![]()
데이터 분석의 세계에서 데이터를 시각화하는 것은 중요한 과정 중 하나다. 숫자와 문자로만 이루어진 데이터보다는 그래프나 차트를 통해 정보를 표현하는 것이 훨씬 직관적이기 때문이다. 이번 글에서는 Pandas, Streamlit, 그리고 Matplotlib을 활용하여 간단한 데이터를 시각화하는 방법에 대해 알아보자. data = pd.DataFrame({ '이름': ['영식', '철수', '영희'], '나이': [22, 31, 23], '몸무게': [75.5, 80.2, 55.1] }) st.dataframe(data, use_container_width=True) fig, ax = plt.subplots() ax.bar(data['이름'], data['나이']) st.pyplot(fig) 1. Panda..
데이터 분석을 진행하다 보면, 종종 데이터를 특정 기준에 따라 분류하거나 등급을 매기고 싶을 때가 있다. 예를 들어, 학생들의 시험 점수에 따라 성적 등급을 부여하고 싶을 때, 어떻게 해야 할까? Pandas와 NumPy의 강력한 기능을 활용하면 이러한 작업을 간단하게 수행할 수 있다. 먼저, 아래의 코드를 살펴보자. number = [ df["국어"] >= 90, (df["국어"] >= 80) & (df["국어"] = 70) & (df["국어"] < 80) ] line = ['A', 'B', 'C'] df['등급'] = np.select(number, line, default='F') 이 코드는 학생..
데이터 분석을 시작할 때 가장 중요한 것 중 하나는 데이터를 적절한 형식으로 가져오는 것이다. 오늘날 많은 데이터는 JSON 형식으로 제공되며, 이를 분석하기 위해선 Pandas 데이터프레임으로 변환하는 작업이 필요하다. 이번 글에서는 JSON 데이터에서 특정 키의 값을 추출하고, 그 값을 Pandas의 DataFrame 함수를 사용하여 데이터프레임으로 변환하는 방법에 대해 알아보겠다. JSON 데이터란? JSON(JavaScript Object Notation)은 데이터 교환 형식 중 하나로, 키-값 쌍으로 구성된다. 웹 API 응답, 설정 파일, 데이터 저장 등 다양한 곳에서 사용된다. JSON 데이터는 딕셔너리와 유사한 형태를 가지며, Python에서는 json 모듈을 사용하여 쉽게 처리할 수 있다..
