WEEK 8 · 온라인 보강

Python과 데이터 분석
종합 정리

자료형과 자료구조 · 조건과 반복 · 데이터 처리와 해석

00

지금까지 배운 내용은 어떻게 연결될까?

자료형·자료구조값을 어떤 형태로 저장하는가?
조건·반복·함수어떤 값에 어떤 처리를 적용하는가?
NumPy·Pandas배열과 표 전체를 어떻게 처리하는가?
시각화·해석무엇을 비교했고 어떤 결론을 내릴 수 있는가?
복습의 목표: 실행 결과를 예측하고, 처리 방법을 선택한 이유를 설명한다.
01

자료형이 연산의 의미를 결정한다

코드결과판단할 내용
"20" + "5""205"문자열 연결
int("20") + 525형변환 후 숫자 계산
[20, 5] * 2[20, 5, 20, 5]리스트 반복
7 / 2 · 7 // 2 · 7 % 23.5 · 3 · 1나눗셈 · 몫 · 나머지
input()의 결과는 문자열이다. 숫자처럼 보이는 값과 계산할 수 있는 숫자 자료형을 구분한다.
01

문자열 정리와 숫자 변환은 순서가 있다

raw = " 3,000 "

text = raw.replace(" ", "")
text = text.replace(",", "")
amount = int(text)

print(amount + 500)
  1. 1
    공백 제거: " 3,000 " → "3,000"
  2. 2
    쉼표 제거: "3,000" → "3000"
  3. 3
    정수 변환: "3000" → 3000
  4. 4
    숫자 계산: 3000 + 500 → 3500
replace()를 실행해도 결과는 문자열이다. int("3,000")은 쉼표 때문에 오류가 발생한다.
01

리스트·튜플·딕셔너리·세트의 선택 기준

구조값을 찾는 기준변경·중복사용 예
리스트 [ ]위치변경 가능 · 중복 허용순서가 있는 작업 데이터
튜플 ( )위치항목 변경 불가 · 중복 허용좌표, 고정된 설정 묶음
딕셔너리 {키: 값}키키는 중복 불가 · 값 변경 가능열 이름에 대응하는 값
세트 {값, 값}원소의 포함 여부중복 제거 · 위치로 접근 불가고유 항목, 합집합·교집합
괄호 모양만 외우기보다 순서·변경 가능 여부·중복·접근 방법을 함께 판단한다.
01

인덱싱과 슬라이싱: 끝 위치는 포함하지 않는다

위치01234
값1020304050
음수-5-4-3-2-1
식결과
values[-1]50
values[1:4][20, 30, 40]
values[::2][10, 30, 50]
values[::-1][50, 40, 30, 20, 10]
values = [10, 20, 30, 40, 50]
[시작:끝:간격]에서 생략한 값과 음수 인덱스의 의미를 함께 확인한다.
01

대입과 복사: 이름이 다른데 왜 함께 바뀔까?

a = [[1, 2], [3, 4]]
b = a
c = a.copy()

b[0][0] = 9
c.append([5, 6])

print(a)
print(c)
ab같은 바깥 리스트
c새 바깥 리스트
안쪽 리스트는 공유
a: [[9, 2], [3, 4]]
c: [[9, 2], [3, 4], [5, 6]]
b = a는 복사가 아니다. a.copy()는 얕은 복사이다. 중첩된 항목까지 독립적으로 복사하려면 copy.deepcopy()를 사용한다.
01

딕셔너리는 키로 조회하고 키·값 쌍으로 순회한다

record = {"region": "논산", "count": 12}

print(record["count"])
print(record.get("year", 2026))

for key, value in record.items():
    print(key, value)
사용 방법의미
record["count"]키에 대응하는 값 조회
record["year"]키가 없으면 KeyError
record.get("year", 2026)키가 없으면 기본값 반환
record.items()키와 값을 함께 순회
분석 자료에서 항목명과 실제 키가 일치하는지 확인한다. 기본값이 실제 관측값인지도 구분한다.
02

조건식: 경계값과 논리 연산자를 함께 확인한다

score = 80
attendance = 70

print(score >= 80 and attendance >= 75)
print(score >= 80 or attendance >= 75)

if score >= 90:
    grade = "A"
elif score >= 80:
    grade = "B"
else:
    grade = "C"
식결과
True and FalseFalse
True or FalseTrue
score >= 8080도 포함
score > 8080은 제외
첫 출력: False
둘째 출력: True
grade: B
if–elif–else는 위에서부터 검사하고 처음 참인 분기 하나를 실행한다. 조건의 순서와 들여쓰기가 결과를 바꾼다.
02

반복문: 반복 범위·종료 조건·누적 위치

total = 0
for n in range(1, 6):
    if n % 2 == 0:
        total += n
print(total)

count = 3
while count > 0:
    print(count)
    count -= 1
  1. 1
    range(1, 6): 1부터 5까지
  2. 2
    n % 2 == 0: 짝수만 선택
  3. 3
    반복문 밖에서 초기화한 total에 누적
  4. 4
    while: 조건을 거짓으로 만드는 값 변경 필요
total: 6
while 출력: 3, 2, 1
누적 변수를 반복문 안에서 0으로 초기화하면 이전 결과가 사라진다. break는 현재 반복문을 종료한다.
02

함수: 출력하는 것과 반환하는 것은 다르다

def show_rate(cases, population):
    print(cases / population * 100)

def calc_rate(cases, population):
    return cases / population * 100

a = show_rate(1200, 100000)
b = calc_rate(1200, 100000)
print(a, b)

print()

화면에 보여준다.
함수의 계산 결과를 돌려주는 역할은 아니다.

return

호출한 곳에 결과를 돌려준다.
다른 계산·조건식·변수 대입에 사용할 수 있다.

show_rate가 출력: 1.2
마지막 print의 결과: None 1.2
02

리스트 연산에서 배열·표 전체의 계산으로

scores = [80, 90, 70]
print(scores * 2)

import numpy as np
arr = np.array(scores)
print(arr * 2)
print(arr.mean())
리스트: [80, 90, 70, 80, 90, 70]
NumPy: [160 180 140]
평균: 80.0

Pandas에서도 열 전체를 계산

df["cases"] / df["population"] * 100

각 행의 대응하는 값으로 같은 계산을 수행한다.

import numpy as np, import pandas as pd: 라이브러리를 불러와 별칭으로 사용한다.
02

오류 메시지에서 먼저 확인할 내용

오류대표 상황확인할 내용
TypeError문자열과 숫자를 더함 / 튜플 항목 수정실제 자료형과 허용되는 연산
ValueErrorint("3,000")값의 형식과 변환 순서
IndexError[10, 20][2]0부터 시작하는 유효 위치
KeyError딕셔너리·표에 없는 이름 사용실제 키 또는 열 이름
IndentationError블록의 들여쓰기가 맞지 않음조건·반복·함수의 범위
오류가 발생한 줄·값·자료형을 확인한다. 코드를 고치기 전에 실행이 멈춘 이유를 설명해 본다.
02

종합 코드 해석: 자료 정리부터 조건 비교까지

records = [
    {"region": "A", "cases": "1,200", "population": "100,000"},
    {"region": "B", "cases": "300", "population": "20,000"},
    {"region": "C", "cases": "0", "population": "0"}
]
def calc_rate(cases, population):
    return cases / population * 100

threshold = 1.3
for row in records:
    cases = int(row["cases"].replace(",", ""))
    population = int(row["population"].replace(",", ""))
    if population > 0:
        rate = calc_rate(cases, population)
        if rate >= threshold:
            print(row["region"], round(rate, 2))
  1. 1
    리스트에서 딕셔너리를 하나씩 꺼낸다.
  2. 2
    문자열을 정리하고 정수로 바꾼다.
  3. 3
    인구가 0보다 큰지 확인한다.
  4. 4
    함수로 비율을 계산하고 기준값과 비교한다.
지역계산선택
A1.2%제외
B1.5%출력
C분모 0계산 제외
계산 연습용 가상 자료이다. 최종 출력: B 1.5
02

종합 실습: 조건을 바꾸면 무엇이 달라질까?

threshold = 1.0

# 종합 코드의 반복문을 다시 실행한다.
A 1.2
B 1.5
  1. 1
    기준을 1.3에서 1.0으로 변경한다.
  2. 2
    반복문을 다시 실행하고 선택된 지역을 확인한다.
  3. 3
    인구가 0인 C지역이 여전히 제외되는 이유를 설명한다.
  4. 4
    조건을 달리 적용한 결과와 그 이유를 설명한다.
값 하나를 바꾸는 데서 끝내지 않고 어떤 조건에 의해 결과가 달라졌는지 설명한다.
03

리스트의 반복 처리와 DataFrame의 열 계산

rows = [
    {"region": "A", "cases": 1200, "population": 100000},
    {"region": "B", "cases": 300, "population": 20000}
]
import pandas as pd
df = pd.DataFrame(rows)
df["rate"] = df["cases"] / df["population"] * 100
regioncasespopulationrate
A12001000001.2
B300200001.5
한 행은 관측 대상 하나, 한 열은 항목 하나이다. 자료구조는 달라도 계산식과 비교 기준은 같다.
03

CSV를 읽은 뒤에는 자료의 구조부터 확인한다

raw_df = pd.read_csv(url)
raw_df.head()
raw_df.info()
raw_df[["tot_cases", "new_cases"]].isna().sum()
  1. 1
    한 행의 의미: 일별인가, 주간인가?
  2. 2
    열 이름: 날짜와 분석할 값은 무엇인가?
  3. 3
    자료형: 숫자가 문자열로 읽혔는가?
  4. 4
    결측값: 어느 열에 얼마나 있는가?
end_datetot_casesnew_cases
04/26/2023372,862833
05/03/2023373,610748
05/10/2023374,264654
6주차 하와이 자료의 실제 마지막 3행이다. tot_cases는 누적값, new_cases는 주간 신규값이다.
03

한 열과 여러 열을 선택하면 결과의 차원이 다르다

one = raw_df["tot_cases"]
two = raw_df[["end_date", "tot_cases"]]

print(type(one).__name__)
print(type(two).__name__)

df = raw_df[
    ["end_date", "tot_cases", "new_cases"]
].copy()
선택결과
df["열"]Series: 1차원
df[["열"]]DataFrame: 2차원
df[["열1", "열2"]]DataFrame: 여러 열

분석에 필요한 열만 선택

선택할 이름을 리스트로 묶어 전달한다.
이후 수정할 작업용 표는 복사하여 만든다.

03

조건식은 각 행에 대한 참·거짓의 배열이다

mask = (
    (df["new_cases"] >= 1000) &
    (df["end_date"] >= "2022-01-01")
)
selected = df[mask].copy()
new_cases날짜 조건결과
800TrueFalse
1200TrueTrue
1500FalseFalse
숫자·날짜 자료형 정리 후 실행한다. 각 조건을 괄호로 감싸고, 행별 결합에는 &·|를 사용한다. Python의 and·or와 구분한다.
03

결측값·0·문자열 "0"은 같은 값이 아니다

상태의미처리 시 판단
결측값 NaN관측·입력·집계된 값이 없음원인과 분석에 필요한 열 확인
숫자 0실제로 0으로 기록된 값분모인지, 측정 결과인지 구분
문자열 "0"문자 형태로 저장된 값계산 전 숫자 자료형으로 변환
df = df.dropna(
    subset=["tot_cases", "new_cases"]
).copy()

다른 열에 값이 없다는 이유로 필요한 행까지 제거하지 않는다.

결측값을 0으로 채우면 누락을 실제 0으로 바꾸게 된다.

03

날짜 변환·정렬·색인은 서로 다른 작업이다

  1. 1
    변환 df["end_date"] = pd.to_datetime(df["end_date"])
  2. 2
    정렬 df = df.sort_values("end_date")
  3. 3
    색인 지정 df = df.set_index("end_date")
작업목적
날짜 자료형 변환날짜로 비교·추출·계산
날짜순 정렬시간의 흐름에 맞게 표시
날짜 색인 지정날짜를 행의 기준으로 조회·결합
날짜 색인은 표의 행을 구분하는 기준이다. 정렬했다고 색인이 자동으로 날짜가 되지는 않는다.
03

데이터 결합은 행 번호가 아닌 날짜를 맞춘다

korea = pd.Series(
    [10, 12], index=["01-05", "01-12"]
)
hawaii = pd.Series(
    [8, 9], index=["01-12", "01-19"]
)
compare = pd.concat(
    [korea.rename("Korea"),
     hawaii.rename("Hawaii")], axis=1
)
날짜 색인KoreaHawaii
01-0510NaN
01-12128
01-19NaN9
공통 날짜 01-12에서 비교할 값은 12와 8이다.

결합 원리를 설명하기 위한 가상 자료이다. 실제 분석에서는 연도를 포함한 날짜 색인을 사용한다.

04

비교 지표: 건수·비율·단위를 먼저 맞춘다

계산 연습용 지역신고 건수인구인구 대비 비율
A10,000건1,000,000명1%
B5,000건100,000명5%
비율(%) = 비교할 건수 ÷ 전체 기준값 × 100
지역을 비교하려면 날짜·집계 기간·분모·단위가 같아야 한다. 건수가 많은 지역이 비율도 높은 것은 아니다.
04

누적값과 신규값은 서로 다른 질문에 답한다

구분답하는 질문주의할 계산
누적 확진 신고 건수그 시점까지 얼마나 합산되었는가?누적값들을 합하면 같은 신고가 반복 집계됨
주간 신규 확진 신고 건수그 한 주 동안 얼마나 새로 집계되었는가?일별 신규값과 직접 비교하지 않음

누적값이 증가했다

해당 시점까지의 합계가 커졌다는 뜻이다.
매주 신규값도 계속 커졌다는 뜻은 아니다.

신고 건수 ÷ 인구

누적 신고 건수를 인구로 나눈 지표이다.
재감염 등이 있어 고유 확진자의 비율과 다를 수 있다.

04

분석 목적에 따라 그래프를 선택한다

막대그래프

범주 간 크기 비교

지역별·유형별 수치를 비교한다.

선 그래프

시간에 따른 변화

날짜순으로 값의 변화를 살펴본다.

히스토그램

수치 자료의 분포

값을 구간으로 나누어 빈도를 본다.

제목에는 비교 대상과 지표를, 축에는 항목과 단위를 표시한다. 여러 계열을 비교하면 범례를 넣는다.

위 도식은 그래프의 형태를 설명하기 위한 가상 자료이다.

04

종합 코드: 하와이 CSV 정리와 비율 계산

df = raw_df[["end_date", "tot_cases", "new_cases"]].copy()
df = df.dropna(subset=["tot_cases", "new_cases"])
df["end_date"] = pd.to_datetime(df["end_date"])
for col in ["tot_cases", "new_cases"]:
    df[col] = (
        df[col].astype(str).str.replace(",", "", regex=False)
        .astype(int)
    )
df = df.sort_values("end_date")
selected = df[
    (df["end_date"] >= "2022-01-01") &
    (df["end_date"] <= "2022-12-31")
].copy()
selected["cases_pct"] = selected["tot_cases"] / 1_455_271 * 100
  1. 1
    필요한 열 선택
  2. 2
    계산에 필요한 값의 결측 여부 확인
  3. 3
    날짜·숫자 자료형 정리
  4. 4
    날짜순 정렬과 분석 기간 선택
  5. 5
    인구 대비 비율 계산
처리 순서를 바꾸면 결과가 달라질 수 있다. 문자열 상태로 숫자를 비교하거나, 날짜를 맞추기 전에 자료를 결합하지 않는다.
04

실제 결과: 누적 비율과 주간 신규값의 차이

2022년 하와이 누적 신고 건수 인구 대비 비율과 주간 신규 신고 건수의 실제 선 그래프

왼쪽: 누적 신고 비율은 전반적으로 증가한다.

오른쪽: 주간 신규 신고 건수는 증가와 감소를 반복한다.

출처: 6주차 CDC 하와이 보관 자료의 2022년 집계. 인구는 수업에서 사용한 2020년 인구조사 값 1,455,271명으로 고정.

04

종합 점검: 결과가 이상할 때 먼저 볼 것

문제 상황원인수정 방향
int("3,000") 오류문자열 형식 미정리쉼표 제거 후 숫자 변환
행별 조건식에 and 사용하나의 참·거짓과 Series를 혼동괄호를 씌운 조건에 & 적용
한국·하와이의 첫 행끼리 비교행 순서가 같은 날짜를 보장하지 않음날짜 색인을 기준으로 결합
누적값의 합계를 기간 신규 건수로 해석같은 신고 건수가 여러 번 합산됨지표의 정의와 집계 기간 재확인
오류가 없다는 것과 분석이 올바르다는 것은 다르다. 실행 결과와 계산 기준을 함께 확인한다.
04

종합 실습: 분석 기간을 바꾸고 결과 설명하기

start_date = "2021-01-01"
end_date = "2021-12-31"

selected = df[
    (df["end_date"] >= start_date) &
    (df["end_date"] <= end_date)
].copy()
selected["cases_pct"] = (
    selected["tot_cases"] / 1_455_271 * 100
)
  1. 1
    기간 선택과 비율 계산을 다시 실행한다.
  2. 2
    그래프도 다시 실행한다.
  3. 3
    가로축과 관측 건수가 바뀌었는지 확인한다.
  4. 4
    누적값과 주간 신규값을 구분하여 설명한다.
시작일 변수만 바꾸고 그래프 셀만 다시 실행하면, 이전에 만든 selected가 남아 있을 수 있다.
05

종합 정리 및 온라인학습활동

코드를 읽을 때분석 결과를 읽을 때
실제 자료형과 자료구조는 무엇인가?한 행이 나타내는 관측 단위는 무엇인가?
어떤 조건과 범위가 적용되는가?비교하는 날짜·기간·단위가 같은가?
값은 복사되었는가, 공유되는가?결측값과 0을 구분했는가?
함수가 무엇을 반환하는가?누적값·신규값·비율을 구분했는가?
강의 중간에 제시되는 문항에서는 방금 배운 내용을 적용하여 지정한 줄의 의미와 결과를 짧게 설명한다.
실습 자료
Python 문법 종합 실습 노트북Pandas 종합 실습 노트북전체 강의 목록
← → 이동 · F 전체화면