표로 된 데이터 다루기

이번 시간에는 표로 된 데이터를 직접 다뤄 보겠습니다. 쓸 파일은 3-1-4.도서관-대출기록.csv이고, 이 강의노트 옆 code/ 폴더에 함께 들어 있습니다.

어떻게 생겼나

쉼표로 칸을 나눈 파일입니다. 확장자가 .csv인 파일이 이런 꼴입니다. 첫 줄이 칸의 이름이고, 둘째 줄부터가 값입니다.

눈에 띄는 점이 있습니다. 이름이나 학번이 없습니다. 학년별로 세는 것이 목적이라 누구인지는 필요 없기 때문입니다. 분석에 필요 없는 이름과 학번은 받자마자 지운다는 원칙을 그대로 지킨 모습입니다.

파일을 읽는 데는 판다스(pandas)라는 도구를 씁니다. 표로 된 데이터를 다루기 위해 만들어진 것으로, 한 줄로 읽어 들이고 묶어 세는 일까지 해 줍니다.

표 = pd.read_csv(FILE)

print("줄 수:", len(표))
print("칸 이름:", list(표.columns))
print(표.head())

실행해 보면 39줄이라고 나오고, 앞의 다섯 줄이 화면에 뜹니다. 그리고 벌써 한 가지가 눈에 띕니다.

빠진 값 · 튄 값 · 겹친 줄을 실제로 걸러 내겠습니다. 이때 한 가지를 걸러 낼 때마다 줄 수를 찍어 봅니다.

print("처음:", len(표))

표 = 표.dropna(subset=["학년"])            # 학년이 빈 줄을 뺀다
print("빈칸 뺀 뒤:", len(표))

표 = 표[표["권수"] <= 20]                   # 하루에 20권을 넘을 수는 없다고 보았다
print("튄 값 뺀 뒤:", len(표))

표 = 표.drop_duplicates()                   # 똑같은 줄이 두 번 들어간 것을 하나로
print("겹친 줄 뺀 뒤:", len(표))

표["학년"] = 표["학년"].astype(int)         # 빈칸을 뺐으니 이제 정수로 다룰 수 있다

실행해 보면 이렇게 나옵니다.

「20을 넘으면 뺀다」는 우리가 정한 것이다

코드에 표["권수"] <= 20이라고 적었습니다. 이 20이라는 숫자는 어디서 왔을까요? 데이터가 알려 준 것이 아니라 우리가 정한 것입니다. 「하루에 한 사람이 20권을 넘게 빌리지는 않을 것」이라는 판단입니다.

이런 판단은 틀릴 수 있습니다. 학급문고를 통째로 빌려 간 날이 정말 있었다면, 우리는 진짜 있었던 일을 지운 셈입니다. 그래서 지우기 전에 확인하고, 확인할 수 없으면 정한 기준을 밝혀 둡니다.

똑같이 겹친 줄을 하나로 합친 것도 마찬가지입니다. 이 파일에는 번호 칸이 없어, 같은 날 같은 학년 두 사람이 같은 분야의 책을 같은 권수만큼 빌린 것인지 확인할 수 없습니다. 합친 것도 우리가 정한 기준입니다.

이제 물음에 답할 차례입니다. 첫 물음은 「학년에 따라 다른가」였습니다. 그러려면 학년이 같은 줄끼리 묶어 세면 됩니다.

학년별 = 표.groupby("학년")["권수"].agg(["count", "mean", "max"]).round(2)
print(학년별)

groupby("학년")이 학년이 같은 줄끼리 모으고, agg가 그 묶음마다 개수 · 평균 · 가장 큰 값을 구합니다. 결과는 이렇습니다.

건수 칸을 먼저 보세요. 셋 다 12건으로 같습니다. 만약 한 학년만 3건이었다면 그 학년의 평균은 믿기 어렵습니다. 평균을 보기 전에 건수를 보는 버릇이 여기서 쓰입니다.

결과를 읽으면 3학년이 눈에 띄게 적습니다. 1 · 2학년은 한 번에 3권 가까이 빌렸는데 3학년은 2권이 안 됩니다. 그런데 여기서 멈춰야 합니다 — 왜 그런지는 이 표가 말해 주지 않습니다.

달별로도 묶어 본다

표["달"] = 표["날짜"].str[5:7]
달별 = 표.groupby("달")["권수"].sum()
print(달별)

날짜는 2026-03-01처럼 적혀 있으므로, 달을 나타내는 여섯째 · 일곱째 글자(인덱스 5와 6)만 잘라 달로 삼았습니다. str[5:7]이 그 일을 합니다.