P2-12.2 선택, 필터링, 집계¶

Section ID: P2-12.2 Version: v2026.09.15

학생 점수표¶

네 학생의 이름·점수·합격 여부·지역을 표로 만듭니다. 각 학생은 한 행에 들어가며, 점수와 지역을 기준으로 행을 선택하거나 평균을 계산할 수 있습니다.

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["Kim", "Park", "Lee", "Choi"],
        "score": [82, 45, 90, 73],
        "passed": ["yes", "no", "yes", "yes"],
        "region": ["Seoul", "Busan", "Seoul", "Busan"],
    }
)

print(df)

출력은 다음처럼 읽을 수 있습니다.

   name  score passed region
0   Kim     82    yes  Seoul
1  Park     45     no  Busan
2   Lee     90    yes  Seoul
3  Choi     73    yes  Busan

flowchart TD
    full["전체 표<br/>모든 행, 모든 열"]
    col["열 선택<br/>어떤 변수를 볼 것인가"]
    row["행 선택<br/>어떤 사례를 볼 것인가"]
    cond["필터링<br/>어떤 행을 남길 것인가"]
    agg["집계<br/>어떤 요약값이면 충분한가"]

    full --> col
    full --> row
    full --> cond --> agg

Series와 DataFrame¶

df["score"]는 점수 열을 인덱스가 붙은 1차원 값 묶음인 Series로 반환합니다.

print(df["score"])

출력은 대략 다음처럼 보입니다.

0    82
1    45
2    90
3    73
Name: score, dtype: int64

여기서 중요한 점은 결과가 DataFrame이 아니라 Series라는 것입니다. Series는 한 줄짜리 표가 아니라, 인덱스가 붙은 1차원 값 열로 읽을 수 있습니다.

print(df[["name", "score"]])

결과는 이름과 점수를 담은 4행 2열 DataFrame입니다. df[["score"]]처럼 열 이름 하나를 목록으로 주면 4행 1열 DataFrame을 유지합니다.

   name  score
0   Kim     82
1  Park     45
2   Lee     90
3  Choi     73

print(type(df["score"]).__name__)
print(type(df[["name", "score"]]).__name__)

출력은 대략 다음처럼 읽힙니다.

1 2	`Series DataFrame`

라벨 선택과 위치 선택¶

Pandas 공식 문서는 .loc를 라벨 기반(label-based) 선택으로, .iloc를 정수 위치 기반(integer position-based) 선택으로 설명합니다.

print(df.loc[1])
print(df.iloc[1])

두 코드는 모두 Park의 행을 출력합니다. 현재 인덱스 라벨 1과 두 번째 위치가 같은 행을 가리키기 때문입니다.

하지만 인덱스를 이름으로 바꾸면 차이가 더 분명해집니다.

named = df.set_index("name")

print(named.loc["Lee"])
print(named.iloc[2])

이때:

named.loc["Lee"]는 Lee라는 라벨을 찾습니다.
named.iloc[2]는 세 번째 위치의 행을 찾습니다.

슬라이스의 끝과 행 순서¶

.loc의 라벨 슬라이스는 끝 라벨을 포함하고, .iloc의 위치 슬라이스는 끝 위치를 제외합니다. 현재 기본 인덱스에서 두 선택을 비교하면 차이가 드러납니다.

print(df.loc[1:2, "name"].tolist())
print(df.iloc[1:2]["name"].tolist())

ranked = df.sort_values("score", ascending=False)
print(ranked.index.tolist())
print(ranked.loc[0, "name"])
print(ranked.iloc[0]["name"])

['Park', 'Lee']
['Park']
[2, 0, 3, 1]
Kim
Lee

정렬은 행 위치를 바꾸지만 기존 라벨은 유지합니다. 따라서 첫 위치는 Lee이고 라벨 0은 여전히 Kim입니다. reset_index(drop=True)는 새 위치 번호를 라벨로 붙이므로, 학생 식별자가 필요하면 별도 열로 보존해야 합니다.

조건에 맞는 행 선택¶

점수가 80 이상인 학생을 고르면 Kim과 Lee의 행이 남습니다. 원본 점수는 바뀌지 않습니다.

print(df[df["score"] >= 80])

출력은 대략 다음처럼 보입니다.

1
2
3

  name  score passed region
0  Kim     82    yes  Seoul
2  Lee     90    yes  Seoul

이 코드는 두 단계로 읽을 수 있습니다.

df["score"] >= 80이 각 행마다 True 또는 False를 만든다.
True인 행만 남긴다.

중간 결과를 직접 보면 더 분명합니다.

mask = df["score"] >= 80
print(mask)

0     True
1    False
2     True
3    False
Name: score, dtype: bool

이런 불리언 결과를 종종 mask라고 부릅니다. 필터링은 각 행에 질문을 던져서, 맞다(True)고 대답한 행만 남기는 일로 읽으면 됩니다.

점수 70 이상과 Busan 지역 조건을 &로 결합하면 Choi만 남습니다. 각 조건은 괄호로 감쌉니다.

print(df[(df["score"] >= 70) & (df["region"] == "Busan")])

이 코드는 점수가 70 이상이면서 지역이 Busan인 행만 남깁니다. 각 행의 조건을 결합할 때는 &(그리고), |(또는)를 씁니다. Python의 and, or는 Series 전체를 하나의 참·거짓 값으로 판단하려 하므로 이 용도로 사용할 수 없습니다.

조건에 맞는 값 수정¶

필터링은 행을 고르고, 대입은 선택한 위치의 값을 바꿉니다. 원본을 보존하면서 60점 미만 학생에게 5점을 더하려면 복사한 표에 .loc[행 조건, 열]로 대입합니다.

adjusted = df.copy()
low = adjusted["score"] < 60
adjusted.loc[low, "score"] = adjusted.loc[low, "score"] + 5
print(df["score"].tolist())
print(adjusted["score"].tolist())

1 2	`[82, 45, 90, 73] [82, 50, 90, 73]`

df[조건]["score"] = ...처럼 선택을 연달아 한 뒤 대입하면 원본을 수정하는 표현으로 사용할 수 없습니다. 특히 pandas 3의 Copy-on-Write에서는 이런 연쇄 대입으로 원본이 바뀌지 않습니다. 수정할 표와 위치를 하나의 .loc 대입으로 지정합니다. 읽기만 하는 앞의 df.iloc[1:2]["name"]과 대입은 구분해야 합니다.

평균·최댓값·개수¶

집계(aggregation)는 여러 값을 요약값으로 바꾸는 계산입니다. 점수 [82, 45, 90, 73]의 평균은 72.5, 최댓값은 90, 값의 개수는 4입니다.

print(df["score"].mean())
print(df["score"].max())
print(df["score"].count())

agg에 집계 이름 목록을 전달하면 세 결과를 한 번에 묶을 수 있습니다. count는 결측치를 제외한 값의 개수를 셉니다.

print(df["score"].agg(["mean", "max", "count"]))

출력은 대략 다음처럼 보일 수 있습니다.

mean     72.5
max      90.0
count     4.0
Name: score, dtype: float64

이 결과는 score 열 하나를 여러 방식으로 요약한 작은 표처럼 읽을 수 있습니다.

지역별 평균¶

Pandas 공식 문서는 groupby를 데이터를 어떤 기준으로 나눈 뒤, 각 그룹에 함수를 적용해 결합하는 흐름으로 설명합니다. 지역별 점수 평균을 구할 때는 같은 region 값을 가진 행끼리 묶습니다.

Busan은 Park 45점과 Choi 73점의 평균인 59점, Seoul은 Kim 82점과 Lee 90점의 평균인 86점입니다.

print(df.groupby("region")["score"].mean())

출력은 대략 다음처럼 보일 수 있습니다.

region
Busan    59.0
Seoul    86.0
Name: score, dtype: float64

이 코드는 이렇게 읽습니다.

region 값이 같은 행끼리 묶는다.
각 묶음에서 score 열만 본다.
각 묶음의 평균을 계산한다.

결측치와 집계의 분모¶

Park의 점수가 아직 입력되지 않았다면 Busan에는 학생 두 명이 있지만 관측된 점수는 Choi의 73점 하나입니다. size는 행 수, count는 결측치를 제외한 값 수를 셉니다. 평균도 기본적으로 결측치를 제외합니다. Float64는 결측치 pd.NA를 담을 수 있는 Pandas의 실수 타입입니다. 숫자와 미입력을 같은 열에서 구분하기 위해 변환합니다.

missing = df.copy()
missing["score"] = missing["score"].astype("Float64")
missing.loc[1, "score"] = pd.NA
print(missing.groupby("region")["score"].agg(["size", "count", "mean"]))

        size  count  mean
region
Busan      2      1  73.0
Seoul      2      2  86.0

Busan의 평균 73은 두 학생 모두를 관측한 평균이 아닙니다. 결측치를 0으로 채우면 평균이 (0 + 73) / 2 = 36.5로 바뀌며, 이는 미입력을 0점으로 해석한 결과입니다. 집계값 옆에 전체 행 수와 관측값 수를 함께 두면 어떤 자료로 요약했는지 확인할 수 있습니다.

동작별 센서 기록 요약¶

동작 A-01과 B-02를 각각 세 시점에 측정한 기록입니다. 동작별로 묶으면 기록 마지막 시각, 평균 신호, 마지막으로 측정한 신호를 한 행에 담을 수 있습니다.

action_id	elapsed_seconds	progress_fraction	signal_a
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

action_id	last_recorded_seconds	signal_a_mean	last_recorded_signal_a
A-01	2.0	1.37	1.9
B-02	2.0	1.17	1.5

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

summary = (
    log_df.sort_values(["action_id", "elapsed_seconds"]).groupby("action_id")
    .agg(
        last_recorded_seconds=("elapsed_seconds", "max"),
        signal_a_mean=("signal_a", "mean"),
        last_recorded_signal_a=("signal_a", "last"),
    )
    .reset_index()
)

print(summary.round(2).to_string(index=False))

출력은 다음과 같습니다.

1
2
3

action_id  last_recorded_seconds  signal_a_mean  last_recorded_signal_a
    A-01                    2.0           1.37                     1.9
    B-02                    2.0           1.17                     1.5

경과 시간으로 정렬했으므로 last는 이 예제에서 가장 늦게 기록한 신호를 반환합니다. last는 기본적으로 결측치를 건너뛰므로 마지막 시점의 신호가 결측치라면 그보다 앞선 값이 나올 수 있습니다. 정렬하지 않으면 시간순 마지막이 아니라 현재 행 순서에서 마지막으로 관측된 값을 고릅니다. 두 동작 모두 마지막 기록은 2초이지만 진행 비율은 각각 0.40과 0.50입니다. 따라서 이 값은 전체 동작의 완료 시간이 아니라 관측된 마지막 시각입니다.

사례: 임계값과 지역 변경¶

입력 파일은 student-progress-samples.csv입니다. 한 행은 학생 한 명의 학습 기록이고, 핵심 열은 region, study_hours, absences, practice_quizzes, score, passed입니다. 점수 기준 75와 Busan 조건을 적용하면 S010, S013, S016, S018 네 학생이 선택됩니다.

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)

pass_threshold = 75
focus_region = "Busan"

selected = df.loc[
    (df["score"] >= pass_threshold) & (df["region"] == focus_region),
    ["student_id", "region", "score", "passed"],
]

summary = (
    df.assign(over_threshold=df["score"] >= pass_threshold)
    .groupby("region")
    .agg(
        sample_count=("student_id", "count"),
        mean_score=("score", "mean"),
        over_threshold_count=("over_threshold", "sum"),
        mean_absences=("absences", "mean"),
    )
    .round(2)
)

print(selected)
print(summary)

같은 계산을 파일로 실행할 수 있습니다.

p2_12_2_filter_aggregate_threshold.py

1	`python docs/assets/part-02/chapter-12/p2_12_2_filter_aggregate_threshold.py`

pass_threshold를 70, 75, 80으로 바꾸면 임계값 이상 학생 수가 바뀌고, focus_region을 다른 지역으로 바꾸면 선택된 행 목록이 달라집니다.

flowchart TD
    a["전체 df · 학생 36명"]
    a --> b["점수·지역 조건으로 선택"] --> c["selected · 학생 목록"]
    a --> d["전체 df를 지역별로 묶기"] --> e["집계<br/>학생 수·평균<br/>기준 이상 인원"]

점수 기준을 80으로 올리면 Busan의 선택 결과에서 77점인 S016이 빠져 세 학생이 남습니다. 지역별 집계는 selected가 아니라 전체 df를 사용하므로 평균 점수와 학생 수는 그대로이고, 기준 이상 학생 수만 달라집니다. focus_region만 Seoul로 바꾸면 선택한 학생 목록이 바뀌지만 지역별 집계는 전혀 바뀌지 않습니다.

CSV의 passed는 저장된 합격 여부입니다. pass_threshold를 바꿔도 이 열을 다시 계산하지 않으므로 임계값 이상 여부와 동일한 뜻으로 사용해서는 안 됩니다.

체크리스트¶

한 열 선택과 여러 열 선택의 차이를 설명할 수 있는가?
loc와 iloc가 각각 무엇을 기준으로 고르는지 말할 수 있는가?
불리언 조건이 행을 남기거나 버리는 방식임을 설명할 수 있는가?
평균, 개수, 최댓값 같은 집계가 왜 필요한지 설명할 수 있는가?
groupby를 묶고 나서 요약한다는 흐름으로 설명할 수 있는가?
임계값과 지역 조건을 바꿀 때 선택 결과와 전체 지역별 집계 중 무엇이 달라지는지 설명할 수 있는가?
라벨 슬라이스와 위치 슬라이스의 끝, size와 count의 차이를 설명할 수 있는가?

출처와 참고 자료¶

pandas Developers, Indexing and selecting data, pandas documentation, 확인 날짜: 2026-09-15. 열 선택, loc/iloc, 불리언 인덱싱과 행 필터링 설명 확인에 사용했다.
pandas Developers, Group by: split-apply-combine, pandas documentation, 확인 날짜: 2026-09-15. groupby를 split-apply-combine 흐름으로 설명하는 근거로 사용했다.
pandas Developers, 10 minutes to pandas, pandas documentation, 확인 날짜: 2026-07-20. DataFrame 생성, 선택, 요약 통계, 기본 표 조작 예시 확인에 사용했다.
pandas Developers, Copy-on-Write (CoW), pandas documentation, 확인 날짜: 2026-09-15. 연쇄 대입과 단일 loc 대입의 차이.
pandas Developers, DataFrameGroupBy.last, pandas documentation, 확인 날짜: 2026-09-15. last가 기본적으로 결측치를 건너뛰는 동작.