# DataFrame

## 개요
**DataFrame**(데이터프레임)은 데이터 과학 및 분석 분야에서 널리 사용되는 2차원 레이블이 붙은 표 형식 데이터 구조입니다. 행(Row)과 열(Column)로 구성되며, 각 열은 서로 다른 데이터 타입(정수, 실수, 문자열, 불리언, 날짜 등)을 가질 수 있습니다. DataFrame은 R 언어의 `data.frame`에서 유래했으며, Python의 `pandas` 라이브러리를 통해 데이터 과학 생태계에서 표준 구조로 자리 잡았습니다. 현재 데이터 전처리, 탐색적 데이터 분석(EDA), 머신러닝 파이프라인의 핵심 구성 요소로 활용되고 있습니다.

## 주요 특징
DataFrame은 일반적인 2차원 배열이나 관계형 데이터베이스 테이블과 비교했을 때 다음과 같은 고유한 장점을 가집니다.
- **레이블 기반 인덱싱**: 행과 열에 명시적인 이름(인덱스)을 부여하여 직관적이고 가독성 높은 데이터 접근이 가능합니다.
- **이종 데이터 타입 지원**: 열마다 다른 타입을 허용하므로, 실제 현실 데이터의 불완전성과 다양성을 자연스럽게 표현할 수 있습니다.
- **고급 연산 내장**: 필터링, 정렬, 그룹화(GroupBy), 병합(Merge/Join), 피벗(Pivot) 등 데이터 분석에 필요한 연산을 최적화된 API로 제공합니다.
- **결측치 명시적 지원**: `NaN` 또는 `None`과 같은 결측값을 구조적으로 지원하며, 관련 전처리 함수를 내장하고 있습니다.

## 유사 데이터 구조와의 비교
DataFrame과 유사한 구조들을 비교하면 다음과 같습니다.

| 구조 | 설명 | 주요 특징 |
|---|---|---|
| **DataFrame** | 2차원 레이블 데이터 구조 | 열별 이종 타입 지원, 풍부한 분석 API |
| **Series** | 1차원 레이블 데이터 구조 | 단일 열에 해당, DataFrame의 기본 구성 요소 |
| **NumPy Array** | 다차원 동질 타입 배열 | 메모리 효율적, 연산 속도 빠름, 타입 통일 필요 |
| **SQL 테이블** | 관계형 데이터베이스 구조 | 영구 저장, 트랜잭션 지원, SQL 쿼리 언어 사용 |

## 주요 연산 및 활용
DataFrame의 핵심 기능은 데이터의 생성, 조회, 변환, 저장 등 분석 전 주기를 아우릅니다. 대표적인 연산은 다음과 같습니다.

### 1. 데이터 생성 및 조회
딕셔너리, 리스트, CSV 파일 등을 통해 쉽게 생성할 수 있으며, `loc`과 `iloc`을 통해 레이블 기반 또는 위치 기반 인덱싱이 가능합니다.
```python
import pandas as pd

# DataFrame 생성
df = pd.DataFrame({
    '이름': ['김철수', '이영희', '박지민'],
    '나이': [25, 30, 28],
    '직군': ['개발', '디자인', '마케팅']
})

# 특정 열 조회 및 조건 필터링
ages = df['나이']
filtered_df = df[df['나이'] > 26]
```

### 2. 데이터 변환 및 집계
결측치 처리, 타입 변환, 그룹별 통계 계산 등 분석 전처리에 필수적입니다.
```python
# 그룹별 평균 계산 (GroupBy)
avg_age_by_job = df.groupby('직군')['나이'].mean()

# 결측치 채우기 및 타입 변환
df['나이'] = df['나이'].fillna(0).astype(int)
```

### 3. 데이터 병합 및 저장
여러 DataFrame을 SQL의 `JOIN`처럼 결합하거나, 다양한 포맷으로 저장할 수 있습니다.
```python
# 외부 데이터 저장
df.to_csv('output.csv', index=False)
df.to_excel('output.xlsx')
```

## 주요 구현체 및 라이브러리
DataFrame은 단일 라이브러리에 국한되지 않고 다양한 환경과 규모에 맞게 구현되어 있습니다.
- **Pandas**: Python 생태계에서 가장 널리 쓰이는 표준 라이브러리. 풍부한 API와 강력한 커뮤니티를 보유.
- **PySpark**: 대규모 분산 데이터 처리를 위한 Apache Spark의 DataFrame API. SQL 쿼리 스타일 연산 지원.
- **Polars**: Rust 기반의 고성능 DataFrame 라이브러리. 병렬 처리와 메모리 효율성에서 Pandas 대비 우수한 성능을 보임.
- **Dask DataFrame**: 메모리 한계를 극복하기 위한 분산 컴퓨팅용 DataFrame. Pandas API와 호환됨.

## 참고 자료 및 관련 문서
- [Pandas 공식 문서](https://pandas.pydata.org/docs/)
- [Apache Spark DataFrame API](https://spark.apache.org/docs/latest/api/python/reference/pyspark.sql/dataframe.html)
- 관련 개념: `Series`, `NumPy`, `SQL`, `관계형 대수(Relational Algebra)`, `데이터 전처리`
- 추천 학습 자료: *Python for Data Analysis* (Wes McKinney 저), *Data Science from Scratch* (Joel Grus 저)