Mojangcam

카테고리: 파이썬 (Python)

파이썬 pandas(판다스) 입문 - 표 데이터 다루기! 설치부터 엑셀 저장까지 🐼

글쓴이 Mojangcam발행일 읽는 데 8분
목차10개 항목

안녕하세요! Mojangcam입니다 😎

엑셀에서 마우스로 한 줄 한 줄 필터 걸고, 함수 넣고, 복사·붙여넣기 하다가 "이걸 코드로 한 방에 못 하나?" 싶었던 적 있으시죠? 오늘은 파이썬 데이터 분석의 사실상 표준 라이브러리인 pandas(판다스) 입문편이에요. 표(테이블) 데이터를 만들고 → 원하는 행만 골라내고 → 메뉴별 매출을 요약하고 → 엑셀 파일로 저장하는 것까지, 카페 판매 데이터 예제 하나로 쭉 따라가 볼게요!

앞으로 나올 pandas 실전(엑셀 데이터 분석) 편의 기초가 되는 글이니, 오늘 개념만 잡아두면 다음 편이 훨씬 편해져요.

🧠 pandas가 뭐예요?

pandas는 표 형태의 데이터를 다루는 파이썬 라이브러리예요. 엑셀 시트처럼 행과 열로 이루어진 데이터를 코드로 자유자재로 다룰 수 있게 해줘요.

핵심 개념은 딱 두 개예요.

  • Series(시리즈) : 한 개의 열(column). 예를 들어 "가격" 열 하나가 Series예요.
  • DataFrame(데이터프레임) : Series가 여러 개 모인 표 전체. 엑셀 시트 하나라고 생각하면 돼요.

참고로 pandas는 2026년 1월에 3.0이 정식 출시됐어요 (이 글 기준 최신은 3.0.3, 2026-05-11 릴리스). 성능이 좋아지고 문자열 처리 방식이 개선된 큰 업데이트인데, 입문 단계에서 쓰는 문법은 그대로라 걱정 안 하셔도 돼요. 달라진 점 중 알아두면 좋은 건 글 아래 💡 팁에서 짚어드릴게요.

📌 준비물

  • Python 3.11 이상 — pandas 3.0은 파이썬 3.11+에서만 설치돼요. 버전이 낮으면 pandas 2.x가 설치되니 확인해 주세요.
  • pandas 3.x — 설치 명령어는 아래에!
  • openpyxl — 엑셀(.xlsx) 파일을 읽고 쓸 때 pandas가 내부적으로 사용하는 라이브러리예요.
터미널
pip install pandas openpyxl

설치가 잘 됐는지 확인해 볼게요.

Python
import pandas as pd
print(pd.__version__)  # 3.0.3 같은 버전이 출력되면 성공!

가상환경(venv)을 쓰고 계시다면 활성화한 상태에서 설치해 주세요. 가상환경이 처음이라면 파이썬 가상환경(venv) 완벽 정리 글을 먼저 보고 오시면 돼요.

📌 1단계 - DataFrame 만들고 데이터 살펴보기

먼저 파이썬 딕셔너리로 작은 카페 판매 데이터를 만들어 볼게요.

Python
# pandas 3.x / Python 3.11+
import pandas as pd

data = {
    "날짜": ["2026-08-01", "2026-08-01", "2026-08-02", "2026-08-02", "2026-08-02"],
    "메뉴": ["아메리카노", "라떼", "아메리카노", "케이크", "라떼"],
    "가격": [4500, 5000, 4500, 6500, 5000],
    "수량": [3, 2, 5, 1, 4],
}

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

하나씩 뜯어볼게요 💡

  • pd.DataFrame(data) : 딕셔너리를 표로 변환해요. 키가 열 이름, 값 리스트가 각 열의 데이터가 돼요.
  • df.head() : 표의 앞 5행을 보여줘요. 데이터가 잘 들어갔는지 확인할 때 제일 많이 써요. df.head(3)처럼 개수 지정도 가능해요.
  • df.shape : (행 수, 열 수)를 알려줘요. 여기선 (5, 4)가 나와요.
  • df.info() : 열별 타입과 결측치 개수를 요약해 줘요. 데이터를 처음 받으면 head → shape → info 순서로 훑어보는 게 국룰이에요.

실제로는 이미 있는 파일을 불러오는 경우가 더 많죠? 그럴 땐 한 줄이면 돼요.

Python
df = pd.read_csv("sales.csv")          # CSV 파일 읽기
df = pd.read_excel("sales.xlsx")       # 엑셀 파일 읽기 (openpyxl 필요)

📌 2단계 - 원하는 데이터만 골라내기

엑셀의 필터 기능을 코드로 하는 단계예요. 여기가 pandas의 진짜 매력 포인트!

Python
# 열 하나 선택 (Series)
print(df["메뉴"])

# 조건 필터: 아메리카노 판매 기록만
americano = df[df["메뉴"] == "아메리카노"]
print(americano)

# 조건 두 개: 8/2에 팔린 5,000원 이상 메뉴
result = df[(df["날짜"] == "2026-08-02") & (df["가격"] >= 5000)]
print(result)

# 새 열 추가: 매출 = 가격 × 수량
df["매출"] = df["가격"] * df["수량"]

하나씩 뜯어볼게요 💡

  • df["메뉴"] : 대괄호에 열 이름을 넣으면 그 열만 뽑아요.
  • df[조건] : 조건이 True인 행만 남겨요. 엑셀 필터와 똑같은 개념이에요.
  • & / | : 조건을 여러 개 이을 때 써요 (그리고/또는). 이때 각 조건을 괄호로 꼭 감싸야 해요. 안 감싸면 에러가 나요!
  • df["매출"] = ... : 없는 열 이름에 값을 넣으면 새 열이 생겨요. 열끼리의 곱셈이 행마다 자동으로 계산되는 게 포인트예요.

📌 3단계 - 정렬·요약하고 엑셀로 저장하기

이제 "메뉴별 매출 합계"를 구해볼게요. 엑셀이었다면 피벗 테이블 만들 일이죠?

Python
# 매출 높은 순으로 정렬
print(df.sort_values("매출", ascending=False))

# 메뉴별 매출 합계 (피벗 테이블 느낌!)
by_menu = df.groupby("메뉴")["매출"].sum().sort_values(ascending=False)
print(by_menu)

# 총매출
print("총매출:", df["매출"].sum())

# 결과를 엑셀로 저장
df.to_excel("sales_result.xlsx", index=False)

하나씩 뜯어볼게요 💡

  • sort_values("매출", ascending=False) : 매출 열 기준 내림차순 정렬. ascending=True(기본값)면 오름차순이에요.
  • groupby("메뉴")["매출"].sum() : "메뉴로 묶어서 → 매출 열을 → 합쳐줘"라고 읽으면 돼요. sum() 대신 mean()(평균), count()(개수), max()(최댓값)도 쓸 수 있어요.
  • to_excel("파일명", index=False) : 엑셀 파일로 저장해요. index=False를 안 넣으면 0, 1, 2... 행 번호까지 A열에 저장되니 웬만하면 넣어주세요. CSV로 저장하려면 to_csv("파일명.csv", index=False)!

📌 전체 코드 (복붙 OK)

Python
# pandas 3.x / Python 3.11+
import pandas as pd

# 1. 데이터 만들기 (실무에선 pd.read_csv / pd.read_excel로 파일을 읽어요)
data = {
    "날짜": ["2026-08-01", "2026-08-01", "2026-08-02", "2026-08-02", "2026-08-02"],
    "메뉴": ["아메리카노", "라떼", "아메리카노", "케이크", "라떼"],
    "가격": [4500, 5000, 4500, 6500, 5000],
    "수량": [3, 2, 5, 1, 4],
}
df = pd.DataFrame(data)

# 2. 매출 열 추가
df["매출"] = df["가격"] * df["수량"]
print("=== 전체 데이터 ===")
print(df)

# 3. 조건 필터: 아메리카노만
print("\n=== 아메리카노 판매 기록 ===")
print(df[df["메뉴"] == "아메리카노"])

# 4. 메뉴별 매출 합계 (내림차순)
print("\n=== 메뉴별 매출 TOP ===")
by_menu = df.groupby("메뉴")["매출"].sum().sort_values(ascending=False)
print(by_menu)

# 5. 총매출
print("\n총매출:", df["매출"].sum(), "원")

# 6. 엑셀로 저장 (openpyxl 필요)
df.to_excel("sales_result.xlsx", index=False)
print("sales_result.xlsx 저장 완료!")

📌 실행 결과

텍스트
=== 메뉴별 매출 TOP ===
메뉴
아메리카노    36000
라떼       30000
케이크       6500
Name: 매출, dtype: int64

총매출: 72500 원
sales_result.xlsx 저장 완료!

아메리카노가 36,000원으로 1위네요! 실행한 폴더를 열어보면 sales_result.xlsx 파일이 생겨 있고, 엑셀로 열면 매출 열까지 포함된 표가 그대로 저장돼 있어요.

📌 자주 나는 에러

  1. ModuleNotFoundError: No module named 'pandas'
    • 원인 : pandas가 설치 안 됐거나, 설치한 곳과 다른 파이썬(가상환경)에서 실행 중이에요.
    • 해결 : pip install pandas 다시 실행. VS Code라면 우측 하단 인터프리터가 설치한 가상환경인지 확인하세요.
  2. ImportError: Missing optional dependency 'openpyxl'
    • 원인 : read_excel()·to_excel()은 openpyxl이 따로 필요해요.
    • 해결 : pip install openpyxl 한 줄이면 끝!
  3. KeyError: '메뉴'
    • 원인 : 없는 열 이름을 참조했어요. 열 이름의 오타나 앞뒤 공백(엑셀에서 읽어온 경우 자주 있어요)이 범인이에요.
    • 해결 : print(df.columns)로 실제 열 이름을 확인하고, 공백은 df.columns = df.columns.str.strip()으로 정리하세요.

💡 pandas 3.0에서 달라진 점 (알아두면 좋아요)

  • 문자열 전용 dtype : 예전엔 문자열 열이 object로 표시됐는데, 3.0부터는 str로 깔끔하게 표시돼요. 다른 블로그의 옛날 글과 출력이 조금 달라도 놀라지 마세요!
  • Copy-on-Write 기본 적용 : df[df["가격"] > 5000]["수량"] = 0처럼 두 번 연달아 대괄호로 값을 바꾸는 코드(연쇄 대입)는 이제 원본에 반영되지 않아요. 값을 바꿀 땐 df.loc[df["가격"] > 5000, "수량"] = 0처럼 loc를 쓰는 습관을 들이면 돼요.

📌 마무리

오늘은 pandas의 핵심인 DataFrame을 만들고, 필터링(df[조건]) → 새 열 추가 → groupby 요약 → 엑셀 저장까지 표 데이터 다루기의 기본기를 쭉 훑어봤어요. 이 흐름 하나면 웬만한 엑셀 반복 작업은 코드 몇 줄로 끝낼 수 있어요!

다음 pandas 편에서는 오늘 배운 기초로 실제 엑셀 파일을 불러와서 분석하는 실전편으로 돌아올게요. 결측치 처리, 피벗 테이블, 여러 시트 다루기까지! 기대해주세요 🙌

엑셀 자동화가 급하신 분은 기존에 올린 파이썬 업무 자동화 #1 - 엑셀 자동화 입문 (openpyxl) 글과 파이썬 엑셀 라이브러리 openpyxl 완전정복 글도 함께 보시면 좋아요.

글쓴이

Mojangcam

직접 코드를 짜고, 서버를 돌리고, 막힌 에러를 해결하며 배운 것들을 기록하는 개발·IT 실전 기록 블로그

소개RSS 구독문의