데이터 분석의 흐름과 실습 환경

데이터 사이언스는 데이터로 질문에 답하는 일입니다. 이 책은 그중에서 가장 많은 시간이 드는 부분, 곧 데이터를 읽고 다듬고 요약하는 일을 파이썬 pandas(판다스)로 실습합니다.

데이터 분석은 어떤 순서로 하나요

실무의 데이터 분석은 대체로 아래 순서를 따릅니다. 모델을 만드는 단계보다 앞의 단계에 훨씬 많은 시간이 듭니다.

1. 질문 정하기 — "어느 매장의 매출이 높은가?"처럼 답할 수 있는 질문으로 좁힙니다.
2. 데이터 불러오기 — CSV, 엑셀, 데이터베이스에서 표를 가져옵니다.
3. 정리하기(전처리) — 빈 값, 중복, 잘못된 자료형을 고칩니다.
4. 탐색하기(EDA) — 요약 통계와 그룹별 집계로 패턴을 찾습니다.
5. 시각화하고 전달하기 — 그래프와 짧은 결론으로 정리합니다.

pandas는 2~5단계의 거의 모든 작업을 맡습니다. 이 책도 이 순서대로 장을 나눴습니다.

실습 환경 준비

가장 빠른 방법은 Google Colab입니다. 브라우저에서 새 노트를 열면 pandas와 matplotlib이 이미 설치되어 있어 바로 실습할 수 있습니다.

내 컴퓨터에서 하려면 파이썬을 설치한 뒤 터미널에서 다음을 실행합니다.

터미널pip install pandas matplotlib jupyter
jupyter notebook

pandas 불러오기

pandas는 보통 pd라는 짧은 이름으로 불러옵니다. 거의 모든 자료와 코드가 이 관례를 따릅니다.

Pythonimport pandas as pd
import numpy as np

print(pd.__version__)

한글이 들어간 표를 출력하면 열 간격이 어긋나 보일 수 있습니다. 아래 설정을 한 번 실행해 두면 한글 폭을 고려해 정렬합니다.

Pythonpd.set_option('display.unicode.east_asian_width', True)

이 책에서 쓰는 예제 데이터

모든 장에서 카페 두 곳(강남, 홍대)의 나흘치 판매 기록을 씁니다. 다음 장에서 직접 만들어 보고, 3장부터는 같은 내용을 CSV 파일로 읽어 정리합니다.