Home [데이터 정보 처리 입문] 14강 - 파이썬을 활용한 자료 분석
Post
Cancel

[데이터 정보 처리 입문] 14강 - 파이썬을 활용한 자료 분석

Posted May 22, 2025 Updated Jul 8, 2025
By mxxikr
read 9 min

💡해당 게시글은 방송통신대학교 김성수, 이기재 교수님의 '데이터 정보 처리 입문' 강의를 개인 공부 목적으로 메모하였습니다.



학습 개요

  • 파이썬은 객체 지향 프로그래밍 언어로 문법이 쉽고, 확장성이 좋아 데이터 과학 분야와 R과 더불어 널리 이용되고 있는 프로그램 언어임
  • 파이썬을 설치하는 방법, 파이썬 프로그래밍에 대하여 공부함



학습 목표

  • 파이썬을 설치하는 방법을 이해할 수 있음
  • Spyder 및 Jupyter Notebook을 사용할 줄 암
  • 파이썬 언어를 사용할 수 있음



강의록

파이썬 소개

Python(파이썬) 소개

  • Platform independent
    • Windows, Unix, MacOS, …
  • Easy to install, learn & use
    • Easy syntax, ….
  • Easily extensible with library packages
  • 개발자
    • Guido van Rossum (1956.1.31~) 네덜란드

    image

Python 설치

Anaconda (아나콘다)

Path 설정하기

  • Windows 시스템 → 제어판 → 시스템 및 보안 → 시스템 → 고급 시스템 설정 → 환경 변수 → 시스템 변수에서 Path 편집 → 새로 만들기
    • 추가 경로
      • C:\ProgramData\anaconda3\
      • C:\ProgramData\anaconda3\Scripts
      • C:\ProgramData\anaconda3\Library\bin

pip: Python 패키지를 설치하고 관리하는 프로그램

  • 패키지 설치하기

    1
2
3
4
5

      pip install mglearn
  pip install graphviz
  pip install pydot
  pip install pydotplus
  pip install tensorflow

Spyder 실행

1
2

print("Hello Python !")
3**2

image

파이썬 프로그래밍

1
2
3
4
5
6
7

x = 4
y = 4 * x + 7
print(y)

2**10 # 1024
17 // 4 # 4
17 % 4 # 1

image

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

import numpy as np

x = np.arange(-10, 11)
print(x)

y = 4 * x + 7
print(y)

x[2]
x[0:5]

x1 = x[x<0]
print(x1)

y = 4 * x1 + 7 
print(y)

image

Jupyter notebook 실행

  • window 앱 검색
    • Jupyter Notebook

  • cmd 창에서 anaconda 설치 경로에서 jupyter notebook 명령어 입력

    1

      jupyter notebook

    image

  1. New - Python 3 선택

    image

  2. Markdown 선택 → 설명문 입력 → 실행

    image

  3. Code 선택 후 코드 입력 → 실행

    1

     print("Hello, World!")

    image

Run python using Google Colab

image

1
2

from google.colab import files
upload = files.upload()

1
2
3
4

import pandas as pd
import io
df = pd.read_csv(io.BytesIO(uploaded['filghts.csv']))
df.describe()

파이썬 프로그래밍

산술 연산

1
2
3
4

1 - 2 # 뺄셈
4 * 5 # 곱셈
7 / 5 # 나눗셈
3 ** 2 # 거듭 제곱

자료형

1
2
3

type(10) # int
type(2.710) # float
type("hello") # str

변수

1
2
3
4
5

x = 10
print(x)
y = 3.14
x * y
type(x * y) # float

리스트

1
2
3
4
5
6
7
8
9
10
11
12
13

a = [1,2,3,4,5]
print(a) # [1,2,3,4,5]
len(a) # 5
a[0] # 1
a[4] # 5
a[4] = 99
print(a) # [1,2,3,4,99]
a[0:2] # [1,2]
a[1:] # [2,3,4,99]
a[:3] # [1,2,3]
a[:-1] # [1,2,3,4]
a[:-2] # [1,2,3]

Dictionary : key 와 value 를 한 쌍으로 저장

1
2
3
4
5

me = {'height': 180, 'weight': 70}
me['height'] # 180
me['weight'] # 70
me['age'] = 30 # 새 원소 추가
print(me) # {'height': 180, 'weight': 70, 'age': 30}

  • 참고 : desc0.py

    1
2
3
4
5
6
7
8
9
10
11

      import pandas as pd
  import numpy as np
  #Create a Dictionary of series
  D = ({ 'Name' : pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack','Lee','David','Gasper','Betina','Andres']),
      'Age' : pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
      'Rating' : pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])})
    
  #Create a DataFrame
  Df = pd.DataFrame(D)
  print(Df)
  Df.head()

    1

      runfile("D:/01_KNOU/2025년도 1학기/데이터 정보 처리 입문/desc0.py")

    image

bool

1
2
3
4
5
6
7

hungry = True
sleepy = False

type(hungry) # bool
not hungry # False
hungry and sleepy # False
hungry or sleepy # True

if

1
2
3
4
5
6
7
8
9
10
11
12
13
14

hungry = True

if hungry:
    print("I'm hungry")
# I'm hungry

hungry = False
if hungry:
    print("I'm hungry")
else:
    print("I'm not hungry")
    print("I'm sleepy")
# I'm not hungry
# I'm sleepy

for : 반복문

1
2
3
4
5
6
7
8
9
10
11
12
13
14

for i in [1,2,3]:
    print(i)
# 1
# 2
# 3

name = ['a', 'b', 'c', 'd', 'e']
for i in name:
    print(i)
# a
# b
# c
# d
# e

for : 반복문 - 계속

1
2
3
4
5
6
7
8

sum = 0
for i in range(10) :
    sum = sum + i

print(sum)
# 45

# Note that range(10) is not the value of 0 to 10, but the values 0 to 9

함수

1
2
3
4
5
6
7
8
9
10
11
12
13

def hello():
    print("Hello World !")
    print("Welcome to Python class !")

hello()
# Hello World !
# Welcome to Python class !

def hello2(object):
    print("Hello " + object + " !")

hello2("Jang")
# Hello Jang !

클래스

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

class Man:
    def __init__(self, name):
        self.name = name
        print("Initialized !")

    def hello(self):
        print("Hello " + self.name + " !")

    def goodbye(self):
        print("Good-bye " + self.name + " !")

m = Man("David")
# Initialized !
m.hello()
# Hello David !
m.goodbye()
# Good-bye David !

클래스 - 계속 1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
        
    def disp(self):
        print(self.name)
        print(self.age)

p1 = Person('홍길동', 22)
p2 = Person('철수', 35)

p1.disp()
# 홍길동
# 22
p2.disp()
# 철수
# 35

클래스 - 계속 2

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

class Person2:
    def __init__(self):
        self.name = input('Name:')
        self.age = int(input('Age:'))
    def disp(self):
        print('Name =',self.name)
        print('Age =',self.age)

customer = []
for i in range(5):
    customer.append(Person2())
    # >>> customer[0].disp()
    # Name:AAA
    # Age:12
    # >>> customer[1].disp()
    # Name:BBB
    # Age:25
    # ...

Numpy 가져오기

1
2
3
4
5
6
7
8
9
10
11
12
13
14

import numpy as np
x = np.array([1.0, 2.0, 3.0])
print(x) # [1. 2. 3.]
type(x) # numpy.ndarray

y = x/3
print(y) # [0.33333333 0.66666667 1.]

x = np.array([1.0, 2.0, 3.0])
y = np.array([2.0, 4.0, 6.0])
x + y # array([3., 6., 9.])
x - y # array([-1., -2.,  0.])
x * y # array([ 2.,  8., 36.])
x / y # array([0.5, 0.5, 1. ])

Numpy - N차원 배열

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

import numpy as np

A = np.array([[5,7], [9,11]])
print(A)
# [[ 5  7]
#  [ 9 11]]

A[0] # array([5, 7])
A[1] # array([ 9, 11])
A[0,0] # 5 - A[0][0]
A[1,0] # 9 - A[1][0]

B = np.array([[3,0], [0,6]])
A + B
# array([[ 8,  7], [ 9, 17]])
A * B
# array([[15,  0], [ 0, 66]])

Broadcast : 형상이 다른 배열 계산

1
2
3
4
5
6
7
8
9
10

import numpy as np

A = np.array([[1,2], [3,4]])
B = np.array([10,20])

C = 10
A * B
# array([[10, 40], [30, 80]])
A * C
# array([[10, 20], [30, 40]])

원소 접근 : 원소의 인덱스는 0부터 시작

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

X = np.array([[51,55], [14,19], [0,4]])
print(X)
# [[51 55]
#  [14 19]
#  [ 0  4]]
X[0] # array([51, 55])
X[0][1] # array([55])
X[0,1] # 55

Y = X.flatten()
print(Y)
# [51 55 14 19 0 4]

for row in X:
    print(row)
# [51 55]
# [14 19]
# [0 4]

Y > 15
# array([True, True, False, True, False, False])
Y[Y > 15]
# array([51, 55, 19])

matplotlib

1
2
3
4
5
6
7
8

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 6, 0.1)
y = np.sin(x)

plt.plot(x,y)
plt.show()

image

1
2
3
4
5
6
7
8
9
10
11
12
13

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 6, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x, y1, label='sin')
plt.plot(x, y2, linestyle='--', label='cos')
plt.xlabel('x-axis')
plt.ylabel('y-axis')
plt.title('sin & cos')
plt.legend()
plt.show()

image



연습 문제

  1. 파이썬에서 딕셔너리로 선언하고자 한다. 적합한 것은?

    1

     me = {‘height’ : 180, ‘weight’: 70 }

  2. 다음 파이썬 프로그래밍에서 a[4]의 결과는?

    1
2

     a = [1,2,3,4,5]
 a[4]

    a. 5

  3. 파이썬을 설치하기 위한 아나콘다 사이트는?

    a. www.anaconda.com

  4. Python 패키지를 설치하고 관리하는 프로그램이다. Dos 창에서 (        ) 안에 맞는 명령은?

    1

     C:\anaconda3>(        ) install tensorflow

    a. pip

  5. 다음과 같이 파이썬 함수 문을 작성하였다. hello2(“Jeong”) 의 결과는?

    1
2
3
4

     def hello2(object):
         print("Hello " + object + " !")
    
 hello2("Jeong")

    a. Hello Jeong !

Knou, 데이터 정보 처리 입문
knou data information processing
Recently Updated
Contents

[유비쿼터스 컴퓨팅 개론] 14강 - 빅 데이터

[Java 프로그래밍] 15강 - 라이브러리와 모듈