이 책의 대상 독자
- 엑셀 또는 파이썬에 익숙하지 않은 데이터 분석가
- 엑셀을 사용하고 있지만 파이썬을 통해 업무 효율을 높이고 싶은 담당자

파이썬은 프로그래밍 언어이지만 데이터 분석 분야에서는 엑셀의 기본 기능과 같습니다. 엑셀은 익숙하고 익히기 쉬운 프로그램이므로 파이썬의 데이터 분석과 비교하여 학습할 수 있습니다. 같은 기능에 대해 엑셀에서 사용하는 방법과 파이썬에서 사용하는 코드를 각각 확인하여 효과적인 학습을 진행할 수 있습니다. 예를 들어, 엑셀에서 하나의 데이터를 다른 데이터로 바꾸는 데이터 변환은 다음 그림과 같습니다.  _xviii

데이터 분석은 빅데이터 뒤에 숨겨진 정보를 추출하고, 데이터 내부의 규칙을 정리할 수 있습니다. 경험에 의존해 머리를 맞대고 의사 결정을 진행하던 이전의 방식에서 벗어나 데이터 분석을 중시하는 기업이 점차 늘고 있습니다. 구체적인 예를 들면, 데이터 분석은 기업의 일상 업무에서 현황 분석, 원인 분석, 예측 분석과 같은 중요한 역할을 합니다.  _4p

엑셀에서는 먼저 결측값이 없는 기준 열을 선택하여 열의 총 데이터 개수를 확인하고, 다른 열의 수와 비교합니다. 다른 열의 데이터 개수가 기준 열보다 적으면 결측값이 존재한다는 것을 의미하므로 두 수의 차가 결측값의 수가 됩니다.  _83p

상관성은 앞서 살펴본 기저귀와 맥주 판매 예시와 같이 두 사물 간의 상관관계 측정에 자주 사용됩니다. 보통 상관 계수를 사용해 두 사물의 상관관계를 측정하므로 상관성 계산은 상관 계수의 계산이며, 일반적으로 피어슨(Pearson) 상관 계수를 사용합니다.  _155p

데이터 분석가는 보고서를 작성해야 하는 일이 많지만, 작성할 보고서가 너무 많으면 데이터를 분석할 시간이 없습니다. 데이터 분석가의 핵심 가치는 단순히 데이터를 나열하는 것이 아니라 보고서를 통해 데이터 너머의 숨겨진 정보를 찾아내는 것입니다. 간단한 데이터만 나열하는 것은 데이터 분석가가 아니라 데이터 수집가일 뿐입니다. 단순한 수집가에 그치지 않고 분석에 더욱 힘을 쏟기 위해서는 어떻게 해야 할까요? 스크립트를 통해 고정된 데이터의 수집 작업을 자동으로 진행하면, 분석가는 더 많은 시간을 수집 작업이 아닌 분석에 사용할 수 있습니다. 이와 같이 프로그램이 자동으로 실행되는 프로세스를 자동화라고 합니다.  _263p

 

CHAPTER 01 데이터 분석 기초 3
1.1 데이터 분석이란? 3
1.2 데이터 분석의 필요성 3
1.3 데이터 분석의 분석 대상은 무엇인가? 5
1.4 데이터 분석의 일반적인 프로세스 8
1.5 데이터 분석 도구: 엑셀과 파이썬 11

CHAPTER 02 냄비 확인하기 ― 파이썬 기초 지식 15
2.1 파이썬이란? 15
2.2 파이썬 설치 16
2.3 Jupyter Notebook 소개 21
2.4 기본 개념 30
2.5 문자열 34
2.6 데이터 구조-리스트 38
2.7 데이터 구조-딕셔너리(dict) 43
2.8 데이터 구조-튜플 45
2.9 연산자 47
2.10 반복문 48
2.11 조건문 50
2.12 함수 53
2.13 고급 기능 56
2.14 모듈 58

CHAPTER 03 Pandas 데이터 구조 59
3.1 Series 데이터 구조 59
3.2 DataFrame 테이블 형식의 데이터 구조 61

CHAPTER 04 원재료 준비하기 ― 데이터 소스 가져오기 66
4.1 외부 데이터 가져오기 66
4.2 데이터 생성하기 77
4.34.3 데이터 파악하기 77

CHAPTER 05 쌀과 야채 씻기 ― 데이터 전처리 83
5.1 결측값 처리 83
5.2 중복값 처리 89
5.3 이상값 검측과 처리 92
5.4 데이터 유형 변환 94
5.5 인덱스 설정 97

CHAPTER 06 요리와 재료 선택하기 ― 데이터 선별 103
6.1 열 선택하기 103
6.2 행 선택하기 106
6.3 행과 열 동시 선택하기 109

CHAPTER 07 재료 손질하기 ― 데이터 조작 113
7.1 데이터 바꾸기 113
7.2 데이터 정렬하기 118
7.3 데이터 순위 확인하기 122
7.4 데이터 삭제하기 125
7.5 숫자 카운트하기 128
7.6 유일한 데이터 가져오기(중복값을 하나로 표현하기) 130
7.7 데이터 찾기 130
7.8 구간 분할하기 132
7.9 새로운 행 또는 열 삽입하기 135
7.10 행과 열 바꾸기 136
7.11 인덱스 재구성하기 138
7.12 테이블의 길이와 너비 전환하기 139
7.13 apply( )와 applymap( ) 함수 142

CHAPTER 08 요리 시작하기 ― 데이터 연산 144
8.1 산술 연산 144
8.2 비교 연산 146
8.3 일괄 연산 146
8.4 상관성 계산하기 155

CHAPTER 09 요리 타이머 ― 시계열 157
9.1 현재 시간 가져오기 157
9.2 날짜와 시간 형식 지정하기 159
9.3 문자열과 시간 형식 상호 변환하기 161
9.4 시간 인덱스 161
9.5 시간 계산하기 165

CHAPTER 10 요리 분류 ― 데이터 그룹화/피벗 테이블 168
10.1 데이터 그룹화 168
10.2 데이터 피벗 테이블 174

CHAPTER 11 디저트 과일 접시 준비 ― 다중 테이블 결합 179
11.1 테이블의 가로 결합 179
11.2 테이블의 수직 결합 187

CHAPTER 12 상 차리기 ― 결과 도출 191
12.1 .xlsx 파일 내보내기 191
12.2 .csv 파일 내보내기 195
12.3 파일을 여러 시트로 내보내기 198

CHAPTER 13 요리 가지런히 놓기 ― 데이터 시각화 199
13.1 데이터 시각화란? 199
13.2 데이터 시각화의 기본 과정 199
13.3 그래프의 기본 구성 요소 200
13.4 엑셀과 파이썬의 시각화 202
13.5 캔버스와 좌표계 생성하기 203
13.6 좌표축 설정하기 209
13.7 다른 그래프 형식 설정하기 216
13.8 일반적인 그래프 그리기 226
13.9 그래프 조합하기 251
13.10 이중축 그래프 생성 255
13.11 그래프 스타일 설정 257

CHAPTER 14 대표적인 데이터 분석 사례 263
14.1 파이썬을 사용한 보고서 자동화 263
14.2 이메일 자동으로 보내기 268
14.3 슈퍼마켓 체인점 관련 데이터 분석 271
14.4 은행 관련 데이터 분석 275

CHAPTER 15 NumPy 배열 280
15.1 NumPy 소개 280
15.2 NumPy 배열 생성 281
15.3 NumPy 배열의 기본 속성 286
15.4 NumPy 배열의 데이터 선택 288
15.5 NumPy 배열의 데이터 전처리 292
15.6 NumPy 배열 재구성 293
15.7 NumPy 배열 병합 295
15.8 자주 사용하는 데이터 분석 함수 297