Data Science Academy · 강의

read_csv와 유용한 옵션

구분자, 헤더, 인덱스 열을 알아봅니다

read_csv와 유용한 옵션은(는) CoddyKit의 무료 Data Science Academy 강의입니다. 이것은 4개 중 1번째 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.

Data Lives in Files

Real analysis starts with a file on disk. The most common one in data science is the humble CSV: plain text, one row per line. 📄

One Function to Rule Them

pandas reads a CSV with a single call: read_csv. Hand it a path and you get back a ready-to-use DataFrame.

import pandas as pd
df = pd.read_csv("sales.csv")

What Comes Back

read_csv returns a full DataFrame: rows, columns, and an automatic integer index. From here every pandas trick is available to you.

Not Always a Comma

Some files split values with a semicolon or tab instead. The sep option tells pandas exactly which character separates your columns.

df = pd.read_csv("data.csv", sep=";")

When There Is No Header

If the first line is data, not column names, pass header=None so pandas does not steal a real row to use as labels.

df = pd.read_csv("raw.csv", header=None)

Name Your Columns

Pair header=None with names to supply your own column labels in one clean step. Now every column reads clearly.

df = pd.read_csv("raw.csv", header=None,
  names=["date", "item", "price"])

Pick the Index Column

The index_col option promotes a column to be the row index, so lookups by that key feel natural later on.

df = pd.read_csv("sales.csv", index_col="order_id")

Read Only What You Need

Huge file? The usecols option loads just the columns you list, saving memory and keeping your table focused.

df = pd.read_csv("big.csv",
  usecols=["date", "amount"])

Peek With nrows

Not sure a file is clean? Use nrows to read a small sample first, inspect it, then load the rest with confidence.

sample = pd.read_csv("big.csv", nrows=5)

Decode Properly

Strange symbols in your text usually mean the wrong encoding. Setting it to utf-8 fixes most accented and non-English characters. ✅

df = pd.read_csv("names.csv", encoding="utf-8")

Mark Missing as Missing

Files use odd tokens for blanks like NA or n/a. The na_values option turns those into real missing values pandas understands.

df = pd.read_csv("data.csv",
  na_values=["NA", "n/a", "-"])

Quick Check

Your CSV uses semicolons between values. Which option fixes the parse?

Recap: read_csv Mastered

You can now load any CSV: choose the separator, set headers and names, pick the index, trim columns, and flag missing values. 🎉

자주 묻는 질문

“read_csv와 유용한 옵션” 강의는 무료인가요?

네 — “read_csv와 유용한 옵션” 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.

“read_csv와 유용한 옵션”에서 뭘 배우나요?

구분자, 헤더, 인덱스 열을 알아봅니다 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 1번째 강의입니다.

“read_csv와 유용한 옵션” 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