슬기로운 개발생활

데이터 분석 프로세스 중 시각화 단계에서 발생한 두 차례의 치명적인 오류와 이를 논리적으로 해결하며 데이터 분석가로서 성장한 과정을 기록합니다.🟥 Error 1. 시각화 한글 깨짐 및 데이터 왜곡(일직선 막대그래프) 현상1. 문제 상황상관관계 분석 결과를 바탕으로 시간의 흐름에 따른 기온과 대여량의 인과관계를 보여주기 위해 복합 그래프를 출력했습니다. 하지만 결과물은 두 가지 심각한 결함을 가지고 있었습니다.시각적 결함: 그래프의 제목과 축 이름이 한글 폰트 지원 문제로 인해 모두 네모 박스(□□)로 깨져서 출력되었습니다.분석적 결함: 시간대별로 역동적으로 변해야 하는 따릉이 대여 건수(파란색 막대)가 모든 시간대(0시~23시)에서 약 8,800건으로 완전히 일직선을 그리며 데이터가 왜곡되었습니다. 2..

1. 분석 배경 및 목적앞선 상관관계 분석을 통해 기온이 일정 임계치를 넘어설 때 따릉이 대여량과 오히려 음의 상관관계를 보인다는 정량적 수치를 확인했습니다.이번 단계에서는 숫자로만 확인했던 모순적 현상을 한눈에 직관적으로 파악할 수 있도록, 파이썬의 matplotlib과 seaborn 라이브러리를 활용해 시간의 흐름에 따른 기온과 대여량의 인과관계를 '이중 Y축 복합 그래프'로 시각화해 보았습니다.2. 데이터 시각화 구현 코드시간대별 흐름에 따른 '대여 건수(막대)'와 '기온의 변화(선)'를 한 화면에 비교하기 위해 이중 축(Twin X) 구조를 채택하여 시각화를 수행했습니다.import pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns..

1. 분석 배경 및 목적앞선 분석을 통해 강서구 마곡 비즈니스 지구를 중심으로 한 따릉이의 높은 출퇴근 수요를 확인했습니다. 이번 단계에서는 외부 환경 요인인 '날씨(기온 및 습도)'가 대여량에 미치는 영향을 파악하고자 합니다.일반적으로 "기온이 상승하고 맑은 날씨일수록 자전거 이용량이 증가할 것이다"라는 가설을 설정한 후, 기상청 시간대별 기상 데이터와 파이썬 corr() 함수를 활용하여 데이터 간의 상관관계를 정량적으로 검증했습니다.2. 데이터 분석 코드 및 방법론시간대별 총 대여 건수 데이터와 기상 데이터를 '시간' 변수를 기준으로 병합(Merge)한 후, 각 변수 간의 상관계수(Correlation Coefficient)를 도출했습니다.# 따릉이 이용량과 기상 데이터 간의 상관관계 행렬 도출cor..

1. 이번 분석의 목적첫 번째 포스팅에서 서울시 따릉이 데이터를 성공적으로 불러왔습니다. 이번에는 이 데이터를 활용해 실무에서 가장 기본이 되는 '데이터 집계'를 해보려고 합니다.내가 가진 데이터 속에서 "사람들이 가장 많이 이용하는 따릉이 대여소 TOP 5는 어디일까?"라는 질문을 던지고, 파이썬 코드로 그 정답을 직접 찾아보았습니다.2. 핵심 분석 코드파이썬의 value_counts() 함수를 활용하면 특정 데이터가 몇 번이나 등장했는지 개수를 쉽게 세어줍니다. 가장 이용 건수가 많은 상위 5개 대여소를 뽑아내는 코드입니다.import pandas as pd# 1. 데이터 불러오기df = pd.read_csv('/content/tpss_bcycl_od_statnhm_20260805.csv', enco..

1. 프로젝트 시작 계기 (왜 이 데이터를 골랐는가?)비전공자로서 데이터 분석을 공부하며 가장 먼저 마주한 것은 "어떤 데이터로 시작해야 할까?"라는 고민이었습니다. 멀리서 찾지 않고, 매일 출퇴근길에 마주치는 익숙한 [서울시 따릉이] 데이터를 활용해 보기로 했습니다. 익숙한 데이터일수록 도메인(현상)을 이해하기 쉽고, 더 재미있게 분석할 수 있을 것 같았기 때문입니다.2. 데이터 준비 및 분석 환경데이터 출처: 서울열린데이터광장 (또는 공공데이터포털)분석 환경: Google Colab (Python 3)주요 라이브러리: Pandas 3. 데이터 첫인상 확인하기 (코드 및 결과)가장 먼저 파이썬의 pandas 라이브러리를 활용해 다운로드한 CSV 파일을 불러오고, 상위 5개 데이터를 확인했습니다.impo..

1. 프로젝트 배경 및 기획 의도배경: '두바이 쫀득 쿠키(두쫀쿠)'는 현재 정점의 인기를 구가하며 실시간 재고 지도 서비스까지 등장함. 하지만 모든 실물 트렌드는 도입-성장-성숙-쇠퇴의 사이클을 가짐.기획 의도: 이미 존재하는 현상(지도)을 뒤쫓는 것이 아니라, 검색량 하락 지점(반감기)과 원자재 수급 추이를 데이터로 분석하여 이 유행의 종말 시점을 예측하고, 데이터가 가리키는 '차세대 디저트 트렌드'를 선제적으로 제안함.2. 데이터 수집 및 가이드라인 (Data Sourcing)분석 차원수집 데이터참고 링크 및 방법유행의 속도'두바이 쿠키' 키워드 검색량 추이네이버 데이터랩 - 일별 클릭량 추이공급의 포화전국 '두바이 쿠키' 취급 점포 수 변화[네이버 지도 API] 혹은 관련 커뮤니티 등록 업체 수 ..

데이터로 읽는 시대의 문장: 연령별·직군별 독서 트렌드 분석 프로젝트, 기획부터 수익화 전략까지 📑 블로그 본문 내용1. 왜 '독서 데이터'에 주목해야 하는가?책은 한 사람의 '관심사의 총체'다.특히 어떤 직군이, 어떤 연령대가, 어떤 시기에 특정 도서를 선택했는지를 분석하면 그들의 심리적 상태와 시대적 갈망을 읽을 수 있다.이는 단순한 분석을 넘어 강력한 비즈니스 모델이 된다.2. 프로젝트 핵심 조사 항목 (무엇을 조사할까?)이 프로젝트를 성공시키기 위해선 다음과 같은 '데이터 발자취'를 추적해야 한다.시기별 트렌드: 연초(자기계발/경제), 연말(에세이/위로), 특정 사회적 이슈 발생 시 관련 도서 판매량 변화.연령대별 선호 장르: 20대의 '불안과 성취', 30대의 '재테크와 직무', 40대의 '철..

[SQLD와 ADsP를 활용한 실전 프로젝트 가이드] - 데이터 뒤에 숨은 심리를 찾아서📑 블로그 본문 내용1. 나를 움직이는 도파민: '왜?'라는 질문과 '분석'나는 세상을 탐험하는 것을 즐기는 사람이다. 낯선 장소의 발자취를 따라가고, 백화점 1층부터 꼭대기까지 그 공간의 흐름을 전부 파악해야 직성이 풀리는 성격이다. 이 호기심은 자연스럽게 '사람들의 선택'으로 이어졌다."사람들은 왜 이 물건을 선택했을까?""이 지역 사람들은 왜 이런 소비 패턴을 보일까?"이 질문들에 대한 해답을 찾기 위해, 나는 지금 IT 기술(SQL, 데이터 분석)이라는 새로운 도구를 손에 쥐었다.2. 프로젝트 기획: "소비 패턴에 투영된 지역별 인생관 분석"단순히 숫자를 계산하는 것을 넘어, 데이터라는 발자취를 통해 사람들의..

📍 Pitch & Gamma로 프레젠테이션 시작하기프레젠테이션 제작 효율을 높여주는 AI 도구 Pitch와 Gamma를 소개합니다. 두 툴 모두 무료 플랜으로 충분히 사용 가능합니다.1. Pitch (피치)디자인과 협업에 최적화된 AI 프레젠테이션 툴입니다.가입 방법: Pitch 홈페이지 접속 → 이메일 또는 Google/Apple 계정으로 가입2. Gamma (감마)텍스트 입력만으로 슬라이드를 자동 생성해 주는 툴입니다.가입 방법: Gamma 홈페이지 접속 → Google 계정으로 간편 로그인설정 팁: 계정 생성 시 언어를 '한국어'로 설정하세요.✅ 준비 끝!계정 생성이 완료되었다면, 이제 AI로 빠르고 간편하게 발표 자료를 만들 수 있습니다. 📍[Tip] AI 프레젠테이션, 프롬프트 한 끗 차이..

🔍 파이썬 스타일 가이드(PEP 8) 완벽 정리 — 실무에서 바로 쓰는 Python 코드 작성법파이썬(Python)의 가독성과 유지보수성을 높이기 위한 공식 문서가 바로 PEP 8 스타일 가이드입니다.특히 초보자일수록 PEP 8을 잘 알고 있으면 코드 품질이 크게 향상되고, 협업에서도 좋은 평가를 받을 수 있습니다.아래에서는 실무에서 즉시 적용 가능한 핵심 규칙만 선별하여 정리했습니다.📌 목차PEP 8이 중요한 이유변수·함수·상수의 이름 규칙의미 있는 이름을 만들어야 하는 이유들여쓰기·공백·괄호 등 화이트 스페이스 규칙연산자·지정 연산자 사용 규칙주석(Comment) 작성 방법PEP 8을 지키면 생기는 실무적 장점1. PEP 8이 중요한 이유PEP 8은 Python 코드를 어떻게 작성해야 가장 읽기 ..