밤에만

데이터를 한눈에 보기 위해 Ⅰ

Kou_ — Mon, 1 Jun 2026 19:32:22 +0900

Python 데이터 전처리 : 기술통계, 결측치 처리, 데이터 타입 변환

이번 글에서는 타이타닉 데이터셋과 간단한 예제 데이터를 바탕으로, 데이터 분석 입문 단계에서 반드시 익혀야 하는 기술통계 분석, 결측치 처리, 데이터 타입 변환 및 날짜 처리를 정리한다. 이 세 가지는 본격적인 시각화, 모델링, 머신러닝에 들어가기 전 데이터의 상태를 이해하고 정리하는 핵심 과정이다.

핵심 요약
데이터 분석의 첫 단계는 데이터를 바로 모델에 넣는 것이 아니라, 데이터의 분포·결측치·자료형을 먼저 확인하는 것이다. describe(), value_counts(), isnull(), fillna(), pd.to_numeric(), pd.to_datetime()은 데이터 전처리에서 가장 자주 사용되는 기본 도구다.

1. 기초 통계 분석 - 데이터의 전체적인 모습 파악하기

기초 통계 분석은 데이터가 어떤 형태로 구성되어 있는지 빠르게 이해하는 과정이다. 타이타닉 데이터셋에서는 생존 여부, 객실 등급, 성별, 나이, 동반 가족 수, 요금, 선착장 등의 변수를 활용해 데이터의 분포와 변수 간 관계를 확인할 수 있다.

1-1. describe()로 숫자형 변수 요약하기

describe()는 숫자형 변수의 기본 통계를 한 번에 확인할 수 있는 메서드다. 평균, 표준편차, 최솟값, 최댓값, 사분위수 등을 통해 데이터의 중심과 퍼짐 정도를 파악할 수 있다.

titanic.describe()

count: 결측치를 제외한 데이터 개수
mean: 평균값
std: 표준편차, 데이터가 평균 주변에 얼마나 퍼져 있는지 의미
min / max: 최솟값과 최댓값
25% / 50% / 75%: 사분위수, 데이터 분포의 위치 정보

특히 평균과 중위수인 50% 값을 비교하면 분포가 한쪽으로 치우쳐 있는지 확인할 수 있다. 평균이 중위수보다 크면 일부 큰 값이 평균을 끌어올렸을 가능성이 있고, 반대로 평균이 중위수보다 작으면 작은 값 쪽으로 치우친 분포일 수 있다.

1-2. 상세 백분위수로 이상치 감지하기

기본 사분위수만으로는 상위 극단값을 충분히 확인하기 어렵다. 90%, 95% 백분위수를 추가하면 상위 일부 값이 급격히 커지는지 확인할 수 있어 이상치 탐색에 유용하다.

titanic.describe(percentiles=[.1, .25, .5, .75, .9, .95])

해석 포인트
75% 값과 95% 값의 차이가 지나치게 크다면, 상위 5~25% 구간에 큰 값이 몰려 있거나 이상치가 존재할 가능성을 의심할 수 있다.

1-3. 범주형 데이터는 value_counts()로 확인하기

성별, 선착장, 객실 등급처럼 범주로 나뉘는 데이터는 value_counts()를 사용해 빈도를 확인한다. 단순 빈도뿐 아니라 비율도 함께 확인해야 데이터 불균형 여부를 판단할 수 있다.

titanic['Sex'].value_counts()
titanic['Sex'].value_counts(normalize=True)

예를 들어 특정 성별이나 객실 등급이 지나치게 많다면, 생존율 분석이나 모델링 결과가 특정 집단에 편향될 수 있다. 따라서 범주형 데이터는 항상 빈도와 비율을 함께 보는 것이 좋다.

1-4. 왜도와 첨도로 분포 형태 파악하기

평균과 중위수의 비교가 직관적인 방법이라면, 왜도와 첨도는 분포의 형태를 수치로 확인하는 방법이다.

왜도 > 0: 오른쪽 꼬리가 긴 분포
왜도 < 0: 왼쪽 꼬리가 긴 분포
첨도 값이 클수록: 분포가 더 뾰족하고 극단값의 영향이 클 수 있음
첨도 값이 작을수록: 분포가 상대적으로 평평함

age_data = titanic['Age'].dropna()

skewness = age_data.skew()
kurtosis = age_data.kurtosis()

1-5. 상관관계 분석으로 변수 간 관계 보기

상관관계 분석은 두 숫자형 변수가 함께 변하는 정도를 확인하는 방법이다. 타이타닉 데이터에서는 생존 여부와 객실 등급, 나이, 요금, 가족 수 등의 관계를 확인할 수 있다.

numeric_cols = ['Survived', 'Pclass', 'Age', 'SibSp', 'Parch', 'Fare']
correlation_matrix = titanic[numeric_cols].corr()

0.7 이상: 매우 강한 상관관계
0.3~0.7: 강한 상관관계
0.1~0.3: 중간 수준의 상관관계
0.1 미만: 약한 상관관계

주의할 점
상관관계가 높다고 해서 반드시 인과관계가 있는 것은 아니다. 상관관계는 두 변수가 함께 움직이는 정도를 보여줄 뿐, 한 변수가 다른 변수를 직접적으로 발생시킨다는 의미는 아니다.

2. 결측치 처리 - 비어 있는 데이터를 어떻게 다룰 것인가

결측치는 데이터에 값이 없거나 누락된 상태를 의미한다. 실제 데이터에서는 설문 미응답, 센서 오류, 입력 실수, 시스템 문제, 해당 없음 처리 등 다양한 이유로 결측치가 발생한다. 결측치를 그대로 두면 분석 결과가 왜곡되거나 코드 오류가 발생할 수 있으므로 반드시 확인하고 처리해야 한다.

2-1. 결측치 탐색하기

결측치 처리를 시작하기 전에 먼저 어느 컬럼에 얼마나 많은 결측치가 있는지 확인해야 한다.

missing_counts = titanic.isnull().sum()
missing_ratios = titanic.isnull().sum() / len(titanic) * 100

결측치 개수만 보는 것보다 비율을 함께 보는 것이 더 중요하다. 데이터가 1,000개일 때 결측치 10개와 데이터가 20개일 때 결측치 10개는 의미가 완전히 다르기 때문이다.

2-2. 결측치 제거하기

결측치를 처리하는 가장 단순한 방법은 삭제다. 그러나 삭제는 데이터 손실을 동반하기 때문에 신중하게 사용해야 한다.

# 결측치가 있는 행 전체 삭제
titanic.dropna()

# 결측치가 있는 컬럼 삭제
titanic.dropna(axis=1)

# 특정 컬럼의 결측치가 있는 행만 삭제
titanic.dropna(subset=['Age'])

행 삭제: 결측치 비율이 낮고, 데이터가 충분히 많을 때 사용
컬럼 삭제: 결측치 비율이 매우 높거나 분석에 중요하지 않은 컬럼일 때 사용
subset 옵션: 분석에 꼭 필요한 컬럼의 결측치만 제거할 때 사용

삭제 기준
일반적으로 결측치 비율이 낮으면 행 삭제를 고려할 수 있고, 결측치 비율이 매우 높은 컬럼은 삭제를 검토할 수 있다. 다만 분석 목적상 중요한 변수라면 단순 삭제보다 대체 방법을 먼저 고려하는 것이 좋다.

2-3. 결측치 대체하기

결측치를 삭제하지 않고 다른 값으로 채우는 방법도 있다. 변수의 성격과 분포에 따라 평균, 중위수, 최빈값, 특정값 등을 사용할 수 있다.

# 평균값 대체
titanic['Age'].fillna(titanic['Age'].mean())

# 중위수 대체
titanic['Age'].fillna(titanic['Age'].median())

# 최빈값 대체
titanic['Embarked'].fillna(titanic['Embarked'].mode()[0])

평균값: 정규분포에 가까운 연속형 변수에 적합
중위수: 이상치가 많거나 분포가 치우친 변수에 적합
최빈값: 범주형 변수에 적합
특정값: 비즈니스 로직상 의미 있는 값이 있을 때 사용

평균값 대체는 전체 평균을 유지할 수 있다는 장점이 있지만, 데이터의 분산을 줄여 실제 데이터의 다양성을 낮출 수 있다. 반면 중위수는 이상치의 영향을 덜 받기 때문에 치우친 분포에서는 평균보다 안정적인 선택이 될 수 있다.

2-4. 고급 결측치 처리 방법

시간 순서가 있는 데이터에서는 앞의 값으로 채우는 Forward Fill, 뒤의 값으로 채우는 Backward Fill, 선형 보간법 등을 사용할 수 있다. 다만 이러한 방법은 시계열 데이터처럼 순서가 의미 있는 경우에 적합하다.

# 앞 값으로 채우기
titanic['Age'].ffill()

# 선형 보간
titanic['Age'].interpolate()

타이타닉 데이터는 시계열 데이터가 아니기 때문에 Forward Fill이나 보간법이 항상 적절하다고 보기는 어렵다. 결측치 처리 방법은 데이터의 구조와 분석 목적에 맞게 선택해야 한다.

3. 데이터 타입 변환 및 날짜 처리 - 분석 가능한 형태로 바꾸기

실제 데이터에서는 숫자가 문자열로 저장되어 있거나, 날짜가 object 타입으로 들어오거나, Yes/No 같은 값이 문자열로 저장되는 경우가 많다. 이 상태에서는 계산, 집계, 모델링이 제대로 이루어지지 않기 때문에 데이터 타입을 올바르게 변환해야 한다.

3-1. 데이터 타입 확인하기

데이터 타입 변환의 첫 단계는 현재 컬럼의 자료형을 확인하는 것이다.

df.dtypes

숫자처럼 보이는 값이라도 문자열로 저장되어 있으면 평균, 합계, 상관관계 분석 등을 제대로 수행할 수 없다. 따라서 분석 전에 각 컬럼이 의도한 자료형으로 저장되어 있는지 확인해야 한다.

3-2. 문자열 숫자를 숫자형으로 변환하기

깨끗한 숫자 문자열은 astype()으로 간단히 변환할 수 있다. 하지만 실제 데이터에는 N/A, 공백, 특수문자 등이 섞여 있는 경우가 많기 때문에 주의해야 한다.

# 단순 변환
df['score'].astype(float)

# 변환 불가능한 값은 NaN으로 처리
df['age_clean'] = pd.to_numeric(df['age'], errors='coerce')

pd.to_numeric()의 errors='coerce' 옵션은 변환할 수 없는 값을 자동으로 NaN으로 바꿔준다. 따라서 실제 업무 데이터처럼 지저분한 값이 섞여 있는 경우 astype()보다 안전하게 사용할 수 있다.

3-3. 콤마가 포함된 숫자 처리하기

수입, 매출, 금액 데이터는 50,000처럼 천 단위 구분 콤마가 포함된 문자열로 저장되는 경우가 많다. 이 경우 먼저 콤마를 제거한 뒤 숫자형으로 변환해야 한다.

df['income_clean'] = df['income'].str.replace(',', '').astype(float)

3-4. 날짜 데이터는 pd.to_datetime()으로 변환하기

날짜가 문자열 상태로 저장되어 있으면 날짜 간 차이 계산이나 월별·요일별 분석을 할 수 없다. 날짜 분석을 위해서는 pd.to_datetime()을 사용해 datetime 타입으로 변환해야 한다.

orders_df['order_date_clean'] = pd.to_datetime(orders_df['order_date'])
orders_df['delivery_date_clean'] = pd.to_datetime(orders_df['delivery_date'])

변환 후에는 주문일과 배송일의 차이를 계산하거나, 월·요일·분기 같은 시간 정보를 추출할 수 있다.

# 배송 소요 시간 계산
orders_df['delivery_days'] = (
    orders_df['delivery_date_clean'] - orders_df['order_date_clean']
).dt.days

# 월 추출
orders_df['order_month'] = orders_df['order_date_clean'].dt.month

# 요일 추출
orders_df['order_weekday'] = orders_df['order_date_clean'].dt.day_name()

# 분기 추출
orders_df['quarter'] = orders_df['order_date_clean'].dt.quarter

3-5. 날짜 기반 파생 변수 만들기

날짜 데이터는 단순히 날짜 자체를 저장하는 것에서 끝나지 않는다. 분석 목적에 따라 주말 주문 여부, 빠른 배송 여부, 신규 고객 여부, 월초·월말 주문 여부 같은 파생 변수를 만들 수 있다.

# 주말 주문 여부
orders_df['is_weekend_order'] = orders_df['order_date_clean'].dt.dayofweek >= 5

# 3일 이내 배송 여부
orders_df['is_quick_delivery'] = orders_df['delivery_days'] <= 3

# 월초 주문 여부
orders_df['is_month_start'] = orders_df['order_date_clean'].dt.day <= 7

# 월말 주문 여부
orders_df['is_month_end'] = orders_df['order_date_clean'].dt.day >= 25

날짜 데이터의 핵심
날짜 데이터는 변환만 해도 분석 가치가 커진다. 날짜 간 차이, 요일, 월, 분기, 주말 여부 등을 만들면 고객 행동, 배송 품질, 매출 패턴 등을 더 쉽게 분석할 수 있다.

최종 정리

데이터 분석의 초반부에서 가장 중요한 것은 데이터를 정확히 이해하고, 분석 가능한 상태로 정리하는 것이다. 기초 통계 분석은 데이터의 전체적인 분포와 변수 간 관계를 파악하는 과정이고, 결측치 처리는 비어 있는 데이터를 삭제하거나 적절한 값으로 채우는 과정이다. 데이터 타입 변환과 날짜 처리는 문자열로 저장된 데이터를 실제 계산 가능한 형태로 바꾸는 과정이다.

즉, 기술통계 → 결측치 확인 및 처리 → 데이터 타입 변환 → 날짜 기반 파생 변수 생성의 흐름은 데이터 분석 전처리의 기본 골격이라고 할 수 있다. 이 과정을 제대로 수행해야 이후 시각화, 인사이트 도출, 머신러닝 모델링의 신뢰도도 높아진다.

한 줄 결론
좋은 데이터 분석은 복잡한 모델에서 시작되는 것이 아니라, 데이터의 분포를 이해하고, 결측치와 자료형을 올바르게 정리하는 기본 전처리에서 시작된다.

추가적으로

오늘 개인 블로그에 작성한 데이터 분석가 직무에 대한 고민 및 진로 탐색 글이다.

데이터 분석가를 꿈꾸며

데이터 사이언스 취업 전, 내가 반드시 알아야 할 7가지 사실 데이터 사이언스라는 단어를 접하게 된 것은 얼마 전이다. 나는 그 짧은 시간에 데이터의 매력에 빠져버려서 데이터 분석가를 꿈꾸

yustitix.tistory.com

코테로 파이썬 공부하기 Ⅷ

Kou_ — Mon, 1 Jun 2026 11:38:56 +0900

코테로 배워보는 파이썬 : 코드카타 28~30번

코딩테스트 연습 | 프로그래머스 스쿨

개발자 취업의 필수 관문 코딩테스트를 철저하게 연습하고 대비할 수 있는 문제를 총망라! 프로그래머스에서 선발한 문제로 유형을 파악하고 실력을 업그레이드해 보세요!

school.programmers.co.kr

코테 문제 풀어보고 응용 문제 생각나는거 직접 풀어보기!

없는 숫자 더하기
0부터 9까지의 숫자 중 일부가 들어있는 정수 배열 numbers가 매개변수로 주어집니다. numbers에서 찾을 수 없는 0부터 9까지의 숫자를 모두 찾아 더한 수를 return 하도록 solution 함수를 완성해주세요.
- 컴퓨팅 사고
  - 0~9까지 range로 i를 꺼낸 뒤 numbers에 들어있는지 확인해서 없으면 count+=i로 더하기
- 내 코드 (⭕)
  def solution(numbers):
      count=0
      for i in range(0,10):
          if i in numbers:
              pass
          else:
              count+=i
      return count
- 다른 사람 풀이 1
  def solution(numbers):
  return 45 - sum(numbers)
  # 0~9까지 합한 값에서 numbers 원소 합을 빼면 원소가 아닌 값의 합이 나옴... (이건 코딩보다는 수학아닌가?)
- 다른 사람 풀이 2
  def solution(numbers):
      answer=0
      for i in range(1,10):
          if i not in numbers: # not in 을 쓰면 else로 안넘기고 바로 포함하지 않는 값을 조건으로 설정 가능
              answer += i
      return answer
제일 작은 수 제거하기
정수를 저장한 배열, arr 에서 가장 작은 수를 제거한 배열을 리턴하는 함수, solution을 완성해주세요. 단, 리턴하려는 배열이 빈 배열인 경우엔 배열에 -1을 채워 리턴하세요. 예를들어 arr이 [4,3,2,1]인 경우는 [4,3,2]를 리턴 하고, [10]면 [-1]을 리턴 합니다.
- 컴퓨팅 사고
  - 가장 작은 값을 찾고 remove로 제거, 이후 리스트 길이가 1 0이면 -1 [-1] 반환
- 내 코드 ( )
  def solution(arr):
      mini = min(arr)
      arr.remove(mini)
      if len(arr)==0: # if가 remove 뒤에 등장해야 [-1]이 반환 가능하고, 때문에 길이 조건이 1이 아닌 0이어야 함.
          arr = [-1]
      return arr
가운데 글자 가져오기
단어 s의 가운데 글자를 반환하는 함수, solution을 만들어 보세요. 단어의 길이가 짝수라면 가운데 두글자를 반환하면 됩니다.
- 컴퓨팅 사고
  - 예를 들어 study의 경우 길이를 절반으로 나눈값(2.5)를 int로 변환(2)해서 인덱스로 불러내면 가운데 글자
  - 만약 길이가 짝수라면 int 반환 인덱스랑 ~~round 반올림~~ int 반환값-1 인덱스 두 글자를 반환
- 내 코드 (⭕)
  def solution(s):
      if len(s) % 2 == 1:
          answer = s[int(len(s)/2)]
      else:
          answer = s[int(len(s)/2)-1] + s[int(len(s)/2)] # 순서가 중요
      return answer
- 다른 사람 풀이
  def solution(s):
  return str[(len(s)-1)//2 : len(s)//2 + 1]
  - 인덱스 슬라이싱으로 해결
    - 슬라이싱 조건 1
      홀수 길이 단어 ex) starcraft
      (len(s)-1)//2 → (9-1)//2 = 4
      짝수 길이 단어 ex) time
      (len(s)-1)//2 → (4-1)//2 = 1 # // 는 몫만 반환
    - 슬라이싱 조건 2
      홀수 길이 단어 ex) starcraft
      len(s)//2 + 1 → 9//2 + 1 = 5 # // 는 몫만 반환
      짝수 길이 단어 ex) time
      len(s)//2 + 1 → 4//2 + 1= 3
    - (len(s)-1)//2 : len(s)//2 + 1는 홀수 일 땐 가운데 인덱스만(4:5), 짝수일 땐 가운데 2글자(1:3)를 반환하는 범위가 되는 것

코테로 공부하는 SQL Ⅰ

Kou_ — Mon, 1 Jun 2026 10:21:29 +0900

코테로 공부하는 SQL : 코드카타 1~3번

코딩테스트 연습 | 프로그래머스 스쿨

school.programmers.co.kr

코테 문제 풀어보고 응용 문제 생각나는거 직접 풀어보기!

이름이 있는 동물의 아이디
ANIMAL_INS 테이블은 동물 보호소에 들어온 동물의 정보를 담은 테이블입니다. ANIMAL_INS 테이블 구조는 다음과 같으며, ANIMAL_ID, ANIMAL_TYPE, DATETIME, INTAKE_CONDITION, NAME, SEX_UPON_INTAKE는 각각 동물의 아이디, 생물 종, 보호 시작일, 보호 시작 시 상태, 이름, 성별 및 중성화 여부를 나타냅니다. 동물 보호소에 들어온 동물 중, 이름이 있는 동물의 ID를 조회하는 SQL 문을 작성해주세요. 단, ID는 오름차순 정렬되어야 합니다.
- 컴퓨팅 사고
  - ID 칼럼 조회하고, NAME 칼럼에서 NULL 값이 아닌것 만 조회, order by ID 칼럼으로 정렬
- my_answer (⭕)
  select ANIMAL_ID
  from ANIMAL_INS
  where NAME <> 'NULL'
  order by ANIMAL_ID
역순 정렬하기
동물 보호소에 들어온 모든 동물의 이름과 보호 시작일을 조회하는 SQL문을 작성해주세요. 이때 결과는 ANIMAL_ID 역순으로 보여주세요. SQL을 실행하면 다음과 같이 출력되어야 합니다.
- 컴퓨팅 사고
  - NAME, DATETIME 조회하고, order by ANIMAL_ID desc 로 역순 정렬
- my_answer (⭕)
  select NAME, DATETIME
  from ANIMAL_INS
  order by ANIMAL_ID desc
중복 제거하기
동물 보호소에 들어온 동물의 이름은 몇 개인지 조회하는 SQL 문을 작성해주세요. 이때 이름이 NULL인 경우는 집계하지 않으며 중복되는 이름은 하나로 칩니다.
- 컴퓨팅 사고
  - count(distinct 칼럼) 사용해서 집계 → 중복 되는 값은 1개로 취급 (distinct), 데이터 갯수 집계 (count)
- my_answer (⭕)
  select count(distinct NAME)
  from ANIMAL_INS

데이터를 다뤄보자!

Kou_ — Fri, 29 May 2026 16:12:44 +0900

전처리 & 시각화 라이브 세션 2회차

pandas

pandas(Python Data Analysis Library)는 파이썬 데이터 조작 및 분석을 위한 핵심적인 라이브러리
- 엑셀의 스프레드시티같은 테이블 형태의 데이터 다룰 수 있음
- 결측치 처리, 데이터 변환, 집계 등 전처리 작업의 핵심 도구
- 시각화, 머신러닝으로 연결되는 데이터 파이프라인의 중심

데이터 구조 이해하기

Series와 Dataframe의 개념
- Series : 1차원 데이터, index와 value으로 구성, 리스트나 배열과 유사하지만 더 강력한 기능 제공
- DataFrame : 2차원 데이터, row(행)와 column(열)로 구성, 여러 series가 모여서 만들어진 구조
리스트로 Series 생성

ages = pd.Series([25, 30, 35, 28, 32])

print("Series 예제:") # 아래 사진과 같이 출력

print(ages) # int64 (64bit 정수형 데이터)

type(ages) # pandas.Series
출력 형태
Siries 연산 및 조건

print(ages * 2) # ages 각 요소에 2를 곱해준 것 (새로운 변수로 저장하지 않았기 때문에 아래 조건의 ages 적용 X)

print(ages[ages > 30]) # ages > 30 => boolean indexing

sum(ages)/len(ages)

출력 형태
데이터의 기본적인 정보

# 실습용 데이터 생성

df = pd.DataFrame({

'name': ['김철수', '이영희', '박민수', '최지은', '정대한'],

'age': [25, 30, 35, 28, 45],

'city': ['서울', '부산', '대구', '인천', '광주'],

'salary': [3500, 4200, 3800, 4100, 5200]

})

type(df) # pandas.DataFrame

# df.shape: 데이터의 크기 확인 (행, 열)

print(f"데이터 크기: {df.shape}") # 데이터 크기: (5, 4)

# df.columns: 컬럼명 확인

print(f"컬럼명: {df.columns}") # 컬럼명: Index(['name', 'age', 'city', 'salary'], dtype='str')

# df.index: 인덱스 정보 확인

print(f"인덱스: {df.index}") # 인덱스: RangeIndex(start=0, stop=5, step=1)

# df.dtypes: 각 컬럼의 데이터 타입 확인

print("데이터 타입:")

print(df.dtypes)

# 전체 컬럼명 변경

df.columns = ['이름', '나이', '도시', '연봉']

print("변경된 컬럼명:")

print(df.columns.tolist())
df

df.rename(columns={'연봉': '급여'}, inplace=True)

print(f'일부 컬럼명 변경: {df.columns.tolist()}') # 일부 컬럼명 변경: ['이름', '나이', '도시', '급여']

데이터 불러오기 및 기본 탐색

CSV 파일 불러오기
- 절대 경로 : df = pd.read_csv('/Users/heojinseong/Desktop/SPC Data.csv')
  → 로컬 PC의 실제 파일 저장 경로를 문자열 형식으로 입력
- 상대 경로 : df = pd.read_csv('./SPC Data.csv')
  → 현재 파이썬 파일이 실행되는 폴더 기준으로 실행하고자 하는 파일의 위치 경로 (팀 프로젝트 시 유용)
Excel 파일 불러오기
- Excel 파일 읽기 : df = pd.read_excel('파일경로/파일명.xlsx')
- 특정 시트 읽기 : df = pd.read_excel('파일명.xlsx', sheet_name='Sheet1')
다른 형태의 데이터 불러오기
- 클립보드에 복사된 데이터 불러오기 : df = pd.read_clipboard()
- URL로 데이터 불러오기 : '타이타닉 데이터셋'
  
  url = "https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv"
  
  titanic = pd.read_csv(url) # ( ) 내부에 직접적으로 써도 됨
불러온 데이터를 기본적으로 탐색 해보자
- 데이터 크기 : print(f"데이터 크기: {titanic.shape}") # 데이터 크기: (891, 12)
- 처음부터 5행만 확인 : titanic.head() # ( ) 내부에 넣은 숫자만큼의 행 수를 확인 할 수 있음
- 마지막 5행만 확인 : titanic.tail()
- 전체적인 데이터 정보 확인 : titanic.info()
- 기본 통계 정보 확인 : titanic.describe()
  데이터 갯수, 평균, 분산, 최대/최소값, 4분위수 확인 가능

속성과 메서드

속성 : 데이터가 가진 정보 (데이터의 상태, 정보 조회) → 일반적으로 ( )가 없다
- 데이터 크기 (행, 열)
  
  print(f"데이터 크기: {titanic.shape}") # 데이터 크기: (891, 12)
- 컬럼명
  
  print(f"컬럼명: {titanic.columns.tolist()}") # 컬럼명: ['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp', 'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked']
- 인덱스 정보 (범위)
  
  print(f"인덱스 범위: {titanic.index}") # 인덱스 범위: RangeIndex(start=0, stop=891, step=1)
- 데이터 타입
  
  titanic.dtypes
메서드 : 데이터에서 할 수 있는 행동 (객체가 수행하는 기능/행동)
- .head() / .tail() / .info() / .describe() 등이 있다.

데이터 변경 및 생성

특정 컬럼 선택하기 (Series 반환)

names = titanic['Name']

print("선택된 데이터 타입:", type(names)) # 선택된 데이터 타입: <class 'pandas.Series'>

names.head()
여러 컬럼 선택 (DataFrame 반환, 원하는 순서로 컬럼 배치 가능)

basic_info = titanic[['Name', 'Age', 'Sex']] # [[]] 형태로 입력, 이 때 적은 순서대로 컬럼 출력

print("선택된 데이터 타입:", type(basic_info)) # 선택된 데이터 타입: <class 'pandas.DataFrame'>

basic_info.head()
특정 데이터 선택
- loc : 라벨(index) 기반으로 선택
  - 특정 인덱스 행 선택
    
    titanic.loc[0] # 0번 인덱스 행 선택
  - 여러 행 선택 (일반 range()와 다르게 끝 인덱스 포함)
    
    titanic.loc[0:4] # 0부터 4번 행 선택 (실제 인덱스 넘버 기준으로)
- iloc : 위치(정수) 기반으로 선택
  - 특정 행 선택
    
    titanic.iloc[0]
  - 여러 행 선택 (loc와 다르게 끝 인덱스는 포함하지 않는다.)
    
    titanic.iloc[0:5, [3, 4, 5]] # 3, 4, 5번째 컬럼 : [행 범위, 컬럼 범위 n:m 형태도 가능, [ ] 리스트 형태로도 가능)
- 원하는 컬럼에서 특정 데이터만 선택
  
  # 여성 승객만 선택
  
  females = titanic[titanic['Sex'] == 'female'] # Sex 컬럼에서 'female' 문자열인 데이터를 선택해서 females 변수 저장
  
  print(f"여성 승객 수: {len(females)}") # 30세 미만 여성 승객 수: 147, len() 사용해서 females 데이터 요소 길이 == 데이터 갯수
- 조건으로 데이터 선택하기
  
  female = titanic['Sex'] == 'female' # 위 조건과 동일
  
  age_30 = titanic['Age'] < 30 # Age가 30보다 작은 값
  
  young_females = titanic[female & age_30] # female과 age_30에 동시에 포함된 데이터
  
  print(f'여성 승객 수: {len(female)}') # 여성 승객 수: 891
  
  print(f'30세 미만 승객 수: {len(age_30)}') # 30세 미만 승객 수: 891
  
  print(f'30세 미만 여성 승객 수: {len(young_females)}') # 30세 미만 여성 승객 수: 147
  - pandas에서는 무조건 and는 &, or은 | (shift+\)로 표기해야 한다.
- 특정 값을 포함하는 데이터 선택
  
  first_second_class = titanic[titanic['Pclass'].isin([1, 2])] # .isin() 으로 특정 값을 포함하는 데이터만 선택 가능
  
  print(f"1, 2등석 승객 수: {len(first_second_class)}") # 1, 2등석 승객 수: 400
- 결측치가 아닌/맞는 데이터를 선택
  
  age_not_null = titanic[titanic['Age'].notna()] # .notna() : na(결측치)가 아닌 데이터만 선택
  
  age_null = titanic[titanic['Age'].isnull()] # .isnull() : null(결측치)인 데이터만 선택
  
  print(f"나이 정보가 있는 승객 수: {len(age_not_null)}") # 나이 정보가 있는 승객 수: 714
  
  print(f"나이 정보가 없는 승객 수: {len(age_null)}") #나이 정보가 없는 승객 수: 177
- 특정 데이터만 골라 출력 시 인덱스가 그대로 출력되서 이를 다시 0부터 시작하기 위한 함수 : .reset_index()
  
  young_females # 조건으로 데이터 선택하기에서 조건을 건 데이터 셋
  
  young_females_reset = young_females.reset_index() # reset_index()를 이용해 인덱스 초기화
  
  young_females_reset
- 인덱스를 특정 컬럼으로 설정하기
  
  df_indexed = titanic.set_index('Name') # .set_index('컬럼명')
  
  df_indexed.head()
새로운 컬럼 형성하기

titanic['Family_Size'] = titanic['SibSp'] + titanic['Parch'] + 1 # 가족 크기 컬럼의 요소 = 형제자매 + 부모/자녀 + 본인

titanic[['Name', 'SibSp', 'Parch', 'Family_Size']].head()
특정 조건에 따른 데이터 갯수 조회

titanic['Is_Adult'] = np.where(titanic['Age'] >= 18, 'Adult', 'Child') # np.where(조건, True일 때, False 일 때)

print(titanic['Is_Adult'].value_counts()) # .value_counts() : 특정 값의 빈도 계산
복수 조건에 해당하는 데이터 조회

titanic['Passenger_Category'] = np.where(

(titanic['Pclass'] == 1) & (titanic['Age'] >= 18), # 좌석이 1등석이고, 18세 이상인 승객

'First_Class_Adult', # True

'Other' # False

)

titanic['Passenger_Category'].value_counts()
특정 컬럼을 기준으로 정렬하기 (크기 순서가 있는 컬럼, 숫자형이나 문자형(a~z, ㄱ~ㅎ) 가능)

age_sorted = titanic.sort_values('Age') # .sort_values('컬럼명') : 오름차순 정렬

age_sorted[['Name', 'Age']].head() # Name, Age 컬럼만 출력
- 내림차순 정렬
  
  age_desc = titanic.sort_values('Age', ascending=False) # .sort_values('컬럼명', ascending=False) : 내림차순 정렬
  
  age_desc[['Name', 'Age']].head()
- 두 가지 컬럼을 기준으로 서로 다른 차순 정렬
  
  multi_sorted = titanic.sort_values(['Pclass', 'Age'], ascending=[True, False])
  # .sort_values(['컬럼명_1,컬럼명_2'], ascending=[True,False]) True == 오름차순, False == 내림차순
  
  → 리스트 형태로 지정하고 동일 인덱스 위치의 조건으로 정렬
  
  multi_sorted[['Name', 'Pclass', 'Age']].head()
  
  multi_sorted[['Name', 'Pclass', 'Age']].tail()

실습 : 우리 가게 팁 분석하기 ( with Tips dataset )

목표 : 언제가 피크타임인지, 어떤 손님이 팁을 후하게 주는지
데이터 준비하기 (Seaborn 활용) : 연습용 데이터 불러와서 사용

import seaborn as sns
# 데이터 가져오기

df = sns.load_dataset('tips')

df.head()

# 데이터 훑어보기

print(df.shape)

print('-------------------------------')

df.info()

print('-------------------------------')

df.describe()
# 피크타임 → 요일, 시간대에 따라 손님이 몇 명인지 분석 .groupby('time') 사용

df.groupby('time').count()

저녁 시간대가 손님이 두 배 이상 많다.

df.groupby('day').count()

토요일 > 일요일 > 화요일 >>> 금요일

# 시간대, 성별, 흡연 여부, 요일 등에 따른 팁 비교 등

df.groupby('time')['tip'].mean()

저녁 시간대가 조금 더 많은 팁

df.groupby('sex')['tip'].mean()

남성이 조금 더 많은 팁

df.groupby('smoker')['tip'].mean()

거의 차이 없음

df.groupby('day')['tip'].mean()

일요일에 가장 많은 팁

# 인원수에 따른 단체 손님 여부 분류와 각 팁 크기

# 4명 이상이면 'Large', 아니면 'Small'로 구분하는 함수

def get_size_type(size):

if size >= 4:

return 'Large'

else:

return 'Small'

df['table_type'] = df['size'].apply(get_size_type)

print(df.groupby('table_type')['tip'].mean())

4인 이상 단체 손님이 팁을 더 준다.

출처
내일배움캠프 자료

코테로 파이썬 공부하기 Ⅶ

Kou_ — Fri, 29 May 2026 10:49:11 +0900

코테로 배워보는 파이썬 : 코드카타 24~27번

코딩테스트 연습 | 프로그래머스 스쿨

school.programmers.co.kr

코테 문제 풀어보고 응용 문제 생각나는거 직접 풀어보기!

서울에서 김서방 찾기
String형 배열 seoul의 element중 "Kim"의 위치 x를 찾아, "김서방은 x에 있다"는 String을 반환하는 함수, solution을 완성하세요. seoul에 "Kim"은 오직 한 번만 나타나며 잘못된 값이 입력되는 경우는 없습니다.
- 컴퓨팅 사고
  - .index() 메소드 사용해서 'Kim' 인덱스 위치 반환
- my_answer (⭕)
  def solution(seoul):
  return f'김서방은 {seoul.index("Kim")}에 있다'
나누어 떨어지는 숫자 배열
array의 각 element 중 divisor로 나누어 떨어지는 값을 오름차순으로 정렬한 배열을 반환하는 함수, solution을 작성해주세요.
divisor로 나누어 떨어지는 element가 하나도 없다면 배열에 -1을 담아 반환하세요.
- 컴퓨팅 사고
  - arr%divisor==0 인 조건을 사용
  - .sort()로 오름차순 정렬
  - count 같이 써서 if 조건에서 count가 계속 0 이면 answer를 -1로 반환
- my_answer (⭕)
  def solution(arr, divisor):
      answer = []
      count = 0
      for i in arr:
          if i%divisor == 0:
              answer.append(i)
              answer.sort()
              count += 1
      if count == 0: # 이 조건이 for 문 내에 있으면 안나누어지는 값 하나만 나와도 -1 반환 가능성
          answer = [-1]
      return answer
- 다른 사람 풀이
  def solution(arr, divisor):
  return sorted([n for n in arr if n%divisor == 0]) or [-1] # 리스트 컴프리헨션과 or 사용으로 축약
  - 핵심은 빈 리스트 [ ] 는 무조건 False라는 것 → or 조건이 발동
음양 더하기
어떤 정수들이 있습니다. 이 정수들의 절댓값을 차례대로 담은 정수 배열 absolutes와 이 정수들의 부호를 차례대로 담은 불리언 배열 signs가 매개변수로 주어집니다. 실제 정수들의 합을 구하여 return 하도록 solution 함수를 완성해주세요.
- 컴퓨팅 사고
  - 양수의 정수 부분끼리 더하고 음수의 정수 부분끼리 더한 뒤 양수의 정수 부분에서 음수의 정수 부분을 빼기
- my_answer ( )
  def solution(absolutes, signs):
      p,m=0,0
      for i in range(len(absolutes)):
          if signs[i]==True:
              p+=absolutes[i]
          else:
              m+=absolutes[i]
      return p-m
  - 리스트에서 동일한 위치에 있는 값들을 지정해야함
    → 처음에는 딕셔너리에 각각을 저장하려 했지만 복잡해짐
    → 이후 위와 같이 i 로 인덱싱해서 동일한 인덱스 위치에 해당하는 값들끼리 같이 계산되도록 했음
- 다른 사람 풀이
  def solution(absolutes, signs):
      answer=0
      for absolute,sign in zip(absolutes,signs):
          if sign:
              answer+=absolute
          else:
              answer-=absolute
      return answer
  - zip() 함수 : iterable 객체를 인자로 받아 동일 인덱스 위치 요소들을 튜플로 묶어서 반환
  - 굳이 각각 더하지말고 -= 하면 된다. # 안되는줄...
  - 한 줄 숏코딩도 가능하긴 하다.
    def solution(absolutes, signs):
    return sum(absolutes if sign else -absolutes for absolutes, sign in zip(absolutes, signs))
핸드폰 번호 가리기
프로그래머스 모바일은 개인정보 보호를 위해 고지서를 보낼 때 고객들의 전화번호의 일부를 가립니다.
전화번호가 문자열 phone_number로 주어졌을 때, 전화번호의 뒷 4자리를 제외한 나머지 숫자를 전부 *으로 가린 문자열을 리턴하는 함수, solution을 완성해주세요.
- 컴퓨팅 사고
  - 전화번호는 길이가 일정하지 않다 → 하지만 뒤에서 4자리는 항상 고정
  - 뒷 4자리를 제외한 부분을 [:-4]로 슬라이싱해서 그 부분만 값을 변경
  - ~~list(map())으로 쪼개고 다시 join 해야하나..?~~
- my_answer ( )
  def solution(phone_number):
  return len(phone_number[:-4])*'*' + phone_number[-4:]
  - 뒷자리를 제외한 폰번호 길이만큼 *을 곱하고 나머지 뒷 4자리 더하면 되는 것

파이썬 환경 구축은 어떻게 하나요?

Kou_ — Thu, 28 May 2026 21:00:30 +0900

전처리 & 시각화 라이브 세션 1회차

pip

pip (Python Installer Package)라는 도구로 파이썬에서 대부분의 라이브러리를 설치하고 관리 가능
PyPI (Python Package Index)에서 패키지를 검색, 다운로드, 설치, 제거, 업그레이드 기능 제공

pip 주요 명령어

명령어	설명
pip --version	설치된 pip 버전 확인
pip list	설치된 패키지 목록 조회
pip list \| findstr py	특정 문자열 포함 패키지 검색 (Windows)
pip show 패키지명	패키지 상세 정보 확인
pip install 패키지명	패키지 설치
pip install 패키지명==버전	특정 버전 설치
pip install --upgrade 패키지명	패키지 최신 버전 업그레이드
pip install --upgrade pip	pip 자체 업그레이드
pip uninstall 패키지명	패키지 삭제
pip freeze	설치 패키지 버전 목록 출력
pip freeze > requirements.txt	현재 환경 패키지 저장
pip install -r requirements.txt	requirements 파일 기반 설치
pip search 패키지명	패키지 검색 (현재는 deprecated)
pip cache dir	pip 캐시 경로 확인
pip cache purge	pip 캐시 삭제
python -m pip install 패키지명	특정 Python 환경 기준 설치
python -m ensurepip	pip 복구/초기 설치

파이썬 가상환경(venv) 생성

파이썬 설치 확인
- cmd, powershell, VSCode 내부 terminal 등에서 실행
- 명령어 : python --version
가상환경 생성
- 실행 위치 : 프로젝트 폴더 내부 터미널
- 명령어 : python -m venv venv
가상환경 활성화
- windows
  .\venv\Scripts\activate
- Mac / Linux
  source venv/bin/activate
- 정상적으로 실행 시 터미널 앞에 (venv) 표시
VSCode 인터프리터 설정
- 가상환경 활성화에 더해 VSCode가 사용할 파이썬을 지정
  Ctrl + Shift + P → Python: Select Interpreter → venv 선택
패키지 설치
- 가상환경 활성화 후 터미널에서 실시
- 명령어 : pip install 패키지명
설치된 패키지 확인
- 명령어 : pip list
환경 저장 (requrements.txt)
- 현재 설치된 라이브러리 목록을 저장 → 이걸 바탕으로 팀 프로젝트 진행 시 파이썬 환경을 동일하게 맞출 수 있음
- 명령어 : pip freeze > requirements.txt
환경 복원
- 'requirements.txt'를 바탕으로 다른 PC에서 팀원이 동일 환경을 설치하고자 할 때 사용
- 명령어 : pip install -r requirements.txt
가상환경 종료
- 명령어 : deactivate
- (venv) 표시 제거됨
- .gitignore 설정
  - 가상환경 폴더는 Git에 올리지 않는다.
    → 용량이 매우 크고 OS마다 다르며, requirments.txt로 복원이 가능하다.
  - 예시
    venv/
    __pycache__/
    .ipynb_checkpoints/
    .env

Numpy

Numerical Python의 줄임말, 산술 계산을 위해 필수적인 패키지 중 하나
ndarray라고 하는 N차원 배열 객체가 핵심 기능 중 하나 (대규모 데이터 집합을 담을 수 있는 빠르고 유연한 자료 구조)
일반적인 list와 Numpy array의 차이점
- import numpy as np
  
  num_list = [1, 2, 3]
  
  num_array = np.array([1,2,3])
- 둘 다 print 시 동일하게 출력
- 각각에 *2를 할 경우
  
  num_list * 2 #[1, 2, 3, 1, 2, 3]
  
  num_array * 2 #array([2, 4, 6])
- .dtype
  
  num_list2 = [1, 2, 3, 'Hello']
  
  num_array2 = np.array(num_list2)
  
  print(num_array2.dtype) #<U21 (U21는 NumPy의 문자열 dtype 표현)
  - < : 리틀 엔디안 (little-endian) 방식, 작은 자릿수부터 저장 / > : 빅 엔디안 (big-endian), 큰 자릿수부터 저장
  - U : 유니코드 문자열 (Unicode string)
  - 21 : 문자열 최대 길이 = 21 글자
  - 즉, 최대 21글자의 유니코드 문자열을 배열
Numpy 차원

1차원 - 축 (행) : axis 0 → Vector

a = np.array([1, 2, 3])

print(a) # [1 2 3] → 리스트와 다르게 , 없이 나타남

print(a.shape) # (3, ) → 배열 모양 = 1차원 형태 : 튜플 형태 (열의 수, ) => 튜플 내 숫자의 수 == 차원

print(a.ndim) # 1 → 차원 수
2차원 - 축 (열) : axis 0 → Matrix

b = np.array([

[1, 2, 3],

[4, 5, 6]

])

print(b) # [[1 2 3]

[4 5 6]]

print(b.shape) # (2, 3) → 2차원 : (행의 수, 열의 수)

print(b.ndim) # 2
3차원 - 축 (채널) : axis 0 → Tensor

c = np.array([

[

[1, 2, 3],

[4, 5, 6]

],

[

[7, 8, 9],

[10, 11, 12]

]

])

print(c) # [[[ 1 2 3]

# [ 4 5 6]]

# [[ 7 8 9]

# [10 11 12]]]

print(c.shape) # (2, 2, 3) → 3차원 : (층의 수, 행의 수, 열의 수), 층이 가장 바깥 리스트라서 튜플 처음에 위치

print(c.ndim) # 3

numpy 메소드
- .size : 배열 속 원소의 총 갯수
- .arange(배열 크기, 요소 타입) : 범위 내 배열 만들기
  
  array1 = np.arange(4)
  
  print(array1) # [0 1 2 3]
- np.zeros() : 모든 값을 0으로 채운 Numpy 배열 생성 함수
  
  array2 = np.zeros((4,4), dtype=float)
  
  print(array2) # 4행 4열의 실수 원소 타입의 배열 생성
  [[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]
- np.ones(배열 크기, 요소 타입) : 모든 값을 1로 ...
- np.random.randint(최소값, 최대값, 배열 크기) → np.random은 무작위 숫자 생성, randint는 랜덤 정수 생성
- np.random.normal(0, 1, 배열 크기) → normal은 평균 0, 표준편차 1인 정규분포를 따르는 배열 생성
- np.append(리스트, 요소) : 리스트에 마지막에 요소 추가 ↔ 일반 list.append()와는 구조가 다름
numpy 배열의 출력 (print(배열명) vs 배열명)

A = np.append(a, 4)

print(A) # [6 7 8 9 4]

A # array([1, 2, 3, 4])
numpy 배열 형태 바꾸기

array1 = np.array([1,2,3,4])

array1 = array1.reshape(2,2)

print(array1) # [[1 2]
[3 4]]
numpy 배열 슬라이싱

arr = np.arange(16).reshape(4,4)

print(arr) # [[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]

→ arange(최소,마지막,스텝) : 0~숫자 전까지 배열 형성 ↔ range()와 유사
→ .reshape(배열 크기) : 배열 크기로 재형성
numpy 배열 슬라이싱

arr[1:3] # array([[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

→ 배열명[시작:마지막,스텝] : 예시에서는 슬라이싱, 가장 바깥 리스트 인덱스 1 (2행)부터 인덱스 2 (3행)까지
numpy 배열 인덱스

arr[2,2] # 파이썬에서는 10, 주피터에서는 np.int64(10)
numpy 배열 내부 리스트 슬라이싱

arr[:,0:2] #array([[ 0, 1],
[ 4, 5],
[ 8, 9],
[10, 11]])

→ 모든 행에서 0~1번 열만 출력
numpy 배열 합치기 & 나누기
- numpy 1차원 배열 합치기
  
  array1 = np.array([1,2,3])
  
  array2 = np.array([4,5,6])
  
  array3 = np.concatenate([array1, array2])
  
  print(array3) # [1 2 3 4 5 6]
  
  print(array3.shape) # (6, )
  
  → np.comcatenate([배열명_1, 배열명_2])
- numpy 2차원 배열 세로축으로 합치기
  
  array1 = np.arange(4).reshape(1,4)
  
  array2 = np.arange(8).reshape(2,4)
  
  print(array1)
  
  print('----------------')
  
  print(array2)
  
  print('----------------')
  
  array3 = np.concatenate([array1, array2], axis=0)
  
  print(array3)
  
  출력 형태
  
  → array1이 1행으로 합쳐짐 ( axis=0 → 행 )
- numpy 2차원 배열 가로축으로 합치기
  
  array1 = np.arange(4).reshape(4,1)
  
  array2 = np.arange(8).reshape(4,2)
  
  print(array1)
  
  print('----------------')
  
  print(array2)
  
  print('----------------')
  
  array3 = np.concatenate([array1, array2], axis=1)
  
  print(array3)
  
  출력 형태
  
  → 1번 array가 제일 왼쪽 열로 합쳐짐 ( axis = 1 → 열 )
- numpy 배열 나누기
  
  array = np.arange(8).reshape(2,4)
  
  left, right = np.split(array, [2], axis=1)
  
  print(array)
  
  print('----------------')
  
  print(left)
  
  print('----------------')
  
  print(right)
  
  출력 형태
  
  → np.split(배열명, 기준 인덱스, 방향) : 기준 인덱스 앞에서 자르기, axis = 0(행, 가로), 1(열, 세로)
numpy 덧셈

z = np.arange(1,11).reshape(2,5)

np.sum(z, axis=0) # array([ 7, 9, 11, 13, 15])

np.sum(z, axis=1) # array([15, 40])
불리언 인덱싱
- 불리언 값으로 출력
  
  (z > 3) & (z%2==0) # 조건에 해당하는 값은 True, 아니면 False로 출력
  
  출력결과
- 요소를 추출
  
  z[(z > 3) & (z%2==0)] # array([3, 6, 9]) → 조건에 해당하는 요소만 리스트로 출력
배열 연산

x = np.array([[1,2], [3,4]], dtype=np.float64) # x = [[1, 2], # y = [[5, 6],

y = np.array([[5,6], [7,8]], dtype=np.float64) [3, 4]] [7, 8]]
- 더하기 → x + y 또는 np.add(x,y)
- 빼기 → x - y 또는 np.substract(x,y)
- 곱하기 → x * y 또는 np.multiply(x,y)
- 나누기 → x / y 또는 np.divide(x,y)
- 행렬곱(Matrix Mulyiplication) → x @ y 또는 np.matmul(x,y)
  
  # [[19. 22.] # ex) 19는 행렬곱('x의 행 요소 * y의 열 요소'를 순차적으로 진행) = 1*5+2*7 = 19
  
  # [43. 50.]]

실습 1 : 5일간의 불량률 데이터 분석 (기본 통계)

# 일별 불량품 수 (개)

defects = np.array([12, 8, 15, 10, 5])

# 일별 총 생산량 (개)

production = np.array([1000, 1050, 980, 1020, 950])

총 생산된 제품 수와 총 불량품 수 계산

total_production = np.sum(production)

total_defects = np.sum(defects)

print(f"1. 총 생산량: {total_production}개, 총 불량품 수: {total_defects}개") # f-string
5일간 평균 일별 불량품 수 계산

avg_defects = np.mean(defects)

print(f"2. 평균 일별 불량품 수: {avg_defects:.2f}개") # :.2f == 소수점 아래 둘째 자리까지 표시
각 일별 불량률(%) 계산

defect_rates_per_day = (defects / production)*100

print(f'3. 일별 불량률 (%): {defect_rates_per_day.round(2)}') # .round(n) = 소수점 아래 n자리에서 반올림(rounding)
전체 기간 최종 불량률(%) 계산

total_defect_rate = (total_defects / total_production) * 100

print(f'4. 최종 불량률 (%): {total_defect_rate:.3f}%')

출처
내일배움캠프 교육 자료

코테로 파이썬 공부하기 Ⅵ

Kou_ — Thu, 28 May 2026 18:32:32 +0900

26-05-28

코테로 배워보는 파이썬 : 코드카타 21~23번

코딩테스트 연습 | 프로그래머스 스쿨

school.programmers.co.kr

코테 문제 풀어보고 응용 문제 생각나는거 직접 풀어보기!

하샤드 수
양의 정수 x가 하샤드 수이려면 x의 자릿수의 합으로 x가 나누어져야 합니다. 예를 들어 18의 자릿수 합은 1+8=9이고, 18은 9로 나누어 떨어지므로 18은 하샤드 수입니다. 자연수 x를 입력받아 x가 하샤드 수인지 아닌지 검사하는 함수, solution을 완성해주세요.
- 컴퓨팅 사고
  - 앞서 각 자리수를 더한 값으로 x를 나눠 나머지가 0인지 확인한다.
  - x의 자릿수를 map과 list로 분리한 뒤 sum으로 합한다.
- my_answer (⭕)
  def solution(x):
      a = sum(list(map(int,str(x))))
      if x%a==0:
          answer = True
      else:
          answer = False
      return answer
  - list(map(함수, 리스트)) : 자릿수 구분에 제일 많이 사용
    위의 코드에서 str(x)를 사용해 문자열로 만들면 문자열은 Iterable 객체라서 한 글자씩 분리가 가능
    → 분리된 객체에 각각 map으로 int를 씌우는 것
두 정수 사이의 합
두 정수 a, b가 주어졌을 때 a와 b 사이에 속한 모든 정수의 합을 리턴하는 함수, solution을 완성하세요.
예를 들어 a = 3, b = 5인 경우, 3 + 4 + 5 = 12이므로 12를 리턴합니다.
- 컴퓨팅 사고
  - a>b의 경우와 b>a의 경우를 각각 고려
  - range를 사용하여 0부터 for문을 사용해 i를 a부터 b까지 더할 것
- my_answer (⭕)
  def solution(a, b):
      answer = 0
      if a<b:
          for i in range(a,b+1):
              answer+=i
      else:
          for i in range(b,a+1):
              answer+=i
      return answer
- 다른 사람 풀이
  - 가우스 합 (최대값 + 최솟값)/(갯수*0.5) 활용
    def adder(a, b):
    return (a+b)*(abs(a-b)+1)//2
  - 최대, 최소 함수 활용
    def adder(a, b):
    return sum(range(min(a, b), max(a, b)+1)) #min, max를 활용해 최소~최대까지 range를 설정 가능
콜라츠 추측
1937년 Collatz란 사람에 의해 제기된 이 추측은, 주어진 수가 1이 될 때까지 다음 작업을 반복하면, 모든 수를 1로 만들 수 있다는 추측입니다. 작업은 다음과 같습니다.
1-1. 입력된 수가 짝수라면 2로 나눕니다.
1-2. 입력된 수가 홀수라면 3을 곱하고 1을 더합니다.
2. 결과로 나온 수에 같은 작업을 1이 될 때까지 반복합니다.
예를 들어, 주어진 수가 6이라면 6 → 3 → 10 → 5 → 16 → 8 → 4 → 2 → 1 이 되어 총 8번 만에 1이 됩니다. 위 작업을 몇 번이나 반복해야 하는지 반환하는 함수, solution을 완성해 주세요. 단, 주어진 수가 1인 경우에는 0을, 작업을 500번 반복할 때까지 1이 되지 않는다면 –1을 반환해 주세요.
- 컴퓨팅 사고
  - 입력 숫자가 1 될 때 까지 반복은 while로 설정
  - 짝수 조건걸고 1-1, 아닐 대 1-2 설정
  - 결과가 500 넘을 때를 조건으로 -1 반환
- my_answer (⭕)
  def solution(num):
      answer = 0
      while num != 1:
          if num%2==0:
              num = num/2
              answer+=1
          else:
              num = num*3 + 1
              answer+=1
      if answer>500:
          answer=-1
      return answer
  - while 문 : while 문에서 조건은 해당 조건이 성립하는 동안만 실행하는 것
    → 즉, 1이 될 때까지 실행하고 싶다면 1이 아닐 때를 조건으로 만들면 되는 것

코테로 파이썬 공부하기 Ⅴ

Kou_ — Wed, 27 May 2026 14:11:23 +0900

26-05-26

코테로 배워보는 파이썬 : 코드카타 14~20번

코딩테스트 연습 | 프로그래머스 스쿨

school.programmers.co.kr

코테 문제 풀어보고 응용 문제 생각나는거 직접 풀어보기!

약수의 합
정수 n을 입력받아 n의 약수를 모두 더한 값을 리턴하는 함수, solution을 완성해주세요.
- 컴퓨팅 사고
  - 1부터 n까지의 수로 n을 나눴을 때 나머지가 0인 숫자는 약수
  - 빈 리스트에 append로 추가해서 sum으로 더하기
- my_answer (⭕)
  def solution(n):
  return sum([i for i in range(1,n+1) if n%i==0])
나머지가 1이 되는 수 찾기
자연수 n이 매개변수로 주어집니다. n을 x로 나눈 나머지가 1이 되도록 하는 가장 작은 자연수 x를 return 하도록 solution 함수를 완성해주세요. 답이 항상 존재함은 증명될 수 있습니다.
- 컴퓨팅 사고
  - n%x==1 조건 만족하는 x
  - n이 3 이상 → x는 range(2,n+1)
- my_answer (⭕)
  def solution(n):
  return min([x for x in range(2,n+1) if n%x==1])
  - 정답이긴 하지만 리스트 전체를 뽑아서 최소값을 찾기 때문에 비효율 적이라고 생각
    → range로 x를 하나씩 넣으면 어차피 낮은 값부터 나오니까 처음 조건을 만족했을 때 멈추면?
  - 이럴 땐 리스트 컴프리헨션(리스트를 작성하는 간단한 문법)은 비효율 적
    → 기본 if 문, for 문으로 작성
- 수정
  def solution(n):
      for x in range(2,n+1):
          if n%x==1:
              return x #조건 만족 후 바로 종료하기 위해 if 문 안에 return 작성
x만큼 간격이 있는 n개의 숫자
함수 solution은 정수 x와 자연수 n을 입력 받아, x부터 시작해 x씩 증가하는 숫자를 n개 지니는 리스트를 리턴해야 합니다. 다음 제한 조건을 보고, 조건을 만족하는 함수, solution을 완성해주세요.
- 컴퓨팅 사고
  - 1부터 n까지 범위를 정한 뒤 x를 각 수에 곱하면 n개의 수열
- my_answer (⭕)
  def solution(x, n):
  return [i*x for i in range(1,n+1)]
자연수 뒤집어 배열로 만들기
자연수 n을 뒤집어 각 자리 숫자를 원소로 가지는 배열 형태로 리턴해주세요. 예를들어 n이 12345이면 [5,4,3,2,1]을 리턴합니다.
- 컴퓨팅 사고
  - n을 map으로 각각 나눈 뒤 reverse
- my_answer (⭕)
  def solution(n):
      answer = list(map(int,str(n)))
      answer.reverse()
      return answer
  - list.reverse() : list를 역순으로 정렬
  - list.sort(reverse=True) : 수의 크기로 내림차순 정렬
- 다른 사람 풀이
  def solution(n):
  return [int(i) for i in str(n)][::-1]
  - n을 문자열로 변환 후 for 문으로 각각 정수로 변환한 뒤 list로 저장해서 [::-1]로 역순 배열
문자열을 정수로 바꾸기
문자열 s를 숫자로 변환한 결과를 반환하는 함수, solution을 완성하세요.
ex) "1234"면 1234, "-1234"면 -1234 반환
- my_answer (⭕)
  def solution(s):
  return int(s)
정수 제곱근 판별
임의의 양의 정수 n에 대해, n이 어떤 양의 정수 x의 제곱인지 아닌지 판단하려 합니다.
n이 양의 정수 x의 제곱이라면 x+1의 제곱을 리턴하고, n이 양의 정수 x의 제곱이 아니라면 -1을 리턴하는 함수를 완성하세요.
- 컴퓨팅 사고
  - if 문 사용해서 n==x**2이 성립하면 (x+1)**2을 리턴, 아니면 -1 리턴
    → x 입력값이 없기 때문에 n의 제곱근 (n**0.5)를 기준으로 생각
- my_answer (❌)
  def solution(n):
      root = n**0.5
      if root.is_integer():
          return (root+1)**2
      else:
          return -1
  - 최초 접근법이 틀렸고 이후에는 root가 정수인지 아닌지 판별하는 법을 몰랐다.
  - type(root)==int를 사용할 때, n==25라면 root==5.0이다. 즉, float 형태가 되어 else가 실행된다.
    → 때문에 .is_integer()가 필요!!
  - 알아두면 좋은 판단 메소드 → 결과가 모두 True of False로 출력
    - str 계열
      - .isdigit() : 문자열이 숫자로만 이루어져 있는가
      - .isalpha() : 문자열이 알파벳으로만 이루어져 있는가
      - .islower() : 문자열이 전부 소문자인가
      - .isupper() : 문자열이 전부 대문자인가
      - .isspace() : 문자열에 공백이 포함되는가
    - float 계열
      - .is_integer() : 정수 형태인가
    - 객체 타입 확인
      - isinstance(객체, type) : 객체의 타입이 맞는가
- 다른 사람 풀이
  def nextSqure(n):
      sqrt = n ** (1/2)
      if sqrt % 1 == 0: #1로 나눴을 때 나머지가 없다면 정수!!!
          return (sqrt + 1) ** 2
      return -1
정수 내림차순으로 배치하기
함수 solution은 정수 n을 매개변수로 입력받습니다. n의 각 자릿수를 큰것부터 작은 순으로 정렬한 새로운 정수를 리턴해주세요. 예를들어 n이 118372면 873211을 리턴하면 됩니다.
- 컴퓨팅 사고
  - n을 map으로 분리한 뒤 sort(reverse=True) 사용
- my_answer ( )
  def solution(n):
      a = list(map(str,str(n)))
      a.sort(reverse=True)
      answer = ''.join(a)
      return int(answer)
  - join 문법 : '각 원소 사이에 넣고 싶은 것'.join(문자열 리스트)
    ex) jo = '-'.join(num) #num = ['1','2','3','4','5'] 라면 1-2-3-4-5
- 다른 사람 풀이
  def solution(n):
      ls = list(str(n)) #str로 문자열 변환하면 글자 하나씩 분리 가능
      ls.sort(reverse = True) #숫자 문자열은 크기 비교 가능해서 sort 사용 가능
      return int("".join(ls)) #join 써서 하나의 문자열로 묶은 뒤 int로 정수형 변환

코테로 파이썬 공부하기 Ⅳ

Kou_ — Tue, 26 May 2026 20:05:14 +0900

26-05-26

코테로 배워보는 파이썬

코딩테스트 연습 | 프로그래머스 스쿨

school.programmers.co.kr

코테 문제 풀어보고 응용 문제 생각나는거 직접 풀어보기!

각도기
각에서 0도 초과 90도 미만은 예각, 90도는 직각, 90도 초과 180도 미만은 둔각 180도는 평각으로 분류합니다. 각 angle이 매개변수로 주어질 때 예각일 때 1, 직각일 때 2, 둔각일 때 3, 평각일 때 4를 return하도록 solution 함수를 완성해주세요.
- 컴퓨팅 사고
  - if 문 사용해서 조건별 출력값 지정
- my_answer (⭕)
  def solution(angle):
      if angle == 180:
          answer = 4
      elif angle > 90:
          answer = 3
      elif angle == 90:
          answer = 2
      elif angle > 0:
          answer = 1
      return answer
- 다른 사람 풀이
  def solution(angle):
  answer = (angle // 90) * 2 + (angle % 90 > 0) * 1
  return answer
  - angle//90의 결과는 0(0<angle<90), 1(90<=angle<180), 2(angle=180)
  - angle%90>0의 결과는 나누어 떨어지지 않을 때 1(True), 180 or 90일 때 0(False)
  - 두 계산의 합으로 각 조건이 1, 2, 3, 4로 출력
  - 가장 뒤의 *1은 없어도 실행 가능
짝수의 합
정수 n이 주어질 때, n이하의 짝수를 모두 더한 값을 return 하도록 solution 함수를 작성해주세요.
- 컴퓨팅 사고
  - range(n+1) 범위에서 짝수 조건 i%2==0 을 만족하는 i의 합을 구하기
- my_answer (⭕)
  def solution(n):
      sum=0
      for i in range(n+1):
          if i%2==0:
              sum+=i
      return sum
- 다른 사람의 무게
  def solution(n):
  return sum([i for i in range(2, n + 1, 2)]) #
  - 처음 리스트 컴프리헨션 사용했을 때 sum(i) for i in range(2, n + 1, 2) 로 입력을 했다.
    실행 오류가 발생했고 원인은 sum(i)를 따로 먼저 실행하기 떄문에
    sum() 내부에 리스트 컴프리헨션을 작성해야 sum 내부에 리스트 값을 합쳐서 하나의 결과로 출력한다.
짝수와 홀수
정수 num이 짝수일 경우 "Even"을 반환하고 홀수인 경우 "Odd"를 반환하는 함수, solution을 완성해주세요.
- 컴퓨팅 사고
  - 짝수 조건 사용해서 'Even', else로 'Odd' 반환
- my_answer (⭕)
  def solution(num):
      if num%2==0:
          answer = 'Even'
      else:
          answer = 'Odd'
      return answer
- 다른 사람 풀이
  def solution(num):
  return "Even" if num%2==0 else "Odd"
평균 구하기
정수를 담고 있는 배열 arr의 평균값을 return하는 함수, solution을 완성해보세요.
- 컴퓨팅 사고
  - 배열 합(sum)을 배열 길이(len)로 나누기
- my_answer (⭕)
  def solution(arr):
  answer = sum(arr)/len(arr)
  return answer
자릿수 더하기
자연수 N이 주어지면, N의 각 자릿수의 합을 구해서 return 하는 solution 함수를 만들어 주세요.
예를들어 N = 123이면 1 + 2 + 3 = 6을 return 하면 됩니다.
- 컴퓨팅 사고
  - n을 문자열 → map → 리스트 변환 후 다시 정수 변환 → sum
- my_answer (❌)
  def solution(n):
      a_list = list(map(int,str(n)))
      b_list = list(map(int,a_list))
      answer = sum(b_list)
      return answer

Python 실력 쑥쑥 심화 세션 2회차

알아두면 좋은 파이썬 문법

try / except : try에서 에러 발생 시 except 시행
즉, except 시행 이후에는 다시 try로 돌아가지 않음 → 코드_블록2까지 시행 후 코드_블록4 출력
- 예시
  try:
  코드_블록1
  코드_블록2 #에러 코드
  코드_블록3
  except:
  print('에러 발생') #코드_블록2에서 에러 발생하면 except에서 에러 발생 출력
enumerate : 인덱스 번호와 값을 같이 꺼내는 문법
for index, value in enumerate(리스트):
- 예시 1
  fruits = ["apple", "banana", "orange"]
  for i, fruit in enumerate(fruits):
  print(i, fruit)
  #출력 → 매개변수 2개 지정하면 아래와 같이 출력
  0 apple
  1 banana
  2 orange
- 예시 2
  fruits = ["apple", "banana", "orange"]
  for x in enumerate(fruits):
  print(x)
  #출력 → 매개변수 1개만 지정하면 튜플 형태로 출력
  (0, 'apple')
  (1, 'banana')
  (2, 'orange')
lambda : 간단한 함수를 한 줄로 만드는 문법
def add(x):
return x + 1
↓
lambda x: x + 1
- 예시
  numbers = [1, 2, 3]
  result = list(map(lambda x: x * 2, numbers)) #numbers의 모든 요소(x)에 대해(map) 2를 곱해서 x로 반환한 뒤 list로 저장
  print(result)
list / map : 모든 요소에 같은 작업을 적용하는 함수(map), list의 형태로 만들어주는 함수(list())
list(map(함수, 리스트))
- 예시
  numbers = [1, 2, 3, 4, 5]
  result = list(filter(lambda x: x % 2 == 0, numbers))
  print(result) #2, 4
filter : 조건에 맞는 것만 골라내는 함수
filter(조건함수, 리스트)
- 예시
  numbers = [1, 2, 3, 4, 5]
  result = list(filter(lambda x: x % 2 == 0, numbers)) #numbers에서 짝수만 골라(filter) 리스트로 저장(list)
  print(result) #[2,4]

코테로 파이썬 공부하기 Ⅲ

Kou_ — Mon, 25 May 2026 17:00:38 +0900

26-05-25

코테로 배워보는 파이썬

코딩테스트 연습 | 프로그래머스 스쿨

school.programmers.co.kr

코테 문제 풀어보고 응용 문제 생각나는거 직접 풀어보기!

배열 순서 반대로하기
정수가 들어 있는 배열 num_list가 매개변수로 주어집니다. num_list의 원소의 순서를 거꾸로 뒤집은 배열을 return하도록 solution 함수를 완성해주세요.
- 컴퓨팅 사고 해보기
  - 순서를 거꾸로 뒤집는다 → .reverse()
- my_answer (⭕)
  def solution(num_list):
      num_list.reverse()
      answer=num_list
      return answer
- 다른 사람 풀이
  def solution(num_list):
  answer=num_list[::-1] #인덱싱의 step을 -1로 조절해서 가장 간단한 방법
  return answer
배열 두 배 만들기
정수 배열 numbers가 매개변수로 주어집니다. numbers의 각 원소에 두 배 한 원소를 가진 배열을 return하도록 solution 함수를 완성해주세요.
- 컴퓨팅 사고 해보기
  - 각 원소의 2배를 하기 위해 새로운 빈 리스트를 만든 뒤 numbers 원소를 하나씩 꺼내 2배한 뒤 append
- my_answer (⭕)
  def solution(numbers):
      answer=[]
      for num in numbers:
          num=num*2
          answer.append(num)
      return answer
- 다른 사람 풀이
  def solution(numbers):
  return [num*2 for num in numbers] #리스트 컴프리헨션
중앙값 구하기
중앙값은 어떤 주어진 값들을 크기의 순서대로 정렬했을 때 가장 중앙에 위치하는 값을 의미합니다. 예를 들어 1, 2, 7, 10, 11의 중앙값은 7입니다. 정수 배열 array가 매개변수로 주어질 때, 중앙값을 return 하도록 solution 함수를 완성해보세요.
- 컴퓨팅 사고 해보기
  - 일단 array를 오름차순으로 정렬하고, 이후 전체 길이를 len으로 구한 뒤 절반 위치의 인덱스 값을 반환?
- my_answer (⭕)
  def solution(array):
      array.sort() #중앙값이란 리스트 중앙에 위치한 값이 아니라 크기 순으로 정렬했을 때 중앙에 위치한 값
      answer=array[int((len(array)/2)-0.5)]
      return answer
- 다른 사람 풀이
  def solution(array):
  return sorted(array)[len(array)//2] #몫만 남기면 int 사용 안해도 정수형
최빈값 구하기
최빈값은 주어진 값 중에서 가장 자주 나오는 값을 의미합니다. 정수 배열 array가 매개변수로 주어질 때, 최빈값을 return 하도록 solution 함수를 완성해보세요. 최빈값이 여러 개면 -1을 return 합니다.
- 컴퓨팅 사고 해보기
  - 최빈값 가장 자주 나오는 값 → 특정 값의 갯수(count())를 세어 max 값을 반환
- my_answer (❌) : GPT 힌트로 완성한 것..ㅠ
  def solution(array):
      count_dict={ }
      for i in array:
          count_dict[i]=array.count(i)
          max_count=max(count_dict.values())
          if list(count_dict.values()).count(max_count)>1:
              answer=-1
          else:
              answer=max(count_dict, key=lambda x: count_dict[x])
      return answer
- GPT 첨삭
  def solution(array):
      count_dict = {}
      max_count = 0
      answer = -1
  
      for i in array:
          # 등장 횟수 저장
          if i in count_dict:
              count_dict[i] += 1
          else:
              count_dict[i] = 1
  
          # 현재 숫자의 등장 횟수
          current_count = count_dict[i]
  
          # 더 큰 최빈값 발견
          if current_count > max_count:
              max_count = current_count
              answer = i
          # 같은 최빈값이 또 나온 경우
          elif current_count == max_count and answer != i:
              answer = -1
  
      return answer
  - i가 몇 번 나왔는지 저장하고, i의 현재 최빈값을 이전 max_count와 비교해서 더 크면 기존max_count와 교체, 같은 최빈값이 나왔다 그러면 -1 출력
- 다른 사람 풀이
  def solution(array):
  num = 0 #현재 최빈값
  data = 0 #최빈값을 가지는 array 값
  for i in set(array): #set을 통해 같은 i에 대한 여러번 반복 방지
  if array.count(i) > num: #array의 i 수를 세서 num보다 크면
  num = array.count(i) #그 값을 새로운 num으로 저장
  data = i #최빈값을 가지는 값을 i로 변경
  elif array.count(i) == num: #num과 같으면
  data = -1 #data를 -1로 저장
  return data
짝수는 싫어요
정수 n이 매개변수로 주어질 때, n 이하의 홀수가 오름차순으로 담긴 배열을 return하도록 solution 함수를 완성해주세요.
- 컴퓨팅 사고
  - 홀수 조건(i%2!=0)을 활용
  - 오름차순 sort 써도 되지만 n 이하의 수를 range로 정의하면 자동으로 오름차순 정렬 가능
  - 새로운 리스트에 append해서 저장
- my_answer (⭕)
  def solution(n):
      answer=[]
      for i in range(n+1):
          if i%2!=0:
              answer.append(i)
      return answer
- 다른 사람 풀이
  def solution(n):
  return [i for i in range(1, n+1, 2)] #1부터 2씩 n까지 증가하는 배열도 동일한 결과
  - list comprehension : 결과값 for 변수 in 조건
  - 내 답을 리스트 컴프리헨션 한다면?
    def solution(n):
    return [i for i in range(n+1) if i%2!=0]
  - 추가로 생각해보기
    def solution(n):
    return [i for i in range(n+1) if i%2]
    → 이것도 동일한 결과가 나온다. 왜 그럴까?
    파이썬에서 0은 False, 그 외값은 True로 취급하기 때문
    즉 각각 홀수, 짝수일 때 i%2가 1, 0이고 이는 True, False이기 때문에
    홀수만 True로 취급되어 홀수만 [ ]에 저장되는 것

밤에만

데이터를 한눈에 보기 위해 Ⅰ

Python 데이터 전처리 : 기술통계, 결측치 처리, 데이터 타입 변환

1. 기초 통계 분석 - 데이터의 전체적인 모습 파악하기

1-1. describe()로 숫자형 변수 요약하기

1-2. 상세 백분위수로 이상치 감지하기

1-3. 범주형 데이터는 value_counts()로 확인하기

1-4. 왜도와 첨도로 분포 형태 파악하기

1-5. 상관관계 분석으로 변수 간 관계 보기

2. 결측치 처리 - 비어 있는 데이터를 어떻게 다룰 것인가

2-1. 결측치 탐색하기

2-2. 결측치 제거하기

2-3. 결측치 대체하기

2-4. 고급 결측치 처리 방법

3. 데이터 타입 변환 및 날짜 처리 - 분석 가능한 형태로 바꾸기

3-1. 데이터 타입 확인하기

3-2. 문자열 숫자를 숫자형으로 변환하기

3-3. 콤마가 포함된 숫자 처리하기

3-4. 날짜 데이터는 pd.to_datetime()으로 변환하기

3-5. 날짜 기반 파생 변수 만들기

최종 정리

추가적으로

코테로 파이썬 공부하기 Ⅷ

코테로 배워보는 파이썬 : 코드카타 28~30번

코테로 공부하는 SQL Ⅰ

코테로 공부하는 SQL : 코드카타 1~3번

데이터를 다뤄보자!

목차

전처리 & 시각화 라이브 세션 2회차

pandas

데이터 구조 이해하기

데이터 불러오기 및 기본 탐색

속성과 메서드

데이터 변경 및 생성

실습 : 우리 가게 팁 분석하기 ( with Tips dataset )

코테로 파이썬 공부하기 Ⅶ

코테로 배워보는 파이썬 : 코드카타 24~27번

파이썬 환경 구축은 어떻게 하나요?

목차

전처리 & 시각화 라이브 세션 1회차

pip

파이썬 가상환경(venv) 생성

Numpy

실습 1 : 5일간의 불량률 데이터 분석 (기본 통계)

코테로 파이썬 공부하기 Ⅵ

26-05-28

코테로 배워보는 파이썬 : 코드카타 21~23번

코테로 파이썬 공부하기 Ⅴ

26-05-26

코테로 배워보는 파이썬 : 코드카타 14~20번

코테로 파이썬 공부하기 Ⅳ

26-05-26

코테로 배워보는 파이썬

Python 실력 쑥쑥 심화 세션 2회차

알아두면 좋은 파이썬 문법

코테로 파이썬 공부하기 Ⅲ

26-05-25

코테로 배워보는 파이썬