01 데이터 포맷 수정 | ✅ 저자: 이유정(박사)

데이터 포맷 수정이란? 데이터를 분석하기 전에 형식을 통일하고, 다루기 쉬운 형태로 바꾸는 작업. 현실 세계에서 모은 데이터는 다양하고 복잡한 형식으로 되어 있어서,
→ 데이터 분석/모델링 전에 꼭 포맷을 정리해야 합니다!

결측치 채우기 + 데이터 타입 변경

df['age'].fillna(0, inplace=True)  # age가 비어있으면 0으로 채움
df['age'] = df['age'].astype('int')  # age를 정수(int) 타입으로 바꿈

df['age'].fillna(0, inplace=True)

• df['age']: 나이(age) 열을 가져옵니다.
• .fillna(0): 비어 있는 셀(NaN)을 0이라는 숫자로 채웁니다.
• inplace=True: 원본 데이터프레임(df)을 직접 수정합니다. 쉽게 말하면 나이 정보가 비어있는 사람은 임시로 0살이라고 적어두는 거예요. 왜 이렇게 하냐면?
• 결측치(NaN)가 있는 상태로는 평균 계산, 정렬 등이 에러를 내거나 무시될 수 있기 때문입니다.
• 0살은 실제 값이라기보다 "비어 있음"을 표시하는 기호 값처럼 사용하는 거예요.

df['age'] = df['age'].astype('int')

• astype('int'): 나이 열의 자료형을 정수형(int)으로 바꿉니다.
• 원래는 나이가 비어 있었기 때문에 float 형식이었을 수도 있어요. 쉽게 말하면 소수점(예: 30.0)으로 되어 있는 나이를 정수(30)으로 바꾸는 거예요. 왜 이렇게 하냐면?
• 나이는 일반적으로 정수로 표현하니까요.
• 정수로 바꾸면 이후에 조건 검색(예: df[df['age'] > 20])이나 통계 처리도 더 간편합니다.
• 비어 있는 데이터(NaN)가 들어오면 그 열 전체의 데이터 타입에 따라 자동으로 처리되는데 보통은 소수점(float)형식이 됩니다.

---

날짜/시간 다루기

df['join_date'] = pd.to_datetime(df['join_date'])  
# 문자열을 날짜로 바꿈

df["year"] = df["join_date"].dt.year
df["month"] = df["join_date"].dt.month
df["day"] = df["join_date"].dt.day
df["hour"] = df["join_date"].dt.hour
df["minute"] = df["join_date"].dt.minute

• pd.to_datetime() → 날짜·시간 문자열을 진짜 날짜형식(datetime)으로 바꿈
• .dt.year 등 → 날짜에서 연도, 월, 일, 시, 분을 각각 뽑아냅니다.
• 이렇게 분리하면 월별 분석, 시간대별 분석 등에 활용할 수 있어요.

실습하기 전체 코드:

import pandas as pd

df = pd.read_csv("csv_files/combined_customers.csv")
df['age'].fillna(0, inplace=True)
df['age'] = df['age'].astype('int')
print(df)

결과:

     customer_id         name  age                    email  \
0              1    Customer1    0    customer1@example.com   
1              2    Customer2    0    customer2@example.com   
2              3    Customer3    0    customer3@example.com   
3              4    Customer4    0    customer4@example.com   
4              5    Customer5    0    customer5@example.com   
..           ...          ...  ...                      ...   
495          396  Customer396   54  customer396@example.com   
496          397  Customer397   57  customer397@example.com   
497          398  Customer398   68  customer398@example.com   
498          399  Customer399   29  customer399@example.com   
499          400  Customer400   57  customer400@example.com   

                      join_date  
0    2023-01-27 06:52:22.275679  
1    2023-07-15 06:52:22.275698  
2    2023-01-24 06:52:22.275704  
3    2023-03-25 06:52:22.275709  
4    2023-03-25 06:52:22.275713  
..                          ...  
495  2023-02-09 06:54:12.151607  
496  2023-03-25 06:54:12.151613  
497  2023-02-19 06:54:12.151618  
498  2023-07-18 06:54:12.151624  
499  2023-01-22 06:54:12.151629  

[500 rows x 5 columns]

fillna(0)

• age에 비어 있는 값(NaN)이 있다면 0으로 채웁니다. 예: 결측치 → 0살 처리

astype('int')

• age 열을 정수형(int)으로 바꿉니다. 원래는 NaN 때문에 float형이었을 수 있음

print(df)

• 바뀐 age 값을 포함한 전체 DataFrame을 출력합니다

결과:

• age가 비어있던 행은 0으로 채워짐
• 모든 age 값은 25.0 → 25처럼 소수점 없이 깔끔한 정수로 표현됨

---

join_date 컬럼을 날짜/시간 단위로 분해해서 보여줌

import pandas as pd

df = pd.read_csv("csv_files/combined_customers.csv")
df['join_date'] = pd.to_datetime(df['join_date'])
df["year"] = df["join_date"].dt.year
df["month"] = df["join_date"].dt.month
df["day"] = df["join_date"].dt.day
df["hour"] = df["join_date"].dt.hour
df["minute"] = df["join_date"].dt.minute
print(df)

결과:

     customer_id         name   age                    email  \
0              1    Customer1   NaN    customer1@example.com   
1              2    Customer2   NaN    customer2@example.com   
2              3    Customer3   NaN    customer3@example.com   
3              4    Customer4   NaN    customer4@example.com   
4              5    Customer5   NaN    customer5@example.com   
..           ...          ...   ...                      ...   
495          396  Customer396  54.0  customer396@example.com   
496          397  Customer397  57.0  customer397@example.com   
497          398  Customer398  68.0  customer398@example.com   
498          399  Customer399  29.0  customer399@example.com   
499          400  Customer400  57.0  customer400@example.com   

                     join_date  year  month  day  hour  minute  
0   2023-01-27 06:52:22.275679  2023      1   27     6      52  
1   2023-07-15 06:52:22.275698  2023      7   15     6      52  
2   2023-01-24 06:52:22.275704  2023      1   24     6      52  
3   2023-03-25 06:52:22.275709  2023      3   25     6      52  
4   2023-03-25 06:52:22.275713  2023      3   25     6      52  
..                         ...   ...    ...  ...   ...     ...  
495 2023-02-09 06:54:12.151607  2023      2    9     6      54  
496 2023-03-25 06:54:12.151613  2023      3   25     6      54  
497 2023-02-19 06:54:12.151618  2023      2   19     6      54  
498 2023-07-18 06:54:12.151624  2023      7   18     6      54  
499 2023-01-22 06:54:12.151629  2023      1   22     6      54  

[500 rows x 10 columns]

customer_id 고객 고유 번호 name 고객 이름 age 나이 – 결측치(NaN)도 그대로 있음 email 이메일 주소 join_date 가입 날짜와 시간 (원래 데이터) year 가입한 연도 month 가입한 월 day 가입한 일 hour 가입한 시간(시) minute 가입한 분