장점

• 복잡한 데이터를 간단하게 조작할 수 있는 고수준의 API를 제공한다.
• CSV, Excel, SQL 등 다양한 데이터 소스를 지원하여, 불러오거나 저장할 수 있다.
• 기본적인 통계 연산부터 복잡한 데이터 집계 및 그룹화까지 강력한 분석 도구들을 제공한다.
• matplotlib 및 seaborn과 같은 시각화 라이브러리와 쉽게 연동 가능하다.

$ pip install pandas

데이터 구조

Series

• pandas의 Series 객체는 1차원 배열과 유사한 구조로, 다양한 데이터 타입을 가질 수 있다.
• 각 데이터는 고유한 인덱스를 가지며, 이를 통해 데이터에 쉽게 접근할 수 있다.
• Series는 리스트, 딕셔너리, 넘파이 배열 등 다양한 데이터 구조로부터 생성할 수 있다.
• Series는 데이터 분석 및 조작에 매우 유용한 도구로, pandas 라이브러리의 핵심 구성 요소 중 하나다.

### Series 생성 ###

stocks = ["NVDA", "MSFT", "AAPL", "GOOG", "TSLA"]

stock_series = pd.Series(stocks)
print(stock_series, type(stock_series), stock_series.shape)

stock_series.name  = "미국 주식"
print(stock_series)

0    NVDA
1    MSFT
2    AAPL
3    GOOG
4    TSLA
dtype: object <class 'pandas.core.series.Series'> (5,)
0    NVDA
1    MSFT
2    AAPL
3    GOOG
4    TSLA
Name: 미국 주식 , dtype: object

pandas의 Series에서 데이터 타입이 "오브젝트(object)"로 나오는 이유는, 리스트 stocks의 각 요소가 문자열이기 때문입니다.

파이썬에서 문자열(str)은 pandas에서 기본적으로 "object" 타입으로 저장됩니다. 즉, Series를 생성할 때 stocks 리스트의 ["NVDA", "MSFT", ...]는 모두 문자열이므로, Series 전체의 dtype이 object가 됩니다.

"object"는 pandas에서 문자열, 혼합형, 또는 파이썬의 일반 객체를 담을 때 사용하는 데이터 타입입니다. 만약 숫자만 들어가면 int64, float64 등으로 자동 변환됩니다.

정리:

• stocks 리스트의 값이 문자열 → Series의 dtype이 object