📝 [Weekly-2월 1주차] Python & 데이터 분석 학습 회고록 🚀

 

안녕하세요! 이번 주에는 Python 기초부터 데이터 분석, 시각화, NumPy, Pandas 활용까지 다양한 내용을 학습했습니다.
날짜별로 정리한 내용을 바탕으로 한 주간의 배움을 돌아보겠습니다. 😊

---

📅 2/3 (월) - Python 기초 실습

이번 강의에서는 랜덤 숫자 생성, 문자열 다루기, 리스트 활용, 반복문을 이용한 데이터 처리 등의 개념을 실습했습니다.
실생활 사례를 적용해 Python을 학습할 수 있어 더욱 유익한 시간이었어요!

🎯 학습 내용 정리
✅ random.randint()를 활용한 랜덤 숫자 생성
✅ 문자열(String)과 리스트(List)의 기본 조작
✅ for문과 while문을 이용한 반복문 활용
✅ 실생활 사례를 활용한 데이터 처리

🚀 느낀 점
Python의 기본 개념을 다시 한 번 실습하며 기초를 다질 수 있는 좋은 기회였습니다.

---

📅 2/4 (화) - 함수, 모듈, 클래스 개념 정리

이번에는 Python에서 코드 재사용성을 높이는 다양한 방법을 학습했습니다.

🎯 학습 내용 정리
✅ 함수(Function) : 코드 중복을 줄이고 유지보수를 쉽게 할 수 있음
✅ 모듈(Module) : 여러 함수를 파일로 저장하여 코드 재사용성을 높일 수 있음
✅ 시간 처리 (time 모듈) : 현재 시간 출력 및 실행 일시 정지 기능 제공
✅ 내장 함수 활용 : abs(), max(), enumerate() 등 다양한 기본 기능
✅ 클래스(Class) 개념 : 데이터와 기능을 하나로 묶는 객체 지향 프로그래밍
✅ 클래스 변수 vs. 인스턴스 변수

• 클래스 변수: 모든 객체가 공유
• 인스턴스 변수: 개별 객체가 저장
  ✅ 클래스 상속(Inheritance) : 부모 클래스의 기능을 자식 클래스에서 활용

🚀 느낀 점
함수와 모듈을 활용하면 코드가 훨씬 깔끔해지고 유지보수가 쉬워진다는 점을 다시금 깨달았어요.
객체 지향 프로그래밍(OOP)도 꾸준히 연습해야겠다고 다짐했습니다.

---

📅 2/5 (수) - Pandas 기본 개념 및 실습

Pandas는 데이터 분석에서 가장 필수적인 라이브러리입니다.
이번 강의에서는 Pandas의 기초적인 개념과 기본 사용법을 정리했습니다.

🎯 학습 내용 정리
✅ Pandas의 기본 구조 (Series, DataFrame)
✅ CSV 파일 불러오기 및 데이터 확인
✅ 데이터 변형 및 병합 (groupby(), concat(), merge())
✅ 데이터 시각화 (막대그래프, 선그래프, 파이 차트)

📌 프로젝트:
서울시 강남 3구(강남구, 서초구, 송파구) 주민들의 체감 안전도와 CCTV 설치 현황을 분석하는 프로젝트를 진행했습니다.
실제 CCTV 개수와 인구 대비 CCTV 비율을 비교하여 데이터 기반으로 체감 안전도와 실제 설치 현황의 관계를 탐색했습니다.

🚀 느낀 점
Pandas를 활용하면 데이터를 보다 직관적으로 분석하고 정리할 수 있다는 점을 실감했습니다.
향후 데이터 전처리와 분석 역량을 더욱 키워야겠다는 목표가 생겼어요.

---

📅 2/6 (목) - 데이터 시각화 & CSV 데이터 분석

오늘은 Matplotlib과 Seaborn을 활용한 데이터 시각화 및 CSV 파일을 이용한 데이터 분석을 실습했습니다.

🎯 학습 내용 정리
✅ Matplotlib 기본 그래프 그리기 (plot())
✅ 그래프 스타일 변경 (color, linestyle, marker)
✅ Numpy를 이용한 데이터 생성 (np.arange(), np.sin(), np.cos())
✅ 산점도 그래프 (scatter())
✅ CSV 파일 데이터 읽기 (csv.reader()) 및 정리 (next(), 결측치 처리)

📌 프로젝트 1:
📊 1983년 이후 매년 내 생일(3월 3일)의 최고 기온과 최저 기온을 분석

• CSV 파일에서 특정 날짜 데이터를 추출
• Matplotlib을 활용해 시각화

📌 프로젝트 2:
📊 지하철 시간대별 승하차 인원 데이터를 분석하여 시각적으로 표현

🚀 느낀 점
히스토그램과 박스플롯을 활용하면 데이터 분포와 이상치를 한눈에 확인할 수 있다는 점이 인상적이었어요.
앞으로 실제 데이터를 활용한 프로젝트를 더 많이 진행하고 싶다는 생각이 들었습니다.

---

📅 2/7 (금) - NumPy & Seaborn 활용 데이터 분석

오늘은 데이터 분석에서 필수적인 NumPy와 Seaborn을 활용한 시각화 기법을 학습했습니다.

🎯 학습 내용 정리
✅ NumPy 기본 개념 : 데이터 과학과 머신러닝에서 필수적인 라이브러리
✅ NumPy를 활용한 상관관계 분석 (numpy.corrcoef())
✅ Seaborn을 이용한 데이터 시각화

• relplot(), histplot(), regplot(), pairplot() 등 다양한 그래프 제공
  ✅ 다양한 데이터셋(tips, anscombe, flights)을 활용한 시각화 실습

📌 Pandas와 NumPy를 활용한 데이터 분석 실습
✅ CSV 파일 불러오기 및 데이터 확인
✅ 데이터 조작 및 변환 (sum(), groupby(), pivot())
✅ 데이터 병합 (concat(), merge())
✅ Seaborn을 활용한 다양한 시각화 기법

🚀 느낀 점
이번 주 마지막 수업에서는 NumPy와 Seaborn을 활용하여 보다 심층적인 데이터 분석을 진행할 수 있었습니다.
데이터 시각화는 단순한 그래프 그리기가 아니라 데이터 인사이트를 명확하게 전달하는 중요한 과정이라는 점을 다시 한 번 깨달았어요.

---

🎯 한 주를 마무리하며…

✅ Python 기초 개념을 탄탄히 다짐
✅ Pandas & NumPy를 활용한 데이터 분석 실습
✅ Matplotlib & Seaborn을 이용한 데이터 시각화 프로젝트 진행
✅ CSV 데이터를 활용한 실제 데이터 분석 프로젝트 수행

 

 

 

한 주 동안 배운 내용을 정리하면서, 데이터 분석의 재미와 중요성을 다시 한 번 느낄 수 있었습니다.
앞으로 더 많은 데이터를 분석하고, 인사이트를 도출하는 연습을 계속해서 해나가야겠습니다!

그럼, 다음 주 회고록에서 만나요! 🚀😊