# pandas 빠른 참조

*DataFrame, 선택, 집계, 병합 등*

> Source: pandas Documentation (pandas.pydata.org) · MIT

## DataFrame

### DataFrame 생성

```
import pandas as pd
df = pd.DataFrame({
    "name": ["Alice", "Bob", "Carol"],
    "age": [25, 30, 35],
    "score": [88, 92, 79]
})
```

### 검사

| Command | Description |
|---------|-------------|
| `df.head(n)` | 처음 n행 (기본값 5) |
| `df.tail(n)` | 마지막 n행 |
| `df.shape` | (행, 열) 튜플 |
| `df.dtypes` | 각 열의 데이터 타입 |
| `df.info()` | 열 타입, 비null 개수 |
| `df.describe()` | 수치 열 통계 |
| `df.columns` | Index로 나타낸 열 이름 |
| `df.index` | 행 레이블 |

## 데이터 읽기

### 주요 리더

```
df = pd.read_csv("data.csv")
df = pd.read_excel("data.xlsx")
df = pd.read_json("data.json")
df = pd.read_sql(query, connection)
```

### 데이터 쓰기

```
df.to_csv("out.csv", index=False)
df.to_excel("out.xlsx", index=False)
df.to_json("out.json", orient="records")
```

### 읽기 옵션

| Command | Description |
|---------|-------------|
| `sep=";"` | 사용자 정의 구분자 |
| `header=None` | 파일에 헤더 행 없음 |
| `usecols=[0,2]` | 특정 열만 읽기 |
| `nrows=100` | 처음 100행 읽기 |
| `na_values=["N/A"]` | NaN으로 처리 |

## 선택

### 열

```
df["name"]              # single column (Series)
df[["name", "age"]]     # multiple columns (DataFrame)
df.name                 # attribute access (simple names)
```

### loc / iloc으로 행 선택

```
df.loc[0]              # row by label
df.loc[0:2, "name"]    # rows 0-2, column "name"
df.iloc[0]             # row by position
df.iloc[0:2, 0:2]     # first 2 rows, 2 cols
```

### loc vs iloc

| Command | Description |
|---------|-------------|
| `df.loc[row, col]` | **레이블**로 선택 (끝 포함) |
| `df.iloc[row, col]` | **위치**로 선택 (끝 미포함) |
| `df.at[row, col]` | 레이블로 빠른 스칼라 접근 |
| `df.iat[row, col]` | 위치로 빠른 스칼라 접근 |

## 필터링

### 불리언 필터링

```
df[df["age"] > 25]
df[df["name"].str.contains("li")]
df[(df["age"] > 25) & (df["score"] > 80)]
df[df["name"].isin(["Alice", "Bob"])]
```

### 결측값 처리

```
df.isna().sum()          # NaN count per column
df.dropna()              # drop rows with any NaN
df.fillna(0)             # fill NaN with 0
df["col"].fillna(df["col"].mean())
```

### 정렬

```
df.sort_values("age")                # ascending
df.sort_values("age", ascending=False)
df.sort_values(["age", "score"])      # multi
```

## 집계

### 주요 집계

| Command | Description |
|---------|-------------|
| `df["col"].sum()` | 열 합계 |
| `df["col"].mean()` | 평균 |
| `df["col"].median()` | 중앙값 |
| `df["col"].std()` | 표준 편차 |
| `df["col"].min() / .max()` | 최솟값 / 최댓값 |
| `df["col"].count()` | 비null 개수 |
| `df["col"].nunique()` | 고유값 수 |
| `df["col"].value_counts()` | 각 값의 빈도 |

### 다중 집계

```
df.agg({"age": "mean", "score": ["min", "max"]})
df.describe()  # summary stats for all numeric
```

## GroupBy

### 기본 그룹화

```
df.groupby("dept")["salary"].mean()
df.groupby("dept").agg(
    avg_sal=("salary", "mean"),
    count=("salary", "count")
)
```

### 다중 그룹

```
df.groupby(["dept", "year"])["sales"].sum()
df.groupby("dept").size()  # rows per group
```

### Transform 및 Apply

```
df["z_score"] = df.groupby("dept")["salary"] \
    .transform(lambda x: (x - x.mean()) / x.std())
df.groupby("dept").apply(lambda g: g.nlargest(3, "salary"))
```

## 병합

### Merge (SQL 스타일 조인)

```
pd.merge(df1, df2, on="id")          # inner
pd.merge(df1, df2, on="id", how="left")
pd.merge(df1, df2, left_on="uid",
         right_on="user_id")
```

### 조인 유형

| Command | Description |
|---------|-------------|
| `how="inner"` | 일치하는 행만 유지 (기본값) |
| `how="left"` | 왼쪽 행 모두 유지, 불일치는 NaN |
| `how="right"` | 오른쪽 행 모두 유지 |
| `how="outer"` | 양쪽 행 모두 유지 |

### 연결

```
pd.concat([df1, df2])             # stack rows
pd.concat([df1, df2], axis=1)     # side by side
pd.concat([df1, df2], ignore_index=True)
```

## 피벗 테이블

### 피벗 테이블

```
df.pivot_table(
    values="sales", index="region",
    columns="quarter", aggfunc="sum"
)
```

### 형태 변환

```
df.melt(id_vars=["name"],
        value_vars=["q1", "q2"],
        var_name="quarter", value_name="sales")
```

### 교차 집계

```
pd.crosstab(df["dept"], df["gender"])
pd.crosstab(df["dept"], df["gender"],
            normalize="index")  # row percentages
```

## 시계열

### DateTime 기본

```
df["date"] = pd.to_datetime(df["date"])
df["year"] = df["date"].dt.year
df["month"] = df["date"].dt.month
df["weekday"] = df["date"].dt.day_name()
```

### 날짜 범위 및 리샘플링

```
pd.date_range("2025-01-01", periods=12, freq="ME")
df.set_index("date").resample("ME")["sales"].sum()
```

### 접근자 속성

| Command | Description |
|---------|-------------|
| `.dt.year / .dt.month / .dt.day` | 날짜 구성 요소 추출 |
| `.dt.hour / .dt.minute` | 시간 구성 요소 추출 |
| `.dt.day_name()` | 요일 이름 (Monday 등) |
| `.dt.days_in_month` | 해당 월의 일 수 |

## 일반 패턴

### 열 이름 변경

```
df.rename(columns={"old": "new"})
df.columns = ["a", "b", "c"]  # replace all
```

### 열 추가 / 수정

```
df["total"] = df["q1"] + df["q2"]
df["grade"] = df["score"].apply(
    lambda x: "A" if x >= 90 else "B"
)
```

### 열 / 행 제거

```
df.drop(columns=["temp"])
df.drop_duplicates(subset=["name"])
df.reset_index(drop=True)
```

### 문자열 연산

```
df["name"].str.lower()
df["name"].str.contains("ali", case=False)
df["name"].str.split(" ").str[0]  # first name
```