(Python 데이터 분석 입문 01편) 파이썬 입력 규칙, 패키지, 모듈 불러오기

안녕하세요? mangoseed3434입니다.

 

최근 파이썬을 활용한 데이터 분석 공부를 시작했습니다.
공부 교재로는 아래 도서를 참고하고 있습니다.

https://product.kyobobook.co.kr/detail/S000001818061

Do it! 쉽게 배우는 파이썬 데이터 분석 | 김영우 - 교보문고

 

※ 광고 목적이 아니라,
제가 어떤 기준과 방식으로 공부하고 있는지 기록하기 위한 포스팅입니다.

 

---

 

1. Python 공부를 시작하게된 배경

 

대학 시절을 돌아보면, 코딩이나 프로그래밍 방식으로 데이터를 분석해 본 경험은 거의 없었습니다.

 

대부분 OriginPro와 같은 프로그램을 활용한 'GUI 방식'으로 데이터를 분석했었습니다.

 

데이터 분석 도구에 따른 데이터 분석 방식 (2가지)

1. GUI 방식

설명 : 프로그램 내 버튼, 수식이 매크로화된 기능을 클릭하는 형태

예시 : OriginPro, Minitab 등

 

2. 프로그래밍 방식

설명 : 키보드로 명령어를 입력하는 형태

예시 : Python, SAS 등

 

그래서 공부한 내용을 정리하고 복기하기 위해 ‘파이썬 연습’ 카테고리에 기록을 남기기로 했습니다.

 

---

 

2. 데이터와 정보의 차이

 

우선, '데이터'와 '정보'의 차이는 뭘까요?

이 단어들의 차이를 대학교 1학년 교양과목에서 배웠던 기억이 나네요.

 

데이터 : 가공되지 않은 원시적인 사실, 변수들의 집합

정보 : 데이터를 가공, 분석해서 의미있고 유용한 형태로 변환한 결과

 

'변수'는 '다양한 값을 지닌 하나의 속성'입니다.

즉, '불확실성'을 갖는 요소라고도 생각할 수 있네요.

 

그렇다면, '데이터 분석'이 뭘까요?

제가 정의한 '데이터 분석'은 크게 3가지 입니다.

1. 적용하는 수식, 함수에 따라 동일한 Raw Data에서 원하는 결과만 해석할 수 있는 과정

2. 데이터를 구성하는 변수 간에 어떤 관계가 있는지 파악하는 작업

3. 함수를 이용해서 변수를 조작하는 과정

---

 

3. Jupyter Notebook 기본 입력 규칙

 

저는 '데이터 분석'을 책에서 소개한 데로 Anaconda로 입문했습니다.

https://anaconda.org/

 

Anaconda에는 JupyterLab이 기본 포함되어 있어 데이터 분석 작업을 비교적 쉽게 시작할 수 있기 때문입니다.

 

JupyterLab 실행 방법, Notebook 기본 사용법, Cell 단축키에 대한 자세한 설명은 이번 글에서는 생략합니다.
대신 실습에 필요한 최소한의 Cell 사용 규칙만 정리합니다.

 

단, Cell 다루는 방법에 대한 요약은 작성하겠습니다.

1. Cell 내 명령어 수행 방법 : Shift + Enter

2. Cell 내 줄 바꾸는 방법 : Enter

3. 변수에 다수의 값을 할당하는 방법 : [ 대괄호 ] 사용

[ 대괄호 ] : 변수에 여러개의 값을 할당할 때 사용

 

4. 변수에 문자값을 할당하는 방법 : ' 따옴표 ' 사용

' 따옴표 ' : 변수에 문자값을 할당할 떄 사용

 

5. 변수명은 영문으로 작성하되, 대소문자를 구분하니 모든 변수는 소문자로 만드는 연습이 중요

---

 

4. 함수 사용하기

 

'데이터 분석'의 시작과 끝, A to Z는 '함수'입니다.

 

제가 정의한 '함수'는 'Input을 의도한 Output으로 전환하는 과정'이에요.

데이터를 함수의 Input으로 넣으면,함수의 기능을 통해 유용한 정보로 변환할 수 있습니다.

 

함수의 구성 : '함수 이름'과 '괄호'

예시1. sum(x) : x라는 변수를 구성하는 값들의 합

예시2. max(x) : x라는 변수를 구성하는 값들 중 최대

 

sum( ), max (), min( )과 같은 함수는 파이썬에 기본으로 내장되어 있는 기본 함수입니다.

 

---

 

5. 패키지와 모듈

 

그래프 시각화와 같은 기능은 기본 함수만으로는 구현하기 어렵기 때문에 패키지를 설치해야 합니다.

패키지는 여러 함수가 묶여 있는 상위 개념입니다.

 

예를 들어, seaborn 패키지에는 다양한 시각화 함수가 포함되어 있어 그래프를 그릴 때 자주 사용됩니다.

 

대부분의 주요 패키지는 Anaconda 설치 시 함께 설치되는 경우가 많습니다.

 

seaborn패키지의 빈도 막대 그래프를 이용해 데이터를 시각화해보았습니다.

 

야호! 파이썬을 활용해서 그린 첫번째 그래프에요.

seaborn을 활용하면 다양한 형태의 그래프를 쉽게 그릴 수 있습니다.

 

다만, 매번 seaborn이라는 긴 이름을 입력하는 것은 다소 번거롭습니다.
이를 해결하기 위해 패키지에 약어를 지정할 수 있습니다.

일반적으로 개발자들이 권장하는 약어를 사용합니다.

 

seaborn 패키지 → sns

pandas 패키지  → pd

 

seaborn패키지를 sns라는 약어로 지정 후, 시각화 작업

 

약어를 사용한 이후에도 동일한 그래프가 정상적으로 재현되는 것을 확인할 수 있었습니다.

 

---

 

6. 마무리

 

이외에도 패키지와 모듈을 설치하고 로드해보는 것을 공부할 수 있었어요.

 

다음에는 데이터 프레임에 대해 공부한 후 실습한 내용을 작성해보겠습니다.

 

읽어주셔서 감사합니다.