6.2.8 딕셔너리의 Value에 Series 넣기 (인덱스 정렬의 마법)

💾 [실습 파일 다운로드] 본 강의의 전체 실습 코드를 직접 실행해 볼 수 있는 주피터 노트북 파일입니다. 아래 링크를 클릭하여 다운로드 후 VS Code에서 열어보세요.

• 📥 df_from_series_dict_practice.ipynb 파일 다운로드 (클릭 또는 마우스 우클릭 후 ‘다른 이름으로 링크 저장’)

🧮 수학적 의미: 인덱스 정렬(Index Alignment) 연산

단순 리스트를 딕셔너리로 묶어 데이터프레임을 만들면 0, 1, 2… 순서대로 단순 병합이 일어납니다. 하지만 각자의 고유한 주소 공간(Index)을 가진 Series들을 딕셔너리로 결합하면, 판다스는 내부적으로 합집합(Union) 연산을 수행하여 “동일한 인덱스를 가진 데이터들끼리만” 정확히 매핑하여 결합하는 강력한 인덱스 정렬(Index Alignment) 기능을 지원합니다.

🏷️ 비유로 이해하기: 퍼즐 조각 맞춰 끼우기

• ‘국어 성적표’, ‘영어 성적표’라는 각각의 파일철(Series)이 있습니다.
• 어떤 성적표엔 ‘장비’가 빠져있고, 다른 성적표엔 ‘관우’가 빠져있습니다.
• 판다스에게 이 성적표들을 주면, 판다스는 순서대로 대충 합치는 것이 아니라 “이름(Index)”을 기준으로 똑같은 사람끼리 퍼즐 조각처럼 알아서 끼워 맞춰줍니다. 제출 안 한 빈칸은 자동으로 빵구(NaN) 처리를 해줍니다.

🪄 [실습 1] 기본 시리즈들을 모아서 조립하기

VS Code나 주피터 노트북을 열고 pandas_01.py 파일을 생성하여 단계별로 실습을 진행합니다.

1단계: 이름표가 없는 기본 시리즈 병합

이름표(Index)가 없는 기본 시리즈 3개를 딕셔너리의 파츠(Value)로 사용하여 조립해 봅니다.

import pandas as pd

# 1. 재료: 기본 시리즈 3개 생성
s1 = pd.Series([90, 80, 60, 66])
s2 = pd.Series([45, 73, 83, 99])
s3 = pd.Series([92, 75, 82, 75])

# 2. 딕셔너리의 Value 자리에 시리즈 대입
df_basic = pd.DataFrame({'국어': s1, '영어': s2, '수학': s3})

print("--- 기본 시리즈 병합 ---")
print(df_basic)

[실행 결과]

--- 기본 시리즈 병합 ---
   국어  영어  수학
0  90  45  92
1  80  73  75
2  60  83  82
3  66  99  75

세 시리즈 모두 기본 인덱스(0, 1, 2, 3)를 갖고 있으므로, 아주 깔끔하게 4행 3열의 표가 만들어졌습니다. 여기에 df_basic.index = ['노', '장', '박', '강'] 으로 사람 이름을 덮어씌워줄 수도 있습니다.

🪄 [실습 2] 주의! 판다스의 “인덱스 강력 본드(Index Alignment)”

이번에는 pandas_02.py 파일을 생성해 봅니다.

1단계: 엇갈린 인덱스를 가진 데이터 병합

시리즈를 재료로 쓸 때 판다스는 무조건 시리즈가 가지고 있던 원래의 Index(이름표) 를 최우선 기준으로 삼아 달라붙습니다. 인덱스가 서로 어긋나 있으면 어떤 일이 벌어질까요?

import pandas as pd
# 1번 시리즈는 인덱스가 0, 1, 2
col_a = pd.Series([10, 20, 30], index=[0, 1, 2])

# 2번 시리즈는 인덱스가 1, 2, 3 (0번이 없고 3번이 있음!)
col_b = pd.Series([3, 2, 1], index=[1, 2, 3])

df_misaligned = pd.DataFrame({'A': col_a, 'B': col_b})

print("--- 엇갈린 인덱스의 병합 결과 ---")
print(df_misaligned)

[실행 결과]

--- 엇갈린 인덱스의 병합 결과 ---
      A    B
0  10.0  NaN   <-- A엔 0번이 있지만 B엔 없어서 NaN
1  20.0  3.0   <-- 1, 2번은 둘 다 있어서 결합 성공!
2  30.0  2.0
3   NaN  1.0   <-- B엔 3번이 있지만 A엔 없어서 NaN

판다스는 에러를 내지 않고, 0번부터 3번까지 모든 행을 만든 다음 자신의 인덱스 번호가 맞는 곳에만 쏙 들어가고 나머지는 빈칸(NaN)으로 둡니다.

🪄 [실습 3] 엇갈린 이름표(Index)를 깔끔하게 통제하기

pandas_03.py 파일을 생성하고 마지막 실습을 진행합니다.

1단계: 기준이 되는 전체 명단(Index) 강제하기

실무에서는 부서마다 보내온 데이터의 사람 이름이나 날짜가 들쭉날쭉한 경우가 많습니다. DataFrame을 만들 때 아예 기준이 되는 전체 명단(Index)을 줘버리면, 판다스가 알아서 그 명단에 맞춰서 데이터를 걸러줍니다.

import pandas as pd
# '노', '장', '박' 만 있는 데이터
s_kor = pd.Series([90, 80, 60], index=['노', '장', '박'])

# '장', '박', '강' 만 있는 데이터 ('노'가 없음)
s_eng = pd.Series([45, 73, 99], index=['장', '박', '강'])

# 이름표가 아예 없는 데이터 (0, 1, 2, 3)
s_math = pd.Series([92, 75, 82, 75])

# "내 기준은 무조건 ['노', '장', '박', '강'] 이다!" 라고 선언
df_strict = pd.DataFrame(
    {'국어': s_kor, '영어': s_eng, '수학': s_math},
    index=['노', '장', '박', '강']   # 기준 명부
)

print("--- 명부(Index)를 강제한 결합 결과 ---")
print(df_strict)

[실행 결과]

--- 명부(Index)를 강제한 결합 결과 ---
     국어    영어  수학
노  90.0   NaN NaN
장  80.0  45.0 NaN
박  60.0  73.0 NaN
강   NaN  99.0 NaN

분석 결과 해설:

1. 국어는 원래 ‘노, 장, 박’이 있었으므로 그 자리에 쏙 들어갑니다.
2. 영어는 ‘노’가 없으므로 NaN, ‘장, 박, 강’ 자리에 들어갑니다.
3. 수학은 인덱스가 0, 1, 2, 3이었습니다. 우리가 강제한 글자 인덱스(‘노, 장, 박, 강’)와 하나도 매칭되는 것이 없으므로 전멸(NaN) 합니다!

판다스는 데이터 병합 시 언제나 Index(이름표) 매칭이 최우선이라는 점을 잊지 마세요!