20 인덱스 열 이름 변경 | ✅ 저자: 이유정(박사)

1. 열(Column) 이름 바꾸기

df.rename(columns={'customer_id': '커스터머ID', 'age': '나이'}, inplace=True)

rename(columns={...})은 특정 열 이름만 선택적으로 변경할 때 사용합니다.

• 예: customer_id → 커스터머ID, age → 나이
• inplace=True는 원본 df를 직접 바꾼다는 뜻

2. 열 이름 일괄 변경하기

df.columns = ['커스터머ID', '이름', '나이', '이메일', '가입일시']

이 방법은 모든 열 이름을 한꺼번에 바꿀 때 사용합니다.
단, 열 개수와 바꿀 이름 개수는 일치해야 해요!

3. 인덱스(Index) 이름 바꾸기 (지정된 일부만)

df.rename(index={0: '첫번째', 1: '두번째', 2: '세번째'}, inplace=True)

index={...}는 행 번호(인덱스)를 지정해서 이름을 바꿔요.

• 원래 0번째 행 → '첫번째'
• 1번째 행 → '두번째' 이건 일부 행만 바꾸고 싶을 때 유용해요.

4. 인덱스 전체를 규칙적으로 변경하기

def index_gen(num):
    return '커스터머_' + str(num)

df.index = df.index.map(index_gen)

df.index.map()은 전체 인덱스를 하나씩 바꿀 때 사용해요.

• 예: 0 → "커스터머_0", 1 → "커스터머_1", 2 → "커스터머_2" … 이건 규칙적으로 행 번호에 접두어 붙이고 싶을 때 아주 편리합니다.

---

실습하기:

[선택한 열 이름 바꾸기 - rename() 사용]

import pandas as pd

df = pd.read_csv("csv_files/combined_customers.csv")

df.rename(columns={'customer_id': '커스터머ID', 'age': '나이'}, inplace=True)
print(df)

특정 열 이름만 바꾸고 싶을 때 사용하는 방법

---

[전체 열 이름 한꺼번에 바꾸기 - df.columns 대입]

import pandas as pd

df = pd.read_csv("csv_files/combined_customers.csv")
df.columns = ['커스터머ID', '이름', '나이', '이메일', '가입일시']
print(df)

열 이름을 한 줄로 전부 새로 지정하는 방식 순서대로 이름을 넣어주면 기존 열 이름이 이걸로 전부 바뀝니다. 주의: 열(column)의 개수와 새로운 이름의 개수가 반드시 같아야 해요!

---

[일부 인덱스 이름 바꾸기 - rename(index=...) 사용]

import pandas as pd

# CSV 파일 불러오기
df = pd.read_csv("csv_files/combined_customers.csv")

# 인덱스 변경 전 상위 5행 출력
print("▶ 인덱스 변경 전:")
print(df.head())

# 일부 인덱스 이름 변경
df.rename(index={0: '첫번째', 1: '두번째', 2: '세번째'}, inplace=True)

# 인덱스 변경 후 상위 5행 출력
print("\n▶ 인덱스 변경 후:")
print(df.head())

행의 번호(= 인덱스)를 일부만 직접 이름으로 바꿀 때 쓰는 방법

• 0번째 행 → '첫번째'
• 1번째 행 → '두번째'
• 2번째 행 → '세번째'

나머지 인덱스는 그대로 숫자로 남아 있어요. index를 변경하는 이유는 단순히 보기 좋게 하기 위한 것 외에도, 실제 분석·검색·출력 시 효율적이고 의미 있게 활용하기 위해서입니다.

Pandas에서 인덱스는 각 행(row)을 식별하는 고유한 라벨이에요.
엑셀로 치면 왼쪽 가장 첫 번째 열(A열 앞에 있는 번호 줄)이 인덱스입니다.

✅ 인덱스를 바꾸는 이유: 1. 가독성 향상(사람이 보기 쉽게) 2. 데이터 검색/필터링을 더 직관적으로 하기 위해 - df.loc["커스터머_3"] # 3번 고객 정보 바로 찾기 3. 데이터를 그룹으로 묶을 때 4. 예를 들어 고객을 이메일 도메인별로 그룹짓고 싶을 때:

df.set_index("email_domain", inplace=True)

이런 식으로 의미 있는 열을 인덱스로 바꿔 놓으면, 그룹별 분석이나 집계할 때 아주 유용해요.

상황예시: 고객 이메일 도메인별로 나누고 싶다

1단계: 이메일 도메인 추출

df['email_domain'] = df['email'].str.split('@').str[1]

이메일에서 @ 뒷부분만 뽑아 email_domain이라는 새 열을 만듭니다.

2단계: 의미 있는 열을 인덱스로 바꾸기

df.set_index("email_domain", inplace=True)

원래 0, 1, 2 이런 숫자 인덱스를 이메일 도메인으로 바꿔서 행을 구분해요.

3단계: 그룹 분석에 활용 (groupby) 이제 인덱스를 gmail.com, yahoo.com, naver.com 같은 값으로 바꿨으니, 같은 도메인끼리 묶어서 분석할 수 있어요.

df.groupby(df.index).count()

gmail.com 도메인을 가진 고객이 2명이라는 걸 쉽게 알 수 있죠!

5. 시간 순 정렬/인덱싱 시간 기반 데이터에서는 보통 날짜나 시간을 인덱스로 설정해요:

df.set_index("join_date", inplace=True)
df.loc["2023-01-01":"2023-01-31"]  # 1월 가입자만 추출

기간 필터링, 이동 평균 계산, 리샘플링 등 시계열 분석에 꼭 필요해요.

6. 중복 방지 및 고유 식별자 활용

df.set_index("customer_id", inplace=True)

고객 ID처럼 고유한 값을 인덱스로 설정하면, 중복 없이 관리하고 특정 행을 빠르게 찾을 수 있어요.

---

[인덱스를 규칙적으로 바꾸기 - map() 사용]

import pandas as pd

def index_gen(num):
    return '커스터머_' + str(num)

df = pd.read_csv("csv_files/combined_customers.csv")
df.index = df.index.map(index_gen)

print(df)

모든 행의 인덱스를 커스터머_0, 커스터머_1, 커스터머_2, … 이런 식으로 규칙적으로 바꾸는 방법 map() 함수는 각 인덱스 번호에 대해 index_gen() 함수를 적용해서 새로운 이름으로 만들어줘요.

---

실습 문제 인덱스 및 열 이름 변경하기 목표:

• 고객 데이터를 불러와서 보기 좋고 분석하기 쉽게 가공합니다.
• 불필요한 인덱스를 제거하고, 열 이름을 직관적인 한글로 바꿔 사용자가 이해하기 쉬운 표를 완성합니다.

[문제 배경] 마케팅 분석팀의 데이터 담당자로써,
팀원들이 이 데이터를 엑셀로 받아 보고서에 붙이는데, 열 이름이 영어고 인덱스도 의미가 없어 보기 불편하다고 합니다.

요구사항:

1. customer_id 컬럼은 고객 식별자이므로, 이를 행 인덱스로 사용하고 싶습니다.
2. 나머지 열들의 이름을 모두 한글로 변경해 주세요.
3. reset_index() 없이 customer_id가 진짜 인덱스가 되도록 설정합니다.
4. 바뀐 결과를 head()로 상위 5개 행만 출력해 확인해 주세요.

요구 출력 결과 (예시) 여기서 "커스터머ID"는 인덱스입니다.

작성해야 할 작업 순서

• csv_files/combined_customers.csv 파일을 df로 읽어옵니다.
• customer_id를 행 인덱스로 설정합니다.
• 열 이름을 다음과 같이 변경합니다:
  • name → 이름
  • age → 나이
  • email → 이메일
  • join_date → 가입일시
• 최종 결과에서 상위 5개 행을 출력합니다.

정답코드

import pandas as pd

# 1. CSV 파일 읽기
df = pd.read_csv("csv_files/combined_customers.csv")

# 2. customer_id를 인덱스로 설정
df.set_index("customer_id", inplace=True)

# 3. 열 이름 변경
df.rename(columns={
    "name": "이름",
    "age": "나이",
    "email": "이메일",
    "join_date": "가입일시"
}, inplace=True)

# 4. 결과 확인
print(df.head())