새로운 데이터셋은 어떻게 접근하는 게 좋을까요? 범주형과 수치형 데이터를 검증하고 요약하는 방법을 배우고, Seaborn 시각화로 결과를 전달해 보세요.

초기 탐색

초기 탐색을 위한 함수

범주형 값 세기

2021년 전 세계 실업률

데이터 검증

데이터 타입 감지하기

대륙 값 검증하기

범위 검증

데이터 요약

.groupby()와 .agg()로 요약하기

이름 있는 집계

범주형 요약 시각화하기

데이터셋 이해하기

데이터를 탐색하고 분석하다 보면 결측값, 잘못된 데이터 타입, 이상치와 마주치곤 합니다. 이 장에서는 이런 이슈를 다루는 기법을 배우고 EDA 과정을 더 매끄럽게 만드는 방법을 익힙니다!

결측치 처리하기

남은 결측치 처리 전략

누락된 항공권 가격 보간하기

범주형 데이터 변환 및 분석

고유값 개수 찾기

비행 시간 범주

비행 시간 범주 추가하기

숫자형 데이터 다루기

비행 시간

기술 통계 추가하기

이상치 처리

옵션

이상값 제거

이상값을 데이터셋에 유지

이상값을 어떻게 처리할까요

이상치 식별하기

이상치 제거하기

데이터 정리와 대치

데이터셋의 변수는 고립되어 존재하지 않아요. 서로 관계를 맺습니다. 이 장에서는 수치형, 범주형, DateTime 데이터 전반에서 관계를 살펴보며, 그 방향과 강도를 탐색하고 이를 시각화하는 방법을 알아봅니다.

시간에 따른 패턴

DateTime 데이터 가져오기

데이터 타입을 DateTime으로 업데이트하기

시간에 따른 관계 시각화

상관관계

히트맵 해석하기

변수 관계 시각화하기

여러 변수 간 관계 시각화

요인 간 관계와 분포

산점도에서 범주형 데이터 활용

KDE 플롯으로 살펴보기

데이터의 관계 살펴보기

탐색적 데이터 분석은 데이터 사이언스 워크플로의 핵심 단계지만, 거기서 끝은 아닙니다! 이제 탐색을 마친 뒤 프로젝트를 성공적으로 이어 가는 데 필요한 기법과 고려 사항을 배워 봅시다.

범주형 데이터에서 고려할 점

클래스 불균형 확인하기

교차표(cross-tabulation)

새로운 특성 만들기

상관관계를 위한 특성 추출

급여 분위수 계산하기

연봉 범주화하기

가설 만들기

급여 비교하기

가설 선택하기

축하합니다

탐색 결과를 실전에 적용하기

planes.csv

books.csv

Course Glossary

unemployment.csv

data_science_salaries.csv

divorce.csv

흥미로운 데이터가 있나요? 분석은 어디서부터 시작하면 좋을까요? 이 강의에서는 데이터셋에 무엇이 포함되어 있는지 파악하는 것부터, 탐색 결과를 데이터 사이언스 워크플로에 반영하는 것까지 데이터 탐색과 분석 과정을 다룹니다. 

실업 지표와 항공권 가격 데이터를 사용해, Python으로 데이터를 요약하고 검증하며, 결측값을 계산·식별·대체하고, 수치형과 범주형 값을 모두 정리(clean)해 볼 거예요. 강의 전반에 걸쳐 변수와 변수 간의 관계를 이해할 수 있도록 아름다운 Seaborn 시각화도 만들어 봅니다. 

마지막으로, 새로운 피처를 생성하고 범주형 피처의 불균형을 보정하며, 탐색 결과로부터 가설을 도출하는 과정을 통해, 탐색 결과가 데이터 사이언스 워크플로에 어떻게 녹아드는지 살펴봅니다. 

강의를 마치면 Python에서 직접 탐색적 데이터 분석(EDA)을 수행할 수 있다는 자신감을 갖게 될 거예요. 시각화를 통해 결과를 다른 사람에게 설명하고, 데이터에서 인사이트를 더 얻기 위한 다음 단계를 제안할 수 있게 됩니다!

동영상에는 하단 왼쪽의 "Show transcript"를 클릭해 볼 수 있는 실시간 대본이 포함되어 있습니다.									
강의 용어집은 오른쪽의 리소스 섹션에서 확인하실 수 있어요.
									
CPE 크레딧을 받으려면 강의를 완료하고 자격 평가에서 70% 이상의 점수를 받아야 합니다. 오른쪽의 CPE 크레딧 안내를 클릭하면 평가로 이동할 수 있어요.

Introduction to Statistics in Python

Introduction to Data Visualization with Seaborn

파이썬으로 데이터 분석 배우기: 4시간 코스에서 데이터 정리, 탐색, 시각화 및 인사이트 추출.

Python으로 하는 탐색적 데이터 분석

Python으로 탐색적 데이터 분석(EDA)을 사용해 데이터를 탐색, 시각화하고 인사이트를 추출하는 방법을 배우세요.

데이터 과학자 보조  in Python

데이터 분석가  in Python

Python 데이터 기초

온도 센서가 100도(섭씨)로 기록했지만, 해당 센서는 80도 이하에서만 정상적으로 작동합니다.

연구 참가자의 나이가 마이너스 35세로 기록되었습니다.

자동차 속도가 5,000km/h로 기록되었습니다.

국가들의 평균 총면적은 667,143㎢인데, 한 국가는 1,637,687㎢로 기록되어 있습니다.

여러 동물의 키를 기록했는데, 어떤 값은 IQR의 1.5배에 75번째 퍼센타일을 더한 값보다 큽니다.

리그 전체 평균이 경기당 10점에 불과한데, 어떤 농구 선수는 경기당 평균 35점을 기록합니다.

이상값을 어떻게 처리할까요

Python으로 하는 탐색적 데이터 분석

실습형 인터랙티브 연습문제