[멋쟁이사자처럼 부트캠프 그로스 마케팅] 데이터 분석 개론 : Pandas (1)

학습목표

• Pandas 데이터 로드와 기본 탐색

 

1. Pandas 데이터 구조

pip install pandas #설치
import pandas as pd #불러오기

 

• Series

#인덱스가 있는 1차원 데이터 구조
click_rates = pd.Series([0.05, 0.10, 0.15, 0.20], index=["A", "B", "C", "D"])

print(click_rates)

#출력 결과
A    0.05
B    0.10
C    0.15
D    0.20
dtype: float64

 

• DataFrame

# 표와 같은 2차원 데이터 구조
data = {
    "Campaign": ["봄맞이 이벤트", "여름 할인", "가을 특별전"],
    "CTR": [0.12, 0.15, 0.08],
    "CR": [0.05, 0.07, 0.03]
}

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

#출력 결과
    Campaign   CTR   CR
0  봄맞이 이벤트  0.12  0.05
1   여름 할인  0.15  0.07
2  가을 특별전  0.08  0.03

 

 

2. Pandas 기능

• CSV 파일 불러오기

df = pd.read_csv("marketing_data.csv")
df = pd.read_csv("marketing_data.csv", encoding="utf-8", delimiter=",")
df = pd.read_csv("marketing_data.csv", names=["Campaign", "Sales", "Clicks", "Conversions", "Region"], header=0)

 

• Excel 파일로 저장

df.to_excel("output.xlsx", index=False)

 

• 데이터 조회 및 탐색

# 날짜 데이터를 datetime 형식으로 변환
df["날짜"] = pd.to_datetime(df["날짜"], errors="coerce")

# 데이터 기본 정보 출력
df.info()

# 상위 5개 데이터 확인
df.head()

# 광고비가 300만원 이상인 데이터 조회
high_ad_cost = df[df["광고비(만원)"] >= 300]

# 매출액이 5000만원 이상이고, 구매전환율이 5% 이상인 데이터 조회
high_sales_conversion = df[(df["매출액(만원)"] >= 5000) & (df["구매전환율(%)"] >= 5)]

# 특정 날짜 범위 조회 (예: 2024년 1월 데이터)
date_filtered = df[(df["날짜"] >= "2024-01-01") & (df["날짜"] <= "2024-01-31")]

# 매출액 상위 10개 데이터 조회
top_10_sales = df.nlargest(10, "매출액(만원)")

# 특정 행 조회
df.loc[3]  # 3번째 행 조회 (라벨 기반 인덱스)
df.iloc[3]  # 3번째 행 조회 (정수 인덱스 기반)

# 특정 열 조회
df["매출액(만원)"]
df[["매출액(만원)", "광고비(만원)"]]  # 여러 열 조회

df.loc[행번호, "열이름"]
df.iloc[행번호, 열번호]

# 여러 개도 가능
df.loc[[3, 5, 7], ["매출액(만원)", "광고비(만원)"]]
df.iloc[[3, 5, 7], [2, 3]]

 

• 데이터 그룹화 groupby()

df.groupby("카테고리")["매출액(만원)"].sum() # 카테고리별 합계
df.groupby("카테고리")["매출액(만원)"].mean() # 카테고리별 평균
df.groupby("카테고리").agg({"매출액(만원)": "sum", "광고비(만원)": "mean"}) # 카테고리별 합계와 평균
df.groupby(["카테고리", "지역"])["매출액(만원)"].mean() # 카테고리&지역별 평균
df.groupby("카테고리")["매출액(만원)"].count() # 카테고리별 매출액 데이터의 개수

 

 

3. Basic Ecploration

df.shape # 데이터 크기 확인
df.columns # 모든 컬럼명 확인
df.info() # 데이터 정보 출력
df.dtypes # 각 컬럼의 데이터 타입 확인
df.head() # 상위 5개 행
df.tail() # 하위 5개 행
df.describe() # 숫자형 데이터의 기본 통계 (mean, std, min, max, 사분위수 분포)
df[""].unique() # 특정 열의 고유 값들
df[""].value_counts() # 특정 열에 각 값이 등장하는 횟수
df.isnull().sum() # 결측값 개수

 

☞ 마케팅 예제 : colab GM4 파일 

 

 

---

 

 

sql 보다가 파이썬 복습하니까 선녀 같다