KO | EN

GitLite

Minimalist Open Source Repository Search Engine

gitlite — search

#dsh #dsh-plugin #ai-agent #developer-tools #codex #typescript #cli #deepseek-harness #claude-code #ai-agents #mcp #rust

pandas

★ 49,502 Open GitHub ↗

Python을 위한 유연하고 강력한 데이터 분석 및 조작 라이브러리로, R의 data.frame 객체와 유사한 레이블 기반 데이터 구조, 통계 함수 등을 제공합니다.

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

-----------------

# pandas: 강력한 Python 데이터 분석 툴킷

| | |
| --- | --- |
| Testing | [![CI - Test](https://github.com/pandas-dev/pandas/actions/workflows/unit-tests.yml/badge.svg)](https://github.com/pandas-dev/pandas/actions/workflows/unit-tests.yml) [![Coverage](https://codecov.io/github/pandas-dev/pandas/coverage.svg?branch=main)](https://codecov.io/gh/pandas-dev/pandas) |
| Package | [![PyPI Latest Release](https://img.shields.io/pypi/v/pandas.svg)](https://pypi.org/project/pandas/) [![PyPI Downloads](https://img.shields.io/pypi/dm/pandas.svg?label=PyPI%20downloads)](https://pypi.org/project/pandas/) [![Conda Latest Release](https://anaconda.org/conda-forge/pandas/badges/version.svg)](https://anaconda.org/conda-forge/pandas) [![Conda Downloads](https://img.shields.io/conda/dn/conda-forge/pandas.svg?label=Conda%20downloads)](https://anaconda.org/conda-forge/pandas) |
| Meta | [![Powered by NumFOCUS](https://img.shields.io/badge/powered%20by-NumFOCUS-orange.svg?style=flat&colorA=E1523D&colorB=007D8A)](https://numfocus.org) [![DOI](https://zenodo.org/badge/DOI/10.5281/zenodo.3509134.svg)](https://doi.org/10.5281/zenodo.3509134) [![License - BSD 3-Clause](https://img.shields.io/pypi/l/pandas.svg)](https://github.com/pandas-dev/pandas/blob/main/LICENSE) [![Slack](https://img.shields.io/badge/join_Slack-information-brightgreen.svg?logo=slack)](https://pandas.pydata.org/docs/dev/development/community.html?highlight=slack#community-slack) [![LFX Health Score](https://insights.linuxfoundation.org/api/badge/health-score?project=pandas-dev-pandas)](https://insights.linuxfoundation.org/project/pandas-dev-pandas) |

## 무엇인가요?

**pandas**는 '관계형' 또는 '레이블이 지정된' 데이터를 쉽고 직관적으로 다룰 수 있도록 설계된 빠르고 유연하며 표현력이 풍부한 데이터 구조를 제공하는 Python 패키지입니다. Python에서 실무적인 **실제(real-world)** 데이터 분석을 수행하기 위한 핵심적인 고수준 빌딩 블록이 되는 것을 목표로 합니다. 또한, **어떤 언어에서든 사용할 수 있는 가장 강력하고 유연한 오픈 소스 데이터 분석/조작 도구**가 되는 더 큰 목표를 가지고 있으며, 이미 그 목표를 향해 순조롭게 나아가고 있습니다.

## 목차

- [주요 기능](#main-features)
- [설치 방법](#where-to-get-it)
- [의존성](#dependencies)
- [소스에서 설치](#installation-from-sources)
- [라이선스](#license)
- [문서](#documentation)
- [배경](#background)
- [도움말](#getting-help)
- [토론 및 개발](#discussion-and-development)
- [pandas 기여하기](#contributing-to-pandas)

## 주요 기능
pandas가 제공하는 몇 가지 주요 기능은 다음과 같습니다:

- 부동 소수점 및 비부동 소수점 데이터 모두에서 [**결측 데이터(missing data)**][missing-data] (`NaN`, `NA`, `NaT`로 표시)의 간편한 처리
  - 크기 가변성: DataFrame 및 고차원 객체에서 컬럼을 [**삽입 및 삭제**][insertion-deletion] 가능
  - 자동 및 명시적 [**데이터 정렬(data alignment)**][alignment]: 객체를 레이블 세트에 명시적으로 정렬하거나, 사용자가 레이블을 무시하면 `Series`, `DataFrame` 등이 계산 시 자동으로 데이터를 정렬함
  - 데이터 세트의 집계 및 변환을 위한 split-apply-combine 작업을 수행하는 강력하고 유연한 [**group by**][groupby] 기능
  - 다른 Python 및 NumPy 데이터 구조의 불규칙하고 인덱스가 서로 다른 데이터를 DataFrame 객체로 [**쉽게 변환**][conversion]
  - 대규모 데이터 세트에 대한 지능적인 레이블 기반 [**슬라이싱(slicing)**][slicing], [**팬시 인덱싱(fancy indexing)**][fancy-indexing] 및 [**서브셋팅(subsetting)**][subsetting]
  - 직관적인 데이터 세트 [**병합(merging)**][merging] 및 [**조인(joining)**][joining]
  - 유연한 데이터 세트 [**재구조화(reshaping)**][reshape] 및 [**피보팅(pivoting)**][pivot-table]
  - 축의 [**계층적(Hierarchical)**][mi] 레이블링 (틱당 여러 개의 레이블 가능)
  - [**플랫 파일**][flat-files] (CSV 및 구분자 사용), [**Excel 파일**][excel], [**데이터베이스**][db]에서 데이터를 로드하고, 초고속 [**HDF5 형식**][hdfstore]으로 데이터를 저장/로드하는 강력한 I/O 도구
  - [**시계열(Time series)**][timeseries] 특화 기능: 날짜 범위 생성 및 빈도 변환, 이동 창 통계(moving window statistics), 날짜 시프팅 및 래깅(lagging)

[missing-data]: https://pandas.pydata.org/pandas-docs/stable/user_guide/missing_data.html
   [insertion-deletion]: https://pandas.pydata.org/pandas-docs/stable/user_guide/dsintro.html#column-selection-addition-deletion
   [alignment]: https://pandas.pydata.org/pandas-docs/stable/user_guide/dsintro.html?highlight=alignment#intro-to-data-structures
   [groupby]: https://pandas.pydata.org/pandas-docs/stable/user_guide/groupby.html#group-by-split-apply-combine
   [conversion]: https://pandas.pydata.org/pandas-docs/stable/user_guide/dsintro.html#dataframe
   [slicing]: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#slicing-ranges
   [fancy-indexing]: https://pandas.pydata.org/pandas-docs/stable/user_guide/advanced.html#advanced
   [subsetting]: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#boolean-indexing
   [merging]: https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html#database-style-dataframe-or-named-series-joining-merging
   [joining]: https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html#joining-on-index
   [reshape]: https://pandas.pydata.org/pandas-docs/stable/user_guide/reshaping.html
   [pivot-table]: https://pandas.pydata.org/pandas-docs/stable/user_guide/reshaping.html
   [mi]: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#hierarchical-indexing-multiindex
   [flat-files]: https://pandas.pydata.org/pandas-docs/stable/user_guide/io.html#csv-text-files
   [excel]: https://pandas.pydata.org/pandas-docs/stable/user_guide/io.html#excel-files
   [db]: https://pandas.pydata.org/pandas-docs/stable/user_guide/io.html#sql-queries
   [hdfstore]: https://pandas.pydata.org/pandas-docs/stable/user_guide/io.html#hdf5-pytables
   [timeseries]: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#time-series-date-functionality

## 설치 방법
소스 코드는 현재 GitHub의 다음 주소에서 호스팅되고 있습니다:
https://github.com/pandas-dev/pandas

최신 릴리스 버전의 바이너리 설치 파일은 [Python Package Index (PyPI)](https://pypi.org/project/pandas)와 [Conda](https://anaconda.org/conda-forge/pandas)에서 사용할 수 있습니다.

```sh
# conda
conda install -c conda-forge pandas
```

```sh
# or PyPI
pip install pandas
```

각 릴리스 간의 pandas 변경 사항 목록은 [여기](https://pandas.pydata.org/pandas-docs/stable/whatsnew/index.html)에서 확인할 수 있습니다. 자세한 내용은 https://github.com/pandas-dev/pandas의 커밋 로그를 참조하세요.

## 의존성
- [NumPy - 대규모 다차원 배열, 행렬 및 이러한 배열을 조작하기 위한 고수준 수학 함수 지원 추가](https://www.numpy.org)
- [python-dateutil - 표준 datetime 모듈에 강력한 확장 기능 제공](https://dateutil.readthedocs.io/en/stable/index.html)
- [tzdata - IANA 시간대 데이터베이스 제공](https://tzdata.python.org) (Windows/Emscripten에서만 필요)

필요한, 권장되는 및 선택적 의존성의 최소 지원 버전은 [전체 설치 지침](https://pandas.pydata.org/pandas-docs/stable/install.html#dependencies)을 참조하십시오.

## 소스에서 설치
소스에서 pandas를 설치하려면 위에 언급한 일반 의존성 외에 [Cython](https://cython.org/)이 필요합니다. Cython은 PyPI에서 설치할 수 있습니다:

```sh
pip install cython
```

`pandas` 디렉토리(git 저장소를 클론한 후 이 파일을 찾은 디렉토리)에서 다음을 실행하세요:

```sh
pip install .
```

또는 [개발 모드(development mode)](https://pip.pypa.io/en/latest/cli/pip_install/#install-editable)로 설치하려면:

```sh
python -m pip install -ve . --no-build-isolation --config-settings editable-verbose=true
```

[소스 설치](https://pandas.pydata.org/docs/dev/development/contributing_environment.html)에 대한 전체 지침을 참조하십시오.

## 라이선스
[BSD 3](LICENSE)

## 문서
공식 문서는 [PyData.org](https://pandas.pydata.org/pandas-docs/stable/)에서 호스팅됩니다.

## 배경
``pandas`` 작업은 2008년 [AQR](https://www.aqr.com/) (퀀트 헤지 펀드)에서 시작되었으며 이후 활발하게 개발되고 있습니다.

## 도움말

사용법에 대한 질문은 [Stack Overflow](https://stackoverflow.com/questions/tagged/pandas)를 방문하는 것이 가장 좋습니다. 또한, 일반적인 질문과 토론은 [pydata 메일링 리스트](https://groups.google.com/forum/?fromgroups#!forum/pydata)에서도 가능합니다.

## 토론 및 개발
대부분의 개발 토론은 GitHub 저장소의 [GitHub issue tracker](https://github.com/pandas-dev/pandas/issues)를 통해 이루어집니다.

또한, 전문적인 토론이나 설계 문제는 [pandas-dev 메일링 리스트](https://mail.python.org/mailman/listinfo/pandas-dev)를 사용할 수 있으며, 빠른 개발 관련 질문은 [Slack 채널](https://pandas.pydata.org/docs/dev/development/community.html?highlight=slack#community-slack)을 이용할 수 있습니다.

프로젝트 유지 관리자를 위한 [커뮤니티 미팅](https://pandas.pydata.org/docs/dev/development/community.html#community-meeting)이 자주 열리며, 새로운 기여자들을 돕기 위한 월간 [신규 기여자 미팅](https://pandas.pydata.org/docs/dev/development/community.html#new-contributor-meeting)도 진행됩니다.

커뮤니케이션 채널에 대한 추가 정보는 [기여자 커뮤니티](https://pandas.pydata.org/docs/development/community.html) 페이지에서 확인할 수 있습니다.

## pandas 기여하기

[![Open Source Helpers](https://www.codetriage.com/pandas-dev/pandas/badges/users.svg)](https://www.codetriage.com/pandas-dev/pandas)

모든 기여, 버그 보고, 버그 수정, 문서 개선, 기능 강화 및 아이디어를 환영합니다.

기여 방법에 대한 자세한 개요는 **[기여 가이드(contributing guide)](https://pandas.pydata.org/docs/dev/development/contributing.html)**에서 확인할 수 있습니다.

또한 버그 보고서를 재현하거나 버전 번호 또는 재현 방법과 같은 필수 정보를 요청하는 이슈 트리아지(triage) 작업에 참여할 수 있습니다. 이슈 트리아지를 시작하고 싶다면 [CodeTriage에서 pandas를 구독](https://www.codetriage.com/pandas-dev/pandas)하는 것이 쉬운 방법입니다.

또는 pandas를 사용하면서 자신만의 아이디어가 떠올랐거나, 문서를 보다가 '이 부분은 개선될 수 있겠다'라고 생각했다면 직접 참여해 보세요!

[메일링 리스트](https://groups.google.com/forum/?fromgroups#!forum/pydata)나 [Slack](https://pandas.pydata.org/docs/dev/development/community.html?highlight=slack#community-slack)에서 자유롭게 질문해 주세요.

이 프로젝트의 기여자 및 유지 관리자로서 pandas의 행동 강령(code of conduct)을 준수해야 합니다. 자세한 내용은 [기여자 행동 강령(Contributor Code of Conduct)](https://github.com/pandas-dev/.github/blob/master/CODE_OF_CONDUCT.md)에서 확인할 수 있습니다.

<hr>

[맨 위로 이동](#table-of-contents)

pandas

Was this content helpful?

Recent Feedback

Download README