참고 실습 2: CSV를 DataFrame으로 읽고 고르기

앞 주차의 함수·이미지 객체에서 표 객체로

6주차에서는 함수에 값을 전달하고 return으로 받은 결과에 이름을 붙였습니다. 7주차에서는 파일을 열어 이미지 객체를 얻고, 그 객체를 변형한 뒤 저장했습니다. 이번 주에도 입력 파일을 읽어 작업할 객체를 얻는 순서는 같습니다. 이미지의 픽셀 대신 행과 열을 다룬다는 점이 달라집니다.

파일은 실행을 마쳐도 보관할 수 있는 저장물입니다. DataFrame은 실행 중인 Python이 연산할 수 있도록 만든 표 객체입니다. 파일을 열었다고 곧바로 원본 파일이 편집되는 것이 아니며, 표를 선택한 결과도 저장을 호출하기 전까지 새 CSV가 되지 않습니다. 이 차이는 3교시에서 다시 중요해집니다.

기억할 점 새 문법을 볼 때 이전에 배운 입력·함수 호출·반환값·변수의 역할부터 찾아봅니다.

표를 고르기 전에 질문을 실행 순서로 바꾸기

공통 질문은 “마포구에 있는 도서관은 어디인가?”입니다. 이를 실행 순서로 풀면 먼저 필요한 항목을 남기고, 자치구가 마포구인지 비교하고, 남은 기록의 주제분류가 도서관인지 비교합니다. 한 번에 최종 결과만 만들지 않고 중간 표를 보관하면 각 조건이 무엇을 줄였는지 알 수 있습니다.

places, mapo_places, mapo_libraries는 라이브러리가 정한 특별한 단어가 아니라 결과의 역할을 설명하려고 붙인 변수명입니다. 이름을 읽으며 “전체 시설 표”, “마포구 시설 표”, “마포구 도서관 표”로 말해 보면 어느 결과가 다음 입력인지 따라가기 쉽습니다.

함수 호출이 표를 돌려주는 과정

6주차에는 함수에 입력을 주고 반환값을 변수로 받았습니다. 이번에도 같은 구조입니다. 입력이 이미지의 크기나 색 대신 파일의 위치와 문자 규칙이고, 반환값이 이미지 대신 DataFrame이라는 점이 달라집니다.

기억할 점 파일 경로 → read_csv → DataFrame → df라는 연결을 한 문장으로 설명합니다.

read_csv의 출력과 head의 출력을 구분하기

셀 2의 첫 줄은 파일 전체를 읽어 df에 담습니다. 그다음 줄은 df에서 앞부분을 얻어 화면에 표시합니다. 화면에 5행이 보이는 것은 read_csv가 파일의 첫 5행만 읽었다는 뜻이 아닙니다. 전체 데이터를 메모리에 준비한 다음 확인하기 쉬운 일부를 보여 준 것입니다.

큰 표를 통째로 출력하면 화면이 길어지거나 일부 행·열이 생략되어 보입니다. head는 처음 읽을 때 열 구조와 대표적인 값이 맞는지 빠르게 확인하기 위한 미리보기입니다. 첫 다섯 시설만으로 전체 종류나 지역 분포를 판단하지 않고, 전체 크기와 열 이름은 다음 셀에서 별도로 확인합니다.

기억할 점 “화면에 보이는 표”와 “변수에 담긴 전체 표”를 구분해야 선택 결과를 오해하지 않습니다.

첫 출력에서 볼 네 가지 증거

출력의 맨 위에서 문화시설명·자치구 같은 예상한 열 이름이 보이는지 확인합니다. 다음으로 한글 시설명이 정상인지, 값이 맞는 열 아래에 들어 있는지, 왼쪽의 행 라벨과 데이터 열이 구분되는지 봅니다. 이 확인은 원본 전체의 정확성을 보증하지 않지만 잘못된 파일이나 읽기 설정을 초기에 찾는 데 도움이 됩니다.

보관본에서는 DDP(동대문디자인플라자), 우란2경, 구립은평뉴타운도서관이 앞부분에 있습니다. 자신의 최신 파일에서 순서가 다를 수는 있습니다. 이 경우 특정 시설명이 첫 줄에 없다는 이유만으로 실패로 판단하지 말고 자료명과 열 구조, 사용한 파일 버전을 먼저 확인합니다.

기억할 점 읽기 성공의 증거는 표가 나타났다는 사실에 더해, 기대한 구조와 값이 제자리에 있다는 점입니다.

속성과 메서드를 읽는 기준

점 뒤에 붙은 표현이 모두 같은 방식으로 실행되지는 않습니다. 표가 가진 정보를 읽는 속성과 특정 작업을 호출하는 메서드를 구분하면 괄호 오류를 줄일 수 있습니다. 이전 이미지 수업의 image.size와 image.resize(...)를 떠올려 봅니다.

기억할 점 괄호가 없는 shape와 호출 괄호가 있는 head()를 구분합니다. 암기보다 각각 무엇을 하는지 먼저 말해 봅니다.

shape를 읽을 때 헤더와 인덱스를 세지 않는다

shape는 데이터 표의 (행 수, 열 수)입니다. 화면에는 헤더 줄과 맨 왼쪽 행 라벨이 함께 보이지만 이들은 데이터 값의 두 축을 설명하는 표시입니다. 보관본의 (1096, 26)에 헤더를 더해 1,097행이라고 쓰거나 인덱스를 더해 27열이라고 쓰지 않습니다.

반면 원본의 번호는 실제 데이터 열입니다. 현재 첫 기록에서는 인덱스 0 옆에 번호 1이 보이지만, 이 관계를 모든 행에 적용하면 안 됩니다. 두 번째 조건까지 적용한 뒤에는 원본에서 남은 행 라벨과 번호 값이 서로 다르게 나타납니다. 인덱스는 표의 라벨이고 번호는 원본이 제공한 항목이라고 구분합니다.

기억할 점 shape는 구조의 빠른 확인 수단입니다. 값의 의미와 정확성은 별도로 확인합니다.

열 이름은 사람이 이해하는 제목이면서 코드의 정확한 키다

우리는 “시설 이름”과 “문화시설명”을 비슷한 뜻으로 이해하지만, 코드는 실제 존재하는 열 이름으로 선택합니다. 문화시설명이라고 저장된 열을 시설명으로 요청하면 자동으로 동의어를 추측해 주지 않습니다. columns 출력에서 정확한 표기를 찾는 습관이 필요합니다.

공백도 문자열의 일부입니다. 주제분류와 주제 분류, 자치구와 자치구 뒤에 공백이 붙은 문자열은 다릅니다. 눈으로 비슷해 보이는 이름을 임의로 고치기 전에 원본 열 목록을 확인합니다. 공통 예제에서는 제공된 표기 그대로 사용하고, 다른 자료로 옮길 때만 그 자료의 이름에 맞춥니다.

df.shape              # 속성: 표의 크기를 읽음
df.head()             # 메서드: 앞부분을 가져오는 동작을 호출
df.columns.tolist()  # 열 이름 목록을 리스트로 변환

기억할 점 shape에는 호출 괄호가 없고 head()에는 있습니다. 하는 일과 함께 읽으면 형태를 기억하기 쉽습니다.

대괄호 두 겹의 역할

열 두 개를 고를 때 대괄호가 두 겹으로 보여도 한 가지 동작을 두 번 반복하는 것은 아닙니다. 안쪽은 열 이름을 묶는 리스트이고 바깥쪽은 그 리스트를 기준으로 표를 선택하는 연산입니다.

기억할 점 열을 고르는 기준은 값이 아니라 열 이름입니다. 열의 개수와 행의 개수를 함께 확인합니다.

긴 선택 목록에 이름 붙이기

8개 열을 대괄호 안에 매번 직접 나열해도 같은 선택을 할 수 있습니다. 리스트를 변수에 담으면 열의 목적을 설명하기 쉽고, 목록을 한 곳에서 확인할 수 있습니다. keep_columns는 pandas가 정한 이름이 아니라 수업에서 붙인 변수명입니다.

기억할 점 df는 원본을 읽은 전체 표, places는 후보 목록에 필요한 열을 모은 전체 표입니다.

한 열과 한 열짜리 표는 어떻게 다를까?

DataFrame은 행과 열의 두 축을 가진 표입니다. df["자치구"]처럼 한 이름을 주면 이번 데이터에서는 Series라는 한 축의 열 데이터를 얻습니다. df[["자치구"]]처럼 이름 리스트를 주면 한 열을 가진 DataFrame을 얻습니다. 값이 비슷하게 보여도 결과의 형태가 다릅니다.

이번에는 여러 항목을 함께 보관할 결과를 만들므로 열 이름 리스트를 사용합니다. 다음 조건 비교에서는 각 행의 자치구 값을 살펴야 하므로 한 열을 꺼냅니다. 문법을 무작정 외우기보다 “표를 만들려는가, 각 행의 한 값을 비교하려는가?”를 먼저 생각합니다.

기억할 점 대괄호의 개수만 세기보다 안쪽 값의 종류와 바깥쪽 연산의 역할을 읽습니다.

열 목록을 변수로 빼도 선택의 의미는 같다

셀 4는 두 이름의 리스트를 직접 썼고, 셀 5는 여덟 이름을 keep_columns에 담았습니다. df[keep_columns]를 실행할 때 Python은 변수에 담긴 리스트를 사용합니다. 반대로 df["keep_columns"]라고 쓰면 keep_columns라는 이름의 열 하나를 찾습니다. 변수와 문자열은 다른 뜻입니다.

keep_columns에 적은 순서가 결과의 열 순서가 됩니다. 번호를 먼저 두면 원본과 대조하기 쉽고, 문화시설명을 앞에 두면 후보를 읽기 쉽습니다. 이번 공통 과제는 비교와 검사에 사용할 8개 이름과 순서를 통일합니다. 최종 자료의 목적에 따라 출력 열을 설계할 수 있다는 점도 함께 기억합니다.

기억할 점 열을 줄였다고 일부 지역의 시설이 사라진 것은 아닙니다. places에는 여전히 모든 지역이 있습니다.

조건을 만드는 줄과 선택하는 줄

조건 비교만으로는 행이 사라지지 않습니다. 먼저 각 행의 해당 여부를 계산하고, 그 결과를 실제 선택에 사용합니다. is_mapo가 무엇을 담는지 보면 .loc가 어떤 기록을 남기는지 설명할 수 있습니다.

기억할 점 비교는 “남길지”를 정하고, .loc는 그 판단에 따라 행을 가져옵니다.

조건표는 작은 시설 목록이 아니다

places["자치구"] == "마포구"는 모든 행을 검사하여 같은 수의 True/False 값을 만듭니다. 마포구 행만 모은 표는 아직 아닙니다. 예를 들어 1,096행에 비교하면 조건표에도 각 행에 대응하는 1,096개의 판단이 있습니다. 그중 True인 판단을 .loc에 전달해야 실제 행 선택이 일어납니다.

이 조건표를 불리언 마스크라고도 부릅니다. 마스크는 남길 기록의 위치를 가리키는 기준이라고 이해하면 됩니다. 조건표 자체에는 문화시설명이나 주소가 없으므로 방문 목록으로 사용할 수 없습니다. 원래 표에서 True 행의 모든 데이터 열을 가져온 결과가 mapo_places입니다.

기억할 점 조건 계산의 길이와 선택된 결과의 행 수는 다른 값입니다.

=는 이름 붙이기, ==는 같다고 묻기

is_mapo = places["자치구"] == "마포구"에는 두 종류의 등호가 있습니다. 오른쪽의 ==는 각 값이 마포구와 같은지를 계산합니다. 왼쪽의 =는 계산된 조건표에 is_mapo라는 이름을 붙입니다. 읽을 때는 오른쪽에서 무엇을 계산하는지 먼저 보고, 왼쪽에 어떤 이름으로 보관하는지 확인합니다.

조건 문자열은 전체가 같아야 합니다. 마포와 마포구는 다르며, 마포구 뒤에 공백이 붙어도 다릅니다. 부분 문자열을 찾는 별도의 방법도 있지만 이번 조건은 정확히 같은 자치구 값을 고르는 비교입니다. 결과가 0행이면 오류 문구가 없더라도 조건이 의도와 맞는지 다시 확인합니다.

places["자치구"]  →  각 행의 지역 값
== "마포구"        →  행마다 True 또는 False
is_mapo = ...       →  그 판단에 이름 붙이기
places.loc[is_mapo] →  True인 행의 데이터 가져오기

기억할 점 비교하는 줄과 선택하는 줄을 따로 설명할 수 있으면 조건을 바꾸어도 흐름을 따라갈 수 있습니다.

선택 후 인덱스가 띄엄띄엄이어도 정상이다

행 선택은 기존 표에서 일부 기록을 가져오는 일입니다. 선택 전 라벨을 유지하므로 결과의 왼쪽 숫자가 0, 1, 2로 연속하지 않을 수 있습니다. 이를 행 누락 오류라고 단정하지 않습니다. 조건을 만족하지 않는 행을 제외했기 때문에 생기는 자연스러운 결과입니다.

인덱스가 7인 기록을 “선택 결과의 여덟 번째 시설”이라고 읽으면 안 됩니다. 7은 현재 보이는 표에서의 순서가 아니라 유지된 행 라벨입니다. 표의 위치와 라벨은 다른 개념입니다. 이번 실습에서는 직접 번호로 행을 집기보다 조건표로 선택하므로 원래 라벨을 그대로 두어도 됩니다.

기억할 점 출력에서 행 라벨, 번호 열, 화면에 보이는 순서를 각각 구분합니다.

이전 결과에 조건을 한 번 더 적용

두 번째 조건의 출발점이 중요합니다. mapo_places는 이미 마포구만 남은 표이므로 여기서 도서관을 고르면 두 조건을 모두 만족합니다. 두 번째 줄의 문법은 앞 셀과 같고, 사용하는 표와 비교할 열만 달라집니다.

기억할 점 어떤 조건인가와 함께, 어느 표에서 그 조건을 적용하는지도 확인합니다.

두 조건의 교집합을 순서대로 만드는 방법

셀 6은 모든 시설에서 마포구를 골랐고 셀 7은 그 결과에서 도서관을 골랐습니다. 따라서 최종 기록은 두 질문에 모두 True인 시설입니다. 마포구이거나 도서관이면 된다는 뜻과는 다릅니다. 두 조건 중 하나만 만족하는 다른 지역의 도서관이나 마포구 공연장은 최종 표에 남지 않습니다.

핵심은 두 번째 조건의 출발 표입니다. places에서 도서관을 고르면 서울의 여러 지역이 다시 포함됩니다. mapo_places에서 도서관을 고르면 이미 적용한 지역 조건이 유지됩니다. 결과가 이상할 때는 조건 문자열만 보지 말고 비교의 대상과 .loc 앞에 적힌 표 이름을 함께 확인합니다.

기억할 점 “어떤 조건인가?”와 “어느 표에서 시작하는가?”를 한 쌍으로 읽습니다.

분류값과 시설 이름을 구분해 결과 읽기

도서관 조건은 시설 이름에 도서관이라는 글자가 있는지를 찾지 않습니다. 주제분류 열의 값이 도서관인지 비교합니다. 실제 결과에는 서울특별시교육청 마포평생학습관처럼 시설명만 보고는 바로 예상하지 못할 수 있는 이름도 들어 있습니다. 결과가 틀렸다고 판단하기 전에 어떤 열을 비교했는지 확인합니다.

이 표는 해당 원본의 분류를 그대로 사용합니다. 기관의 실제 기능을 새로 판정하거나 이름을 근거로 재분류하지 않았습니다. 분류가 자신의 프로젝트 목적과 맞는지 검토하는 것은 별도의 판단 단계입니다. 이번 공통 실습에서는 조건과 원본 값의 일치부터 확인합니다.

기억할 점 결과의 낯선 이름도 조건에 맞을 수 있습니다. 이름의 인상보다 선택에 사용한 열을 근거로 판단합니다.

변수마다 어떤 상태가 남아 있는지 추적하기

셀 7까지 실행했다고 이전 표들이 자동으로 사라지는 것은 아닙니다. df는 전체 원본, preview는 두 열 표, places는 여덟 열 표, mapo_places는 지역 선택 결과, mapo_libraries는 두 조건 결과를 가리킵니다. 서로 다른 이름에 결과를 보관했기 때문에 단계별로 비교할 수 있습니다.

앞 셀을 다시 실행하면 그 셀이 만든 변수는 새 결과로 바뀝니다. 그러나 이미 계산해 둔 뒤쪽 변수까지 자동으로 갱신되지는 않습니다. 예를 들어 셀 6을 바꾼 뒤 셀 7을 실행하지 않으면 화면의 mapo_libraries는 이전 계산일 수 있습니다. 입력을 고친 지점부터 이어지는 셀을 다시 실행해야 합니다.

기억할 점 노트북은 위에서 아래로 읽고, 수정한 입력부터 필요한 결과까지 다시 실행합니다.

오류 메시지를 수정 위치로 연결하는 연습

오류가 나면 마지막 출력의 색만 보고 코드를 여러 곳 바꾸기 쉽습니다. 먼저 오류 이름, 실패한 줄, 그 줄이 사용한 변수를 읽습니다. 그다음 필요한 입력이 준비되었는지 거슬러 확인합니다. 한 원인을 고친 뒤 다시 실행해야 어떤 수정이 효과가 있었는지 알 수 있습니다.

기억할 점 실행 오류, 정상적인 빈 결과, 오래된 출력은 서로 다른 상황입니다.

같은 두 조건을 한 번에 쓰는 표현은 다음 단계의 참고

이번 필수 실습은 중간 결과를 보면서 두 번 선택하는 방식입니다. 익숙해진 뒤에는 동일한 출발 표에서 만든 두 조건을 &로 연결할 수도 있습니다. 각 비교를 괄호로 감싸고 같은 표의 행에 대응하도록 만든다는 점이 중요합니다. 지금은 셀 6·7을 이 표현으로 교체할 필요가 없습니다.

places.loc[
    (places["자치구"] == "마포구")
    & (places["주제분류"] == "도서관")
]

기억할 점 짧게 쓰는 것보다 조건이 적용되는 범위를 설명할 수 있는 것이 먼저입니다.