므로 표 전체를 그대로 수치 계산에 넣을 수는 없습니다.

예를 들어 점수를 예측하려면 score는 예측 대상 후보이고, 공부 시간·결석 수·퀴즈 수는 입력 후보입니다. student_id는 학생을 구분하는 식별자입니다. 이처럼 열 이름과 실제 값을 함께 확인해야 열의 역할을 정할 수 있습니다.

CSV에서 S001의 점수만 86에서 96으로 바꾸면 shape와 열 이름은 그대로이고 head(3)의 점수만 달라집니다. 학생 행 하나를 추가하면 행 수가 37로 늘어납니다. 구조 확인과 값 확인은 서로 다른 변화를 잡아냅니다.

같은 CSV 점검을 파일로 실행하려면 저장소 루트에서 다음 명령을 사용합니다.

p2_12_1_dataframe_first_check.py

1
python docs/assets/part-02/chapter-12/p2_12_1_dataframe_first_check.py

타입과 값의 의미

점수가 수치 타입이라는 확인은 계산 가능성을 알려 줄 뿐, 점수가 올바르게 기록되었다는 보장은 아닙니다. 100점 만점 시험의 점수가 900으로 들어가도 숫자 타입 자체는 정상입니다. 공부 시간 열의 8이 시간인지 분인지도 dtype만으로는 알 수 없습니다. 표 구조를 읽은 뒤에는 열의 단위·허용 범위·기록 시점을 함께 확인해야 합니다.

체크리스트

  • 행, 열, 인덱스의 역할을 각각 말할 수 있는가?
  • DataFrame이 숫자와 문자열 열을 함께 담는 방식을 설명할 수 있는가?
  • 이름을 데이터 열에 둘 때와 인덱스에 둘 때 shape가 어떻게 다른지 설명할 수 있는가?
  • 측정 행 수와 동작 수가 다른 이유를 설명할 수 있는가?
  • shape, columns, index, dtypes, head()가 각각 어떤 변화를 보여 주는지 설명할 수 있는가?
  • Series의 값 순서를 바꿔도 라벨이 같은 학생에게 값이 연결되는 이유를 설명할 수 있는가?

출처와 참고 자료

  • pandas Developers, pandas.DataFrame, pandas documentation, 확인 날짜: 2026-09-08. DataFrame을 labeled axes를 가진 2차원 tabular data structure로 설명하는 근거로 사용했다.
  • pandas Developers, Package overview, pandas documentation, 확인 날짜: 2026-07-20. pandas가 tabular, time series, matrix data를 다루는 도구라는 설명을 DataFrame 입문 배경으로 사용했다.
  • pandas Developers, Migration guide for the new string data type, pandas documentation, 확인 날짜: 2026-09-08. 버전과 설정에 따른 문자열 열의 타입 표시 차이를 확인했다.
  • pandas Developers, Intro to data structures, pandas documentation, 확인 날짜: 2026-09-15. Series 대입 시 라벨 정렬과 누락 라벨의 결측치 처리.