Pandas

온개발팀 지음

온노트 2023년 11월 10일 출간

작품소개

책소개

데이터 과학과 분석의 영역에서 파이썬 프로그래밍 언어는 최고의 자리를 차지하고 있습니다. 가장 필수적인 도구 중 하나는 데이터 조작 및 분석을 위한 다재다능하고 강력한 리소스인 Pandas 라이브러리입니다. 이 필수 라이브러리의 잠재력을 최대한 이해하고 활용하기 위한 포괄적인 가이드인 '판다스'에 오신 것을 환영합니다.

1장, 'Pandas 소개'는 판다의 세계로 들어가는 출발점 역할을 합니다. 여기에서는 라이브러리의 역사, 데이터 분석에서의 중요성, Pandas의 기초를 이루는 핵심 데이터 구조에 대한 통찰력을 얻을 수 있습니다.

2장, 'Pandas 설치 및 설정'에서는 시스템에서 판다를 설치 및 실행하는 단계별 가이드를 제공합니다. 초보자든 숙련된 파이토니스타든 설치 과정이 간단하다는 것을 알게 될 것입니다.

3장, 'Pandas 데이터 구조'에서는 판다스의 핵심을 자세히 살펴봅니다. 두 가지 기본 데이터 구조인 시리즈와 데이터프레임을 살펴보고 언제 어떻게 사용하는지 이해하게 됩니다. 이러한 구조는 데이터 구성과 조작을 위한 기본 도구 역할을 합니다.

4장, '기본 연산'에서는 Pandas 데이터 작업을 위한 필수 기술을 익힙니다. 데이터 선택, 필터링, 수정부터 결손값 처리까지, 이 장에서는 고급 작업의 토대를 마련합니다.

5장, '데이터 가져오기 및 내보내기'에서는 CSV 파일, Excel 스프레드시트, SQL 데이터베이스 등 다양한 소스에서 Pandas로 데이터를 가져오는 과정을 안내합니다. 또한 공유 및 분석을 위해 Pandas 데이터를 내보내는 방법도 배웁니다.

6장, '데이터 정리 및 처리'에서는 데이터 준비의 중요한 작업을 다룹니다. 지저분한 데이터를 정리하고, 이상값을 처리하고, 데이터 집합을 분석에 적합한 깨끗한 형식으로 변환하는 방법을 알아보세요.

7장, '고급 인덱싱'에서는 Pandas 인덱싱 기술에 대해 자세히 살펴봅니다. 다중 인덱스 구조를 만들고, 조작하고, 활용하여 계층적 데이터의 잠재력을 최대한 활용하는 방법을 알아봅니다.

8장, 'Pandas를 사용한 시각화'에서는 데이터 시각화를 위한 판다의 기능을 소개합니다. 데이터의 멋진 시각적 표현을 만들기 위해 라이브러리와 Matplotlib 및 Seaborn의 통합을 살펴봅니다.

9장, '성능 최적화'에서는 대규모 데이터 세트에 맞게 Pandas 코드를 최적화하는 방법을 안내합니다. 데이터 처리 속도와 메모리 효율성을 향상시켜 분석의 신속성과 확장성을 유지하는 기술을 알아보세요.

10장, 'Pandas와 머신 러닝'에서는 Pandas가 Scikit-Learn과 같은 인기 있는 머신 러닝 라이브러리와 원활하게 통합되는 방법을 보여 줍니다. 모델링과 평가를 위해 데이터를 준비하는 방법을 배우게 됩니다.

이 책은 숙련된 데이터 분석가 또는 과학자가 되기 위한 여정의 동반자입니다. 데이터 전문가를 꿈꾸는 사람, 연구자, 노련한 데이터 애호가 모두에게 이 책은 데이터를 효과적으로 다루고, 분석하고, 시각화하는 데 필요한 지식과 실무 기술을 갖추게 해줍니다. 판다에 대한 이 탐험에 동참하여 데이터 분석 역량을 새로운 차원으로 끌어올리세요.

목차

1장 : Pandas 소개
___1. Pandas란?
___2. 왜 Pandas를 사용하나요?
2장 : Pandas 설치 및 설정하기
___1. 설치하기
___2. Pandas 가져오기
___3. 버전 확인
3장 : Pandas 데이터 구조
___1. 시리즈
___2. 데이터 프레임
___3. 인덱스
4장 : 기본 연산
___1. 데이터 구조 만들기
___2. 데이터 액세스
___3. 데이터 선택
___4. 데이터 업데이트
___5. 데이터 삭제
5장 : 데이터 가져오기 및 내보내기
___1. CSV 파일 읽기
___2. CSV 파일 쓰기
___3. Excel 파일 읽기
___4. Excel 파일 쓰기
6장 : 데이터 정리 및 처리
___1. 누락된 데이터 처리
___2. 열 이름 바꾸기
___3. 데이터 정렬
___4. 데이터 병합
___5. 데이터 그룹화
___6. 함수 적용
7장 : 고급 인덱싱
___1. 다중 인덱스 데이터프레임
___2. 시계열 데이터로 인덱싱하기
8장 : Pandas를 사용한 시각화
___1. 막대형 차트
___2. 라인 플롯
___3. 스캐터 플롯
___4. 파이 플롯
___5. 히스토그램
9장 : 성능 최적화
___1. 효율적인 데이터 선택
___2. 대규모 데이터 집합에 Dask 사용
___3. 카테고리 데이터 타입
___4. NumPy 함수 사용
10장 : Pandas와 머신 러닝
___1. 데이터 전처리
___2. 피처 엔지니어링
___3. 모델 선택

작가정보

저자(글) 온개발팀

세상에 필요한 솔루션을 개발하기 위해 다양한 프로그래밍을 활용하고 있습니다.