데이터 조작과 시각화 파이썬 코드북(핵심만 요약한)
Regular price
$31.46
Sale price
Regular price
Shipping calculated at checkout.
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
이 책의 목적
이 책은 데이터 과학(Data science)에 입문할 때 기본적으로 알아야 할 주요 데이터 구조들을 조 작하는 방법과 데이터를 시각화 하는 방법을 빠르게 학습하는 것을 목적으로 한다.
먼저 〈1부 데이터 조작〉에서는 파이썬의 주요 자료 구조인 리스트, 배열, 딕셔너리, 데이터프레 임을 다루는 법을 배운다. 각 자료 구조를 생성하고, 특정 자료를 추출 및 편집하는 방법과 해당 자료 구조에서 유용하게 사용되는 주요 함수들과 메서드들을 살펴본다. 이로써 파이썬의 다양한 자료 구조들로 된 데이터를 분석자의 필요에 따라 자유자재로 조작할 수 있게 되기를 기대한다. 다음으로 〈2부 데이터 시각화〉에서는 파이썬의 대표적인 시각화 라이브러리인 Matplotlib와 Seaborn을 기반으로 탐색적 데이터 분석을 위한 시각화와 모델 관련 시각화를 다룬다. 이론적인 설명은 최대한 간략하게 소개하는 한편, 파이썬 코드를 통해 데이터를 조작하고 시각화 하는 방법을 익히는 것에 중점을 두었다. 이 때문에 책의 분량의 상당 부분을 파이썬 예제 코 드를 담는 것에 할애하였다. 또한, 각 학습 주제 별로 공부한 내용을 복습할 수 있도록 다양한 연습문제와 풀이를 제공하고 있다.
대상 독자
이 책은 파이썬으로 데이터 분석을 하고자 하는 입문자들을 위한 책이다. 파이썬 프로그래밍에 대한 배경 지식이 없더라도 책의 코드들을 따라 작성하고 실행하면서 데이터 조작과 시각화 방 법을 학습할 수 있다. 다만, 본 책에서 자세하게 다루고 있지 않은 프로그래밍 관련 기본적인 내 용들(예: 쥬피터 랩 설치 방법, 연산자, 반복문, if문 등)은 온라인 검색과 개인적인 학습을 통해 보충이 필요하다.
사용 가이드
이 책에 나온 파이썬 개발 환경(Integrated Development Environment)은 Jupyter lab version 3.0.12이다. 컴퓨터에 Jupyter lab을 설치한 후, 각종 라이브러리들을 추가로 설치해서 이 책의 코드들을 실행해 볼 수 있다.
이 방법이 여의치 않은 경우에는 별도의 설치가 필요 없는 Colaboratory를 사용하는 방법도 있 다. 웹(https://colab.research.google.com/)을 통해서 코드를 작성하고 실행하기 때문에 디바이 스나 장소에 구애 받지 않고 사용이 가능하다. 기본적인 라이브러리도 설치가 되어 있기 때문에 처음 개발 환경을 셋팅 하느라 소요되는 시간을 절약할 수 있다. 다만 일부 라이브러리는 추가로 설치해야 한다.
이 책의 목차는 학습의 흐름에 맞는 순서대로 구성이 되어 있지만, 이미 알고 있는 부분은 건너 뛰어도 무방하다. 각 학습 주제에 대해 추가적인 정보가 필요할 수 있기 때문에, 구글링이나 다 른 도서를 통해 내용을 보충하기를 권한다.
어떤 코드들은 데이터나 모델링 과정에서 무작위적(Random) 요소가 있어서 책에 나온 결과대 로 출력이 되지 않을 수도 있지만, 이는 코드의 문제가 아닌 자연스러운 결과이다.
이 책은 데이터 과학(Data science)에 입문할 때 기본적으로 알아야 할 주요 데이터 구조들을 조 작하는 방법과 데이터를 시각화 하는 방법을 빠르게 학습하는 것을 목적으로 한다.
먼저 〈1부 데이터 조작〉에서는 파이썬의 주요 자료 구조인 리스트, 배열, 딕셔너리, 데이터프레 임을 다루는 법을 배운다. 각 자료 구조를 생성하고, 특정 자료를 추출 및 편집하는 방법과 해당 자료 구조에서 유용하게 사용되는 주요 함수들과 메서드들을 살펴본다. 이로써 파이썬의 다양한 자료 구조들로 된 데이터를 분석자의 필요에 따라 자유자재로 조작할 수 있게 되기를 기대한다. 다음으로 〈2부 데이터 시각화〉에서는 파이썬의 대표적인 시각화 라이브러리인 Matplotlib와 Seaborn을 기반으로 탐색적 데이터 분석을 위한 시각화와 모델 관련 시각화를 다룬다. 이론적인 설명은 최대한 간략하게 소개하는 한편, 파이썬 코드를 통해 데이터를 조작하고 시각화 하는 방법을 익히는 것에 중점을 두었다. 이 때문에 책의 분량의 상당 부분을 파이썬 예제 코 드를 담는 것에 할애하였다. 또한, 각 학습 주제 별로 공부한 내용을 복습할 수 있도록 다양한 연습문제와 풀이를 제공하고 있다.
대상 독자
이 책은 파이썬으로 데이터 분석을 하고자 하는 입문자들을 위한 책이다. 파이썬 프로그래밍에 대한 배경 지식이 없더라도 책의 코드들을 따라 작성하고 실행하면서 데이터 조작과 시각화 방 법을 학습할 수 있다. 다만, 본 책에서 자세하게 다루고 있지 않은 프로그래밍 관련 기본적인 내 용들(예: 쥬피터 랩 설치 방법, 연산자, 반복문, if문 등)은 온라인 검색과 개인적인 학습을 통해 보충이 필요하다.
사용 가이드
이 책에 나온 파이썬 개발 환경(Integrated Development Environment)은 Jupyter lab version 3.0.12이다. 컴퓨터에 Jupyter lab을 설치한 후, 각종 라이브러리들을 추가로 설치해서 이 책의 코드들을 실행해 볼 수 있다.
이 방법이 여의치 않은 경우에는 별도의 설치가 필요 없는 Colaboratory를 사용하는 방법도 있 다. 웹(https://colab.research.google.com/)을 통해서 코드를 작성하고 실행하기 때문에 디바이 스나 장소에 구애 받지 않고 사용이 가능하다. 기본적인 라이브러리도 설치가 되어 있기 때문에 처음 개발 환경을 셋팅 하느라 소요되는 시간을 절약할 수 있다. 다만 일부 라이브러리는 추가로 설치해야 한다.
이 책의 목차는 학습의 흐름에 맞는 순서대로 구성이 되어 있지만, 이미 알고 있는 부분은 건너 뛰어도 무방하다. 각 학습 주제에 대해 추가적인 정보가 필요할 수 있기 때문에, 구글링이나 다 른 도서를 통해 내용을 보충하기를 권한다.
어떤 코드들은 데이터나 모델링 과정에서 무작위적(Random) 요소가 있어서 책에 나온 결과대 로 출력이 되지 않을 수도 있지만, 이는 코드의 문제가 아닌 자연스러운 결과이다.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
목차
목차
1부 데이터 조작
1장 리스트
1-1. 리스트 만들기: [ ]
1-2. 리스트 요소 추출하기
인덱싱과 슬라이싱
메서드로 추출: index, count
1-3. 리스트 편집하기
추가하기: append, extend, +[ ], insert
수정하기: 인덱싱과 슬라이싱
삭제하기: pop, remove, set & list
1-4. 리스트와 유용한 메서드들
정렬/역정렬 하기: sort, reverse
리스트와 문자열 간 변환: split, join
1-5. 기타 데이터 구조와 비교
리스트와 튜플
리스트와 셋
리스트와 문자열
● 연습문제와 풀이
2장 딕셔너리
2-1. 딕셔너리 만들기: { }, dict
2-2. 딕셔너리 저장하기 및 불러오기
저장하기: 텍스트 파일 저장하기, json.dump
불러오기: 텍스트 파일 불러오기, json.load
2-3. 딕셔너리 요소 추출하기: { }['key'], get, keys, values, items
2-4. 딕셔너리 편집하기
추가하기: { }['new key'] = new value, update
수정하기: { }['key'] = new value, update
삭제하기: del, pop
● 연습문제와 풀이
3장 배열
3-1. 배열 만들기: array, zeros, ones, arange, randint
3-2. 배열 저장하기 및 불러오기
3-3. 배열 요소 추출하기
인덱싱과 슬라이싱
최솟값 및 최댓값의 인덱스 추출: argmin, argmax
조건을 만족하는 요소의 인덱스 추출: where, any, all
3-4. 배열 편집하기
추가하기: append, insert
수정하기: 인덱싱과 슬라이싱
삭제하기: delete, unique
3-5. 배열 재구조화: shape, reshape, ravel, T(transpose)
3-6. 배열 연결하기: concatenate, c_, r_, hstack, vstack
3-7. 배열과 유용한 함수들
통계: sum, mean, min, max, std, var, median, percentile, cumsum, cumprod
절댓값, 제곱, 제곱근: abs, power, sqrt
반올림, 올림, 버림: round, ceil, floor
지수와 로그: exp, log, log10
스칼라곱, 배열의 요소별 곱, 행렬곱
● 연습문제와 풀이
4장 데이터프레임
4-1. 데이터프레임 만들기: DataFrame
4-2. 데이터프레임 저장하기 및 불러오기
저장하기: to_csv, to_excel, to_json
불러오기: read_csv, read_excel, read_json
4-3. 데이터 추출하기
데이터의 기본 및 요약 정보: info, columns, index, shape, dtypes, describe
컬럼명과 인덱스로 데이터 추출: df['column'], df[['column']], filter, loc, iloc
조건을 만족하는 데이터 추출: df[조건], query('조건')
앞/뒤 n행 추출 및 랜덤 샘플링: head, tail, sample
4-4. 데이터프레임 편집하기
데이터 타입 변경: astype
컬럼과 인덱스 편집: rename, set_index, reset_index
데이터 추가: df['column'], loc
데이터 수정: df['column'], loc, map, replace, apply
데이터 삭제: drop, dropna, drop_duplicates
4-5. 데이터프레임 재구조화
행/열 전환: T
범주형 변수를 기준으로 집계: groupby
날짜/시간 변수를 기준으로 집계: resample
열과 행에 새로운 변수를 지정하여 집계 (1): pivot_table
열과 행에 새로운 변수를 지정하여 집계 (2): crosstab
변수와 값을 기준으로 재구조화: melt
4-6. 데이터프레임 연결하기: merge, concat
4-7. 데이터프레임과 유용한 메서드들
범주형 변수의 정보 확인: unique, nunique, value_counts
데이터 정렬: sort_values
통계: sum, mean, median, std, var, max, min, mode, cumsum, quantile, rank ...
왜도와 첨도: skew, kurtosis
공분산과 상관계수: cov, corr
● 연습문제와 풀이
2부 데이터 시각화
5장 탐색적 데이터 분석을 위한 시각화
5-1. 선 그래프: plot, lineplot
5-2. 누적 연속 그래프: stackplot
5-3. 막대 그래프: plot, countplot, barplot
5-4. 히스토그램과 KDE 곡선: hist, histplot
5-5. 상자 그림과 바이올린 플롯: boxplot, violinplot
5-6. 산점도와 페어 플롯: scatter, scatterplot, pairplot
5-7. 파이 차트와 도넛 차트: plot, pie
5-8. 모자이크 플롯: mosaic
5-9. 히트맵: heatmap
5-10. 등고선 그래프: contour, contourf, clabel, colorbar
5-11. 서브 플롯 그리기: subplots
5-12. 트윈 플롯 그리기: twinx
● 연습문제와 풀이
6장 모델 관련 시각화
6-1. 트리 기반 모델 특성 중요도 시각화: feature_importances_, barh
6-2. ROC 곡선과 정밀도-재현율 곡선: roc_curve, precision_recall_curve, plot
6-3. 회귀 그래프: regplot
6-4. 잔차 분석 그래프: resid, zscore, probplot, regplot
6-5. 계층적 군집 시각화: linkage, dendrogram, cut_tree
6-6. 비계층적 군집 시각화: inertia_, plot, scatterplot
6-7. 실루엣 다이어그램: silhouette_samples, silhouette_score, fill_betweenx
● 연습문제와 풀이
1장 리스트
1-1. 리스트 만들기: [ ]
1-2. 리스트 요소 추출하기
인덱싱과 슬라이싱
메서드로 추출: index, count
1-3. 리스트 편집하기
추가하기: append, extend, +[ ], insert
수정하기: 인덱싱과 슬라이싱
삭제하기: pop, remove, set & list
1-4. 리스트와 유용한 메서드들
정렬/역정렬 하기: sort, reverse
리스트와 문자열 간 변환: split, join
1-5. 기타 데이터 구조와 비교
리스트와 튜플
리스트와 셋
리스트와 문자열
● 연습문제와 풀이
2장 딕셔너리
2-1. 딕셔너리 만들기: { }, dict
2-2. 딕셔너리 저장하기 및 불러오기
저장하기: 텍스트 파일 저장하기, json.dump
불러오기: 텍스트 파일 불러오기, json.load
2-3. 딕셔너리 요소 추출하기: { }['key'], get, keys, values, items
2-4. 딕셔너리 편집하기
추가하기: { }['new key'] = new value, update
수정하기: { }['key'] = new value, update
삭제하기: del, pop
● 연습문제와 풀이
3장 배열
3-1. 배열 만들기: array, zeros, ones, arange, randint
3-2. 배열 저장하기 및 불러오기
3-3. 배열 요소 추출하기
인덱싱과 슬라이싱
최솟값 및 최댓값의 인덱스 추출: argmin, argmax
조건을 만족하는 요소의 인덱스 추출: where, any, all
3-4. 배열 편집하기
추가하기: append, insert
수정하기: 인덱싱과 슬라이싱
삭제하기: delete, unique
3-5. 배열 재구조화: shape, reshape, ravel, T(transpose)
3-6. 배열 연결하기: concatenate, c_, r_, hstack, vstack
3-7. 배열과 유용한 함수들
통계: sum, mean, min, max, std, var, median, percentile, cumsum, cumprod
절댓값, 제곱, 제곱근: abs, power, sqrt
반올림, 올림, 버림: round, ceil, floor
지수와 로그: exp, log, log10
스칼라곱, 배열의 요소별 곱, 행렬곱
● 연습문제와 풀이
4장 데이터프레임
4-1. 데이터프레임 만들기: DataFrame
4-2. 데이터프레임 저장하기 및 불러오기
저장하기: to_csv, to_excel, to_json
불러오기: read_csv, read_excel, read_json
4-3. 데이터 추출하기
데이터의 기본 및 요약 정보: info, columns, index, shape, dtypes, describe
컬럼명과 인덱스로 데이터 추출: df['column'], df[['column']], filter, loc, iloc
조건을 만족하는 데이터 추출: df[조건], query('조건')
앞/뒤 n행 추출 및 랜덤 샘플링: head, tail, sample
4-4. 데이터프레임 편집하기
데이터 타입 변경: astype
컬럼과 인덱스 편집: rename, set_index, reset_index
데이터 추가: df['column'], loc
데이터 수정: df['column'], loc, map, replace, apply
데이터 삭제: drop, dropna, drop_duplicates
4-5. 데이터프레임 재구조화
행/열 전환: T
범주형 변수를 기준으로 집계: groupby
날짜/시간 변수를 기준으로 집계: resample
열과 행에 새로운 변수를 지정하여 집계 (1): pivot_table
열과 행에 새로운 변수를 지정하여 집계 (2): crosstab
변수와 값을 기준으로 재구조화: melt
4-6. 데이터프레임 연결하기: merge, concat
4-7. 데이터프레임과 유용한 메서드들
범주형 변수의 정보 확인: unique, nunique, value_counts
데이터 정렬: sort_values
통계: sum, mean, median, std, var, max, min, mode, cumsum, quantile, rank ...
왜도와 첨도: skew, kurtosis
공분산과 상관계수: cov, corr
● 연습문제와 풀이
2부 데이터 시각화
5장 탐색적 데이터 분석을 위한 시각화
5-1. 선 그래프: plot, lineplot
5-2. 누적 연속 그래프: stackplot
5-3. 막대 그래프: plot, countplot, barplot
5-4. 히스토그램과 KDE 곡선: hist, histplot
5-5. 상자 그림과 바이올린 플롯: boxplot, violinplot
5-6. 산점도와 페어 플롯: scatter, scatterplot, pairplot
5-7. 파이 차트와 도넛 차트: plot, pie
5-8. 모자이크 플롯: mosaic
5-9. 히트맵: heatmap
5-10. 등고선 그래프: contour, contourf, clabel, colorbar
5-11. 서브 플롯 그리기: subplots
5-12. 트윈 플롯 그리기: twinx
● 연습문제와 풀이
6장 모델 관련 시각화
6-1. 트리 기반 모델 특성 중요도 시각화: feature_importances_, barh
6-2. ROC 곡선과 정밀도-재현율 곡선: roc_curve, precision_recall_curve, plot
6-3. 회귀 그래프: regplot
6-4. 잔차 분석 그래프: resid, zscore, probplot, regplot
6-5. 계층적 군집 시각화: linkage, dendrogram, cut_tree
6-6. 비계층적 군집 시각화: inertia_, plot, scatterplot
6-7. 실루엣 다이어그램: silhouette_samples, silhouette_score, fill_betweenx
● 연습문제와 풀이
저자
저자
조정임
이화여자대학교에서 중어중문학을 전공한 후, 스마트폰, 시스템 반도체 기업 등에서 해외영업 및 마케팅 업무를 하였다. 이후, 현장의 데이터들을 효과적으로 업무에 활용할 방법을 찾고자 노베이스 비전공자의 어려움을 무릅쓰고 데이터 과학의 세계에 뛰어들었다. 알아갈수록 새로운 것이 쏟아져 나오는 이 흥미로운 탐험을 계속하며, 하루하루 충실하게 살고 있다.
ㆍ 빅데이터 전문가 국비지원 교육 수료 (2021)
ㆍ 국가공인 자격증 데이터분석전문가 ADP 취득 (2022)
ㆍ KOPIS 빅데이터 분석 공모전 장려상 수상 (2022)
ㆍ KHIDI 공공데이터 활용 아이디어 공모전 우수상 수상 (2023)
ㆍ 농림축산식품 공공/빅데이터 활용 창업경진대회 팜맵 데이터 최우수상 수상 (2023)
ㆍ 〈핵심만 요약한 통계와 머신러닝 파이썬 코드북〉, 〈핵심만 요약한 데이터 조작과 시각화 파이썬 코드북〉 집필
ㆍ 빅데이터 전문가 국비지원 교육 수료 (2021)
ㆍ 국가공인 자격증 데이터분석전문가 ADP 취득 (2022)
ㆍ KOPIS 빅데이터 분석 공모전 장려상 수상 (2022)
ㆍ KHIDI 공공데이터 활용 아이디어 공모전 우수상 수상 (2023)
ㆍ 농림축산식품 공공/빅데이터 활용 창업경진대회 팜맵 데이터 최우수상 수상 (2023)
ㆍ 〈핵심만 요약한 통계와 머신러닝 파이썬 코드북〉, 〈핵심만 요약한 데이터 조작과 시각화 파이썬 코드북〉 집필
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
