[PYTHON] 데이터 분석을 위한 파이썬 라이브러리: NumPy와 Pandas 기초

데이터 분석을 위한 파이썬 라이브러리: NumPy와 Pandas 기초

데이터 분석에서 빠른 연산과 효율적인 데이터 처리는 필수입니다.
파이썬에는 이를 위해 NumPy와 Pandas라는 강력한 라이브러리가 있습니다.

이번 글에서는 NumPy(넘파이)와 Pandas(판다스)의 기본 개념과 활용법을 배워보겠습니다.

---

1. NumPy란?

1.1 NumPy 소개

**NumPy(Numerical Python)**는 배열(Array) 기반의 수치 연산 라이브러리입니다.

• 빠른 연산 속도: 리스트보다 속도가 빠름
• 다차원 배열(행렬) 지원
• 다양한 수학, 통계 함수 제공

1.2 NumPy 설치

NumPy가 없으면 아래 명령어로 설치할 수 있습니다.

pip install numpy

1.3 NumPy 배열 생성 (np.array())

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr)  
# [1 2 3 4 5]

1.4 다차원 배열 생성

arr2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2d)  
'''
[[1 2 3]
 [4 5 6]]
'''

1.5 배열의 크기 확인 (shape)

print(arr2d.shape)  # (2, 3) -> 2행 3열

1.6 배열 연산

NumPy는 벡터 연산을 지원하여 리스트보다 훨씬 빠르게 연산할 수 있습니다.

arr = np.array([1, 2, 3])
print(arr + 10)  # [11 12 13]
print(arr * 2)   # [ 2  4  6]

---

2. Pandas란?

2.1 Pandas 소개

**Pandas(판다스)**는 데이터 분석을 위한 라이브러리입니다.

• 엑셀과 유사한 데이터 처리
• 표 형태의 데이터(DataFrame) 지원
• 누락된 데이터 처리 기능

2.2 Pandas 설치

pip install pandas

2.3 데이터프레임(DataFrame) 생성

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['Seoul', 'Busan', 'Incheon']}

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

출력:

     Name  Age    City
0   Alice   25   Seoul
1     Bob   30   Busan
2  Charlie   35  Incheon

2.4 CSV 파일 불러오기

df = pd.read_csv("data.csv")
print(df.head())  # 상위 5개 데이터 출력

2.5 데이터 선택하기

print(df['Name'])  # 특정 열 선택
print(df.iloc[0])  # 첫 번째 행 선택

2.6 결측값 처리 (fillna())

df.fillna(0, inplace=True)  # NaN 값을 0으로 채우기

---

3. NumPy & Pandas 실전 활용

3.1 NumPy로 평균과 표준편차 구하기

arr = np.array([10, 20, 30, 40, 50])
print("평균:", np.mean(arr))  # 30.0
print("표준편차:", np.std(arr))  # 14.14

3.2 Pandas 데이터 분석

print(df.describe())  # 데이터 요약 정보
print(df['Age'].mean())  # 나이 평균

---

4. 결론

✅ NumPy: 빠른 배열 연산, 다차원 데이터 처리
✅ Pandas: 엑셀 스타일의 데이터 관리, CSV 파일 분석
✅ 함께 사용하면 강력한 데이터 분석 도구

다음 글에서는 Matplotlib을 활용한 데이터 시각화에 대해 알아보겠습니다! 🚀