Home [오픈 소스 기반 데이터 분석] 3강 - 데이터 분석을 위한 파이썬 프로그래밍
Post
Cancel

[오픈 소스 기반 데이터 분석] 3강 - 데이터 분석을 위한 파이썬 프로그래밍

Posted Aug 27, 2025 Updated Dec 19, 2025
By mxxikr
read 14 min

💡해당 게시글은 방송통신대학교 정재화 교수님의 '오픈 소스 기반 데이터 분석' 강의를 개인 공부 목적으로 메모하였습니다.



학습 개요

  • 데이터를 분석하는 과정에서는 복잡한 데이터 구조를 다루는 것 외에도 예외 상황에 유연하게 대응할 수 있는 프로그래밍 기법이 요구 됨
  • 이를 위해 파이썬은 시퀀스 언패킹, 반복 제어의 언더스코어 활용, 예외 처리 문법 등 실용적인 문법 요소들을 제공하며 보다 간결하고 안전한 코드 작성을 가능하게 함
  • 시퀀스 자료형(리스트, 튜플, 문자열 등)의 여러 값을 개별 변수에 효율적으로 할당할 수 있는 언패킹과 확장 언패킹의 개념을 살펴봄
  • 반복문에서 불필요한 값을 무시할 때 사용하는 언더스코어의 활용법도 함께 학습하며 프로그램 실행 중 발생할 수 있는 오류에 대비하기 위한 예외 처리 구조인 try-except-finally 구문의 사용법을 익힘
  • 반복문 없이도 데이터를 효율적으로 처리할 수 있는 함수형 프로그래밍의 개념을 이해하고, 람다 함수, map(), filter(), reduce() 함수의 활용법을 실습을 통해 학습함
  • 이를 통해 데이터 변환, 조건 필터링, 누적 연산 등을 간결하게 구현하는 방법을 익힘



학습 목표

  • 언패킹 기능을 통해 시퀀스를 변수에 배분할 수 있음
  • 예외 발생 상황을 대비할 수 있음
  • 함수형 프로그래밍 기법을 활용하여 코드를 간결하게 작성할 수 있음



강의록

파이썬 문법 요소

언패킹의 개념

  • 언패킹(unpacking)의 정의
    • 시퀀스 자료형(리스트, 튜플, 문자열 등)에서 여러 개의 값을 개별 변수에 분리하여 할당하는 기능
    • 하나의 데이터 묶음에서 개별 요소들을 추출하여 각각의 변수에 직접 할당
  • 문법 형식1
    • 변수$1$, …, , 변수${n-1}$, 변수$_n$ = 시퀀스_객체
  • 문법 형식2
    • 변수$1$, …, 변수${n-1}$*, 변수$_n$ = 시퀀스_객체

언패킹 활용

  • 시퀀스 언패킹

    class="highlight">
    1
2
3
4
5
6
7

      rgb = [255, 128, 0]
  red, green, blue = rgb
  print(f"빨강: {red}, 조록: {green}, 파랑: {blue}")
    
  word = "ABC"
  first, second, third = word
  print(f"첫번째 군사: {first}, 두번째 문자: {second}, 세번째 문자: {third}")

  • 확장 언패킹

    class="highlight">
    1
2
3
4
5

      monthly_sales = [1200, 1350, 1420, 1500, 1300, 1580, 1620, 1700, 1800, 1850, 1900, 2000]
  first, *middle, last = monthly_sales
  print(f"첫 날(1월) 판매액: {first}")
  print(f"마지막 달(12월) 판매액: {last}")
  print(f"중간 달(2~11월)의 판매액: {middle}")

    언더스코어

    • 시퀀스 데이터는 일반적으로 반복문을 사용하여 처리

    • 언더스코어(_)는 반복 변수의 값이 필요하지 않을 때 이를 대체하는 역할

      class="highlight">
      1
2

        for _ in range(5):
    print("Hello, Data Analysis with Open Source!")
      class="highlight">
      1
2
3
4
5
6
7
8

        students = [
    (20251234, "김철수", "컴퓨터과학", 2, 3.8),
    (20265678, "이영희", "생활과학부", 3, 4.2),
    (20243456, "박민수", "사회복지학과", 1, 3.5)
  ]
  print("이름과 성적 출력:")
  for _, name, _, _, grade in students:
    print(f"{name}의 성적: {grade}")

      예외 처리의 이해

      • 코드 실행 중 예기치 않은 오류가 발생할 경우에 대비하는 기능 필요
        • 오류를 별도 처리하지 않는 경우 프로그램이 즉시 종료
        • 사용자 경험 저하, 데이터 손실, 리소스 누수, 디버깅 어려움 등의 추가적인 문제 발생
      • 예외 및 예외 처리
        • 예기치 않은 오류를 예외(exception)로 정의
        • 예외 처리(exception handling)는 프로그램이 비정상적 종료를 방지
        • try-except 문과 finally 블록을 사용

      try-except 문의 사용

      • 오류가 발생할 가능성이 있는 코드 블록을 감싸서 오류가 발생했을 때 프로그램이 강제 종료되지 않도록 처리

      • 여러 종류의 예외가 발생할 가능성이 있는 경우, except 블록을 여러 개 지정하여 각 예외를 개별적으로 처리

        class="highlight">
        1
2
3
4
5
6
7

          try:
    number = int(input("숫자를 입력하세요: "))
    result = 10 / number
  except ZeroDivisionError:
    print("0으로 나눌 수 없습니다.")
  except ValueError:
    print("유효한 숫자를 입력해야 합니다.")

        finally 블록의 사용

        • 예외 발생 여부와 관계없이 반드시 실행되는 코드 블록

          class="highlight">
          1
2
3
4
5
6
7
8
9

            try:
    file = open("data.csv", "r")
    content = file.read()
    print(content)
  except FileNotFoundError:
    print("파일을 찾을 수 없습니다.")
  finally:
    print("파일 작업 종료.")
    file.close()

          함수형 프로그래밍

          함수형 프로그래밍의 이해

          • 파이썬은 절차적 프로그래밍, 객체지향 프로그래밍 외 함수형 프로그래밍 방식을 지원
          • 데이터 변경을 최소화하고, 순수 함수(pure function)를 활용하여 부작용(side effect)을 줄이는 것을 목표
            • 순수 함수
              • 같은 입력에 대해 항상 같은 출력을 반환하는 함수
            • 부작용
              • 함수가 단순히 값을 계산하는 것 외에 외부에 영향을 미치는 모든 행위
          • 코드의 가독성을 높이고, 디버깅을 용이하게 하며, 병렬 처리를 효율적으로 수행

          람다 함수

          • 이름이 없는 익명 함수(anonymous function)
            • 한 줄의 표현식으로 작성할 수 있는 간결한 함수
            • 즉시 사용할 수 있는 간결한 연산을 수행할 때 적합
          • 문법 형식
            • lambda 매개변수: 표현식
          • 람다 함수의 문법적 특징
            • 단 하나의 표현 식만 허용
            • 표현 식의 결과는 자동으로 함수의 반환 값이 되므로 return 키워드 사용하지 않음

          람다 함수의 사용

          • 일반 함수와 람다 함수

            class="highlight">
            1
2
3
4

              def add(x):
    return x + 2
    
  print(add(3))
            class="highlight">
            1
2

              add_lambda = lambda x: x + 2
  print(add_lambda(3))

          • 람다 함수의 활용

            class="highlight">
            1
2
3
4
5
6

              employees = { "이지혜": 3000000,
                "구민준": 5000000,
                "방서연": 4100000 }
  adjust_salary = lambda salary: salary * 1.1
  updated_salaries = {name: adjust_salary(salary) for
                      name, salary in employees.items()}

            map, filter, reduce 함수

            • 대표적인 함수형 프로그래밍 기법을 사용하는 함수
            • 반복문을 사용하지 않고 리스트나 다른 반복 가능한 객체의 요소를 손쉽게 조작할 수 있도록 지원
              • 데이터 변환, 필터링, 누적 연산을 수행

            map 함수

            • 반복 가능한 객체의 모든 요소에 특정 함수를 적용하여 새로운 값을 생성하는 함수
              • 리스트나 튜플과 같은 자료 구조의 요소를 변경할 때 유용
            class="highlight">
            1
2
3
4
5

            temperature_celsius = [25.6, 27.8, 30.5, 22.3, 28.9, 31.2, 24.7]
celsius_to_fahrenheit = lambda c: (c * 9/5) + 32
temperature_fahrenheit = list(map(celsius_to_fahrenheit, temperature_celsius))
print("섭씨 온도 데이터:", temperature_celsius)
print("화씨 온도로 변환:", temperature_fahrenheit)

            filter 함수

            • 반복 가능한 객체의 요소 중 특정 조건을 만족하는 요소 만 남기는 함수
              • True 또는 False를 반환하는 함수(조건 함수)를 인자로 받고 조건 함수가 True를 반환하는 요소만 컬렉션에 포함
              class="highlight">
              1
2
3
4
5
6
7
8
9
10
11

                osda_students = [
    {"name": "김지원", "score": 85},
    {"name": "이민준", "score": 65},
    {"name": "정현우", "score": 90},
    {"name": "박서연", "score": 55},
    {"name": "최예은", "score": 78}
  ]
  passed_students = list(filter(lambda student: student["score"] >= 70, osda_students))
  print("70점 이상 합격한 학생 목록:")
  for student in passed_students:
    print(f"이름: {student['name']}, 점수: {student['score']}")

              reduce 함수

              • 반복 가능한 객체의 모든 요소를 누적하여 하나의 값으로 축소하는 함수
                • 반복문을 사용하지 않고도 데이터를 하나의 값으로 집계
                • functools 모듈에서 제공
                class="highlight">
                1
2
3
4

                  from functools import reduce
  numbers = [1, 2, 3, 4, 5]
  total_sum = reduce(lambda x, y: x + y, numbers)
  print(total_sum)
                1. 첫 번째와 두 번째 요소를 함수에 적용하여 중간 결과를 생성
                2. 그 중간 결과와 객체의 다음 요소를 다시 함수에 적용
                3. 이 과정을 반복하여 최종적으로 하나의 값을 반환



                연습 문제

                1. 다음 코드 실행 결과로 올바른 것은?

                  class="highlight">
                  1
2
3

                   data = [100, 200, 300, 400, 500]
 a, *b, c = data
 print(a, b, c)

                  a. 100 [200, 300, 400] 500

                2. map() 함수의 기능으로 올바른 것은?

                  a. 모든 요소에 지정한 함수를 적용하여 새로운 시퀀스를 생성한다

                3. 아래 filter() 함수의 실행 결과로 알맞은 것은?

                  class="highlight">
                  1
2
3

                   data = [1, 2, 3, 4, 5, 6]
 result = list(filter(lambda x: x % 2 == 0, data))
 print(result)

                  a. [2, 4, 6]



                  정리 하기

                  • 언패킹은 시퀀스 자료형 요소를 개별 변수에 효율적으로 할당함
                  • 확장 언패킹(*) 나머지 요소들을 리스트로 모을 수 있음
                  • 언더스코어(_)는 값을 무시하거나 불필요한 반복 변수 대체에 활용함
                  • 예외 처리는 프로그램 비정상 종료 방지 및 오류 상황에 대응함
                  • 함수형 프로그래밍은 반복문 없이 데이터 변환, 필터링, 축소 수행으로 코드를 간결화하고 병렬 처리에 적합한 구조를 제공하여 데이터 처리 성능을 향상시킴
                  • 람다 함수는 간결한 익명 함수로 즉시 정의 및 사용이 가능함
                  • map은 시퀀스의 모든 요소에 함수를 적용하여 새로운 시퀀스를 생성함
                  • filter는 조건을 만족하는 요소만 선택함
                  • reduce()는 요소들을 순차적으로 처리하여 하나의 결과 값으로 축약함
                  Data Science, Data Analysis
                  knou data analysis
                  Recently Updated
                  Contents

                  [클라우드 컴퓨팅] 2강 - 온프레미스와 클라우드

                  [클라우드 컴퓨팅] 3강 - 클라우드 컴퓨팅의 특징