파이썬에서 데이터 분석을 하려면 어떤 패키지가 있는지 알려주고, 예시를 들어 자세하게 설명하는데, 표 형태로 만들어줘 ... claude

파이썬에서 데이터 분석을 하려면 어떤 패키지가 있는지 알려주고, 예시를 들어 자세하게 설명하는데, 표 형태로 만들어줘

 

파이썬 데이터 분석 주요 패키지

1. 패키지 한눈에 보기

분류패키지핵심 역할설치 명령

데이터 처리	NumPy	수치 계산, 다차원 배열	pip install numpy
데이터 처리	Pandas	표 형태 데이터(DataFrame) 처리	pip install pandas
데이터 처리	Polars	대용량 데이터를 빠르게 처리	pip install polars
시각화	Matplotlib	기본 그래프 작성	pip install matplotlib
시각화	Seaborn	통계 그래프를 간편하게 작성	pip install seaborn
시각화	Plotly	마우스로 조작하는 인터랙티브 그래프	pip install plotly
통계	SciPy	과학 계산, 통계 검정	pip install scipy
통계	Statsmodels	회귀분석, 시계열 분석	pip install statsmodels
머신러닝	scikit-learn	분류, 회귀, 군집, 전처리	pip install scikit-learn
딥러닝	TensorFlow / PyTorch	신경망 모델 구축	pip install tensorflow / pip install torch
파일 입출력	openpyxl	엑셀 파일 읽기/쓰기	pip install openpyxl
웹 수집	requests / BeautifulSoup	웹 데이터 수집	pip install requests beautifulsoup4

2. 패키지별 사용 예시

데이터 처리

패키지예시 코드설명

NumPy	import numpy as np scores = np.array([85, 90, 78, 92]) print(scores.mean())	배열을 만들고 평균(86.25)을 계산
Pandas	import pandas as pd df = pd.read_csv("score.csv") df.groupby("반")["점수"].mean()	CSV를 읽어 반별 평균 점수를 계산
Polars	import polars as pl df = pl.read_csv("score.csv") df.filter(pl.col("점수") > 80)	80점 초과 행만 빠르게 추출

시각화

패키지예시 코드설명

Matplotlib	import matplotlib.pyplot as plt plt.plot([1,2,3], [85,90,88]) plt.show()	꺾은선 그래프 출력
Seaborn	import seaborn as sns sns.histplot(df["점수"])	점수 분포 히스토그램
Plotly	import plotly.express as px px.bar(df, x="반", y="점수")	마우스를 올리면 값이 보이는 막대그래프

통계 분석

패키지예시 코드설명

SciPy	from scipy import stats stats.ttest_ind(group_a, group_b)	두 집단 평균 차이 t-검정
Statsmodels	import statsmodels.api as sm model = sm.OLS(y, sm.add_constant(X)).fit() print(model.summary())	선형회귀 분석 및 상세 통계 결과 출력

머신러닝

패키지예시 코드설명

scikit-learn	from sklearn.linear_model import LinearRegression model = LinearRegression().fit(X, y) model.predict([[5]])	공부 시간(X)으로 점수(y)를 예측하는 모델 학습
TensorFlow/PyTorch	import torch x = torch.tensor([1.0, 2.0])	딥러닝용 텐서 생성 (신경망의 기본 단위)

3. 간단한 종합 예제

학생 성적 데이터를 불러와 분석하고 그래프로 그리는 흐름입니다.

 

python

import pandas as pd
import matplotlib.pyplot as plt

# 1) 데이터 불러오기
df = pd.DataFrame({
    "이름": ["가", "나", "다", "라", "마", "바"],
    "반": [1, 1, 2, 2, 3, 3],
    "점수": [85, 90, 78, 92, 88, 95]
})

# 2) 기본 정보 확인
print(df.describe())

# 3) 반별 평균 계산
avg = df.groupby("반")["점수"].mean()
print(avg)

# 4) 시각화
avg.plot(kind="bar", title="반별 평균 점수")
plt.ylabel("점수")
plt.show()

단계사용 패키지하는 일

1. 불러오기	Pandas	데이터를 DataFrame으로 구성
2. 탐색	Pandas	describe()로 평균, 표준편차, 최솟값 등 요약
3. 집계	Pandas	groupby로 반별 평균 계산
4. 시각화	Matplotlib	막대그래프로 결과 표현

4. 학습 순서 추천

순서패키지이유

1단계	NumPy → Pandas	모든 분석의 기초이므로 가장 먼저 익히기
2단계	Matplotlib → Seaborn	데이터를 눈으로 확인하는 능력 기르기
3단계	SciPy → Statsmodels	통계적으로 의미 있는 결과인지 검증하기
4단계	scikit-learn	예측 모델 만들기
5단계	TensorFlow / PyTorch	이미지, 텍스트 등 복잡한 데이터를 다루는 딥러닝

참고 사항

• 한글 그래프: Matplotlib에서 한글이 깨지면 plt.rc("font", family="Malgun Gothic")(Windows) 또는 AppleGothic(Mac)으로 폰트를 지정하세요.
• 실습 환경: 설치가 번거롭다면 Google Colab을 쓰면 위 패키지가 대부분 미리 설치되어 있습니다.
• 실습 환경 추천 조합: 처음 시작한다면 Pandas + Matplotlib + scikit-learn 세 가지만 익혀도 대부분의 기본 분석을 할 수 있습니다.

원하시면 특정 패키지(예: Pandas)만 더 깊이 다루거나, 수업용 실습 예제로 바꿔 드릴 수도 있습니다.