데이터 분석 ① 수집·정제

CSV 데이터를 표로 띄우기

① pandas 설치하기

먼저 도구를 설치합니다. 터미널에 (venv) 표시가 있는지 확인하고 입력하세요. (설치는 한 번만 하면 돼요.)

# (venv) 표시 확인 후 설치
pip install pandas

② 데이터 받아서 코드 옆에 두기

공공데이터포털이나 Kaggle에서 관심 주제 CSV를 받으세요. 받은 파일은 코드와 같은 폴더에 두는 게 가장 쉬워요.

③ 불러오는 코드 만들기

AI 도구에 아래 프롬프트를 입력해 기본 코드를 받아 보세요. 파일 이름은 내가 받은 파일로 바꿔 적습니다.

④ 핵심 구조 이해하기

코드에는 보통 이런 핵심 줄이 들어 있어요. 이 세 가지로 데이터를 처음 살펴봅니다.

import pandas as pd

df = pd.read_csv("movies.csv")   # ① 불러오기

print(df.head())     # ② 맨 위 5줄
print(df.shape)      # ③ (행 개수, 열 개수)
print(df.info())      # 열 이름·빈 값 여부

실행하면 이런 식으로 나와요. info()의 non-null 숫자를 잘 보세요.

(1000, 6)

 #   Column   Non-Null Count
 0   title    1000 non-null
 1   genre    1000 non-null
 2   rating   950 non-null   ← 50개가 비어 있다!

import pandas as pd
# 한글이 깨질 때만 encoding을 더해요
df = pd.read_csv("movies.csv", encoding="utf-8")
print(df.head())

데이터 깨끗하게 청소하기

데이터를 불러왔다면, 이제 청소할 차례예요. 그런데 바로 코드를 받지 말고, 어디가 더러운지 먼저 살펴보는 것부터 시작해요.

① 빈 값 위치부터 확인

어느 열에 빈 값이 몇 개인지 숫자로 확인합니다.

print(df.isnull().sum())   # 열마다 빈 값 개수
print(df.describe())       # 숫자 열의 범위·평균

② 청소 방법 고르기

빈 값과 이상치를 처리하는 방법은 크게 세 가지예요. 데이터에 맞는 하나를 골라 AI에게 요청하세요.

청소 전 행 개수: 1000
빈 값 처리(dropna) 후: 950
→ 빈 값이 있던 50줄이 정리됐어요

print("청소 전:", df.shape)
df = df.dropna()          # 결과를 df에 다시 저장!
print("청소 후:", df.shape)

흥미로운 사실 3가지 발견하기

이제 깨끗한 데이터를 탐색할 차례예요. 정렬·세기·평균으로 데이터를 살펴보며 흥미로운 점을 찾습니다.

df.sort_values("rating", ascending=False).head()  # 최고 기록
df["genre"].value_counts()      # 가장 많은 것
df["rating"].mean()              # 평균

장르별 개수: Drama 220, Comedy 180, Action 150
평점 평균: 6.8
최고 평점 영화: "The Masterpiece" (9.4)

🃏 선택지 카드 — 무엇을 파헤쳐 볼까?

하나를 골라 AI에게 요청해 보세요. 찾은 사실은 다음 주에 그래프로 그릴 후보가 됩니다.

# 장르별 평균 평점 비교
print(df.groupby("genre")["rating"].mean())

더 해보고 싶다면

미션 3까지 끝내고 시간이 남는다면 도전해 보세요. 끝내지 못해도 괜찮습니다.

보너스 ① 두 데이터 합치기 — merge

비슷한 데이터 2개를 공통 열을 기준으로 연결하면 더 풍부한 분석이 돼요. 예: 영화 데이터 + 감독 데이터.

m = pd.merge(movies, directors, on="movie_id")
print(m.head())   # 새 열이 합쳐져 보여요

보너스 ② 분석 아이디어 5개 받기

다음 주 시각화를 위해 분석거리를 미리 모아 둡니다.