Data Science Academy · 강의

처음부터 DataFrame 만들기

딕셔너리, 리스트, 배열에서 시작합니다

처음부터 DataFrame 만들기은(는) CoddyKit의 무료 Data Science Academy 강의입니다. 이것은 4개 중 2번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Data Science Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Data Science Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

Why Build Your Own

Before loading real files, building a small DataFrame by hand lets you test ideas and learn the structure with zero setup. 🧪

Import pandas First

Every project starts the same way: import pandas under the nickname pd. That short alias is a universal convention you will see everywhere.

import pandas as pd

From a Dictionary of Columns

The most common recipe is a dict where each key is a column name and each value is a list of that column's data.

df = pd.DataFrame({"name": ["Ada", "Lin"], "age": [36, 41]})

Keys Become Headers

With the dict approach, the dictionary keys turn into your column headers automatically. Naming columns is as easy as naming keys.

From a List of Rows

You can also pass a list of rows and supply the column names separately. Handy when your data already arrives row by row.

pd.DataFrame([["Ada", 36], ["Lin", 41]], columns=["name", "age"])

From a List of Dicts

A list of dicts works too, with one dict per row. Missing keys simply become blanks, which is great for uneven records.

pd.DataFrame([{"name": "Ada"}, {"name": "Lin", "age": 41}])

From a NumPy Array

Have a NumPy array of numbers? Pass it straight in and add column names. This bridges fast NumPy math with labeled tables.

pd.DataFrame(arr, columns=["x", "y"])

Set the Index on Creation

Pass an index argument to label your rows the moment you build the frame, instead of relying on default 0, 1, 2 numbers.

pd.DataFrame(data, index=["r1", "r2"])

Control the Column Order

Want columns in a specific order? Pass a columns list and pandas arranges them exactly as you list, ignoring dict ordering quirks.

pd.DataFrame(data, columns=["age", "name"])

Lengths Must Match

Every column you provide must have the same length. Mismatched list sizes raise an error, so keep your columns even.

Peek at What You Built

After building, glance at dtypes to confirm pandas inferred sensible types like int for ages and object for names.

df.dtypes

Quick Check

Pick the building block behind the most common DataFrame recipe.

Recap: Many Ways In

Dicts, lists, list-of-dicts, or NumPy arrays all become a DataFrame. Pick whatever matches the shape of your data. 🛠️

자주 묻는 질문

“처음부터 DataFrame 만들기” 강의는 무료인가요?

네 — “처음부터 DataFrame 만들기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Data Science Academy 강의 전체를 잠금 해제할 수 있습니다. Data Science Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“처음부터 DataFrame 만들기”에서 뭘 배우나요?

딕셔너리, 리스트, 배열에서 시작합니다 브라우저에서 직접 실행하는 실습 코드로 Data Science Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Data Science Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Data Science Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 2번째 강의입니다.

“처음부터 DataFrame 만들기” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Data Science Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Data Science Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Data Science Academy(으)로 돌아가기