작년과 올해 ICT 분야의 최대 관심사는 챗GPT일 것이다. ChatGPT는 Generative Pre-trained Transformer (GPT)와 Chat의 합성어이다. ChatGPT는 2022년 프로토타입으로 시작되었으며, 다양한 지식 분야에서 상세한 응답과 정교한 답변으로 인해 집중을 받았다. 비영리기업인 OpenAI에서 마이크로소프트사로부터 지분 양도에 따른 대규모 투자를 받아서 모든 이들의 이목을 한번에 받았다. ChatGPT는 인공지능의 지도 학습과 강화 학습을 활용해 엄청난 양의 입력 데이터를 분석하여, 사용자가 질문을 하면 이 질문에 대해서 기준의 학습 데이터(Pre-trained Data)를 기반으로 답을 생성하는 생성형 알고리즘이다. 이에 따라 기존의 빅데이터가 제공되면, 최소의 시간 안에 최적의 답변을 내놓을 수 있다. 올해 인기를 반영하듯 엄청난 종류의 챗GPT 관련 책들이 시중에 나오고 있다. 독자들이 향후 챗GPT를 이용할 때, 올바르게 활용할 수 있게 해 줄 것으로 기대된다. 관련하여 관련하여 생성형 인공지능 AI의 기본이 되는 프로그래밍언어인 파이썬과 수많은 입력 데이터 처리를 도와주는 모듈이라 할 수 있는 판다스, 그리고 파이썬을 이용한 데이터 분석의 원리와 실제 사례를 자세하게 설명해 주는 책을 읽을 기회를 가졌다. 

인공지능의 기본 원리를 알기 위해서는 수학적 기법을 이용한 데이터 처리가 중요하기 때문에 조금은 어렵지만, 향후 인공지능 어플리케이션의 주요 적용 분야가 될, 인공지능의 자연어 처리 및 생성형 알고리즘을 이용한 이미지 및 영상 처리 등에 대해 이해 및 응용을 위해서는 이러한 프로그래밍 언어와 응용 모듈 사용법을 이해하는 것이 필수적일 것이다. 저자는 수학적 원리를 수학적 기법 뿐만 아니라 그림과 도식을 보조적으로 사용하여 설명하여 독자들이 보다 쉽게 이해할 수 있도록 접근하고 있다. 오승환의 ＜파이썬 머신러닝 판다스 데이터 분석＞이었다.

저자인 오승환님은 과학고, 서울대를 졸업하고, 중국 CKGSB MBA, FRM(미국 재무위험관리사) 자격을 보유하고 있다. 국내 주요 금융기관과 대기업에서 기업분석 및 전략기획 업무를 담당했다. IT 비전공자이지만 데이터 분석과 인공지능을 독학으로 익혔고, 현재 핀테크 스타트업 대표이자 인공지능 강사로 활발하게 활동하고 있다. 유튜브 [판다스 스튜디오]를 운영하며, 저서로는 『파이썬 딥러닝 텐서플로』 등이 있다.

책의 목차는 다음과 같다

PART 1. 판다스 입문

PART 2. 데이터 입출력

PART 3. 데이터 살펴보기

PART 4. 시각화 도구

PART 5. 데이터 사전 처리

PART 6. 데이터프레임의 다양한 응용

PART 7. 머신러닝 데이터 분석

인공 지능의 역사를 보면 그 부침이 많고 그 활용 측면에서도 활용도가 높은 분야가 있는 반면 아직까지는 그 이론 및 정확도 측면에서 개선의 여지가 많은 분야도 있다. 2차 세계대전이 한창일때, 영국의 천재 수학자인 튜링에 의해서 제시된 인공지능 기계의 탄생, 튜링테스트 제시(기계가 인간과 구별할 수 없는 지능적인 행동을 보일 수 있는지를 결정하는 기준), 전문가 시스템의 개발, 패턴인식 알고리즘 개발 등 초기 인공지는의 역사를 이야기 해준다. 이후 인공지능은 머신러닝(Machine Learning)으로 발전하고 신경망 알고리즘의 개발로 또 한번의 도약을 한다. 이후 머신러인의 한계(XOR 논리 오류..등등)로 침체기를 격고 이후에 인공지능의 아버지라 이야기되기도 하는 제프리 힌튼 등에 의한 역전파 알고리즘(Back-propagation Algorithm)의 개발은 인공지능의 신경망 개발에 혁기적인 도약이 이루어 진다. 여기에 환경의 학습을 적용한 강화학습이론(Reinforcement Learning)은 인공지능 분야의 영역을 확대하였다. 

인공지능의 발전이 이렇게 빨리 가능했던 이유 중 또하나는 데이터의 엄청난 증가(아이폰 등 핸드폰에 카메라 기능이 들어감에 따른 사진 이미지 데이터의 량의 급격한 증가는 인공지능의 입력 데이터를 충분하게 제공하여 인공지능의 학습량을 늘리는 계기가 되었다). 이 데이터들을 이용한 인공지능의 최고 알고리즘인 딥러닝(Deep Learning)이 개발되고, 여기서 Transformer 알고리즘이 개발되어 자연어 처리 및 생성형 인공지능이라는 영역을 창시하게 된다. 이러한 인공 지능의 역사를 알아야만 인공지능의 한계와 발전 방향에 대한 올바른 판단을 할 수 있을 것이다.

여기에서 인공지능은 분석형 AI와 생성형 AI로 구분되기 시작하였고 각 분야에서의 새로운 알고리즘 적용과 상용화 소프트웨어의 출시등으로 급격한 발전을 이루기 시작하였다. 이 두 분야에서의 AI 구분은 그 한계성 및 적용 알고리즘이 다르고 적용 분야의 정확도 측면과 결과에도 많은 차이가 있기 때문에 인공지능을 알고자 하시는 독자들은 이 차이점을 확실히 알아두는 것이 필요하다. 이 책에서는 챗GPT 관련 최신 정보에 대해서도 이야기를 해 주고 있다. 챗GPT4.0 및 네이버의 하이퍼클로바X. 가장 핫한 분야인 생성형 AI에 대한 흐름을 이야기 해주고, 생성형 AI에 대한 환각현상 및 프라이버시 문제점,챗GPT의 위험관리 관련 논의 사항에 대해서도 정리하고 있다. 인공지능에 대한 맹목적인 믿음보다는 관련 사항에 대한 심도깊은 이해와 이를 바탕으로 하는 활용이 필요할 것이다.

오승환의 ＜파이썬 머신러닝, 판다스 데이터 분석＞은 비전공자와 입문자도 쉽게 접근할 수 있도록 복잡한 이론보다는 풍부한 예제를 중심으로 설명한 책이다. 이 책의 최신 개정판은 Pandas 2.0 버전의 업데이트 내용을 반영하고, 시계열 데이터 처리 및 다양한 데이터 전처리 기법 등을 추가하여 데이터 분석의 기초를 다지고 있다. 특히 시계열 데이터 분석과 데이터 시각화를 중점적으로 다루고 있어, 실무에 즉시 적용할 수 있는 지식을 얻을 수 있다. 이 책을 통해 독자들은 파이썬과 판다스를 활용한 데이터 분석에 자연스럽게 익숙해질 수 있으며, 데이터 수집부터 분석까지의 과정을 즐길 수 있게 된다.

파이썬은 간결하고 읽기 쉬운 문법, 방대한 라이브러리, 그리고 높은 생산성으로 인해 데이터 과학과 인공지능 분야에서 널리 사용된다. 특히, 파이썬은 다양한 데이터 분석 라이브러리(예: Pandas, NumPy, SciPy)와 머신러닝 라이브러리(예: Scikit-Learn, TensorFlow, PyTorch)를 제공하여 데이터 처리와 분석, 모델링을 손쉽게 수행할 수 있다. 파이썬은 여러 다른 프로그래밍 언어들과 비교했을 때, 파이썬은 많은 장점들이 있다: 먼저 파이썬의 문법은 다른 언어에 비해 간결하고 명확하여 배우기 쉽다. 그리고 다양한 라이브러리가 존재하여, 파이썬은 방대한 데이터 과학 및 머신러닝 라이브러리를 보유하고 있어, 다양한 문제를 손쉽게 해결할 수 있다. 그 결과 파이썬은 높은 생산성을 보여주고 있다. 파이썬의 간결한 문법과 풍부한 라이브러리 덕분에 개발 시간이 단축되고 생산성이 높아진다.

Pandas는 파이썬 데이터 분석의 핵심 라이브러리로, 데이터 프레임(dataframe)이라는 강력한 자료구조를 제공하여 데이터를 효율적으로 처리하고 분석할 수 있게 해준다. 데이터 전처리, 정제, 변환, 통합 등의 작업을 손쉽게 수행할 수 있으며, 다양한 데이터 소스(CSV, SQL, Excel 등)와의 호환성이 뛰어나다. 현시점에서 가장 관심을 받고 있는 생성형 인공지능 AI의 경우, 입력 데이터의 량이 엄청나고 그 데이터 처리가 중요하기 떄문에 기존의 데이터 처리 라이브러리보다 뛰어난 판다스는 인공지능 개발에 중요한 역할을 한다.

인공지능의 발전이 이렇게 빨리 가능했던 이유 중 또 하나는 데이터의 엄청난 증가(아이폰 등 핸드폰에 카메라 기능이 들어 감에 따른 사진 이미지 데이터의 량의 급격한 증가는 인공지능의 입력 데이터를 충분하게 제공하여 인공지능의 학습량을 늘리는 계기가 되었다). 이 데이터들을 이용한 인공지능의 최고 알고리즘인 딥러닝(Deep Learning)이 개발되고, 여기서 Transformer 알고리즘이 개발되어 자연어 처리 및 생성형 인공지능이라는 영역을 창시하게 된다. 이러한 인공 지능의 역사를 알아야만 인공지능의 한계와 발전 방향에 대한 올바른 판단을 할 수 있을 것이다.

여기에서 인공지능은 분석형 AI와 생성형 AI로 구분되기 시작하였고 각 분야에서의 새로운 알고리즘 적용과 상용화 소프트웨어의 출시 등으로 급격한 발전을 이루기 시작하였다. 이 두 분야에서의 AI 구분은 그 한계성 및 적용 알고리즘이 다르고 적용 분야의 정확도 측면과 결과에도 많은 차이가 있기 때문에 인공지능을 알고자 하시는 독자들은 이 차이점을 확실히 알아두는 것이 필요하다. 이 책에서 설명하고 있는 챗GPT 관련 설명은 생성형 인공지능 AI에 관한 것이다. 저자는 챗GPT4.0 이외에 최근 가장 핫 하게 이야기 되고 있는 LLM(largeLanguage Model) 및 네이버의 하이퍼클로바X 등에 대한 흐름을 이야기 해주고, 생성형 AI에 대한 윤리 문제 및 위험관리에 대한 논의 사항에 대해서도 정리하고 있다. 인공지능에 대한 맹목적인 믿음보다는 관련 사항에 대한 심도깊은 이해와 이를 바탕으로 하는 활용이 필요할 것이다.

이러한 LLM 시스템에서는 데이터의 처리가 중요하다. 그를 위한 데이터 분석을 위한 시계열 데이터 분석의 중요성도 높아지고 있다. 시계열 데이터는 시간의 흐름에 따른 연속적인 값을 가지며, 미래를 예측하고 전략을 세우는 데 큰 도움이 된다. 특히 주식, 환율 등의 금융 데이터 분석에서 중요한 역할을 한다. Pandas는 시계열 데이터를 효율적으로 처리하고 분석할 수 있는 다양한 기능을 제공하여, 시간에 따른 데이터 변화를 효과적으로 분석할 수 있게 한다.

저자는 미신러닝의 데이터 분석에 대해서도 잘 설명해 준다. 머신러닝은 인공지능(AI)의 한 분야로, 데이터를 통해 학습하고 경험을 쌓아 성능을 향상시키는 알고리즘과 기술을 연구한다. 머신러닝은 컴퓨터가 명시적인 프로그래밍 없이도 패턴을 인식하고 예측을 수행할 수 있게 한다. 머신러닝은 주로 두 가지 학습 방식으로 나뉜다. 지도 학습은 레이블이 있는 데이터를 사용하여 모델을 학습시키는 방식으로, 주택 가격 예측, 이메일 스팸 분류 등이 있다. 비지도 학습은 레이블이 없는 데이터를 사용하여 패턴이나 군집을 찾는 방식으로 고객 세분화, 이상 탐지가 있다.

머신러닝 프로세스는 보통 다음과 같은 단계로 이루어진다:

데이터 수집: 문제 해결에 필요한 데이터를 수집.

데이터 전처리: 수집된 데이터를 정제하고 변환하여 분석에 적합하게 만든다.

특성 선택 및 추출: 모델 학습에 중요한 특성을 선택하거나 생성한다.

모델 학습: 데이터를 사용하여 머신러닝 알고리즘을 훈련시킨다.

모델 평가: 학습된 모델을 평가하고 성능을 검증한다.

모델 배포: 최종 모델을 실무 환경에 배포하여 실제 문제를 해결한다.

이 이외에 저자는 전통적인 분석 방법에 대해서 자세히 설명해 준다. 즉 회귀분석으로 단순회귀분석(하나의 독립 변수와 하나의 종속 변수 사이의 관계를 분석하는 방법으로, 주택 크기(독립 변수)와 가격(종속 변수) 간의 관계를 분석할 수 있다), 다항회귀분석(단순회귀분석의 확장으로, 독립 변수와 종속 변수 사이의 비선형 관계를 모델링하는 것으로, 주택 크기와 가격 간의 비선형 관계를 분석할 수 있다), 다중회귀분석(여러 개의 독립 변수를 사용하여 종속 변수를 예측하는 방법으로 주택 크기, 위치, 방 수 등을 사용하여 주택 가격을 예측할 수 있다) 등이 있다. 이외 분류(KNN (k-최근접 이웃), SVM (서포트 벡터 머신), Decision Tree (의사 결정 나무)와 군집(. k-Means), DBSCAN) 등에 대한 기초 이론도 설명해 준다. 

인공지능의 적용 분야는 넓은 것이 사실이다. 그러나 우리는 인공지능의 한계점도 인식하여야 할것이다. AI는 의료, 금융, 제조, 자율주행, 고객 서비스 등 다양한 분야에서 활용되고 있다. 예를 들어, 의료 분야에서는 질병 진단 및 예측, 금융 분야에서는 주가 예측 및 리스크 관리, 제조 분야에서는 품질 검사 및 예측 유지보수, 자율주행 분야에서는 자율주행차 개발, 고객 서비스 분야에서는 챗봇 및 개인화 추천 시스템 등이 있다. 그러나 AI는 아직 완벽하지 않으며, 몇 가지 한계점을 가지고 있다. 먼저 데이터 의존성이다. AI는 양질의 데이터를 필요로 하며, 데이터의 품질이 낮으면 정확한 결과를 얻기 어렵다. 또한 딥러닝 모델은 복잡하고 해석이 어려워, 결과를 이해하고 설명하는 데 어려움이 있다. AI의 사용에는 개인정보 보호, 편향된 알고리즘 등의 윤리적 문제가 수반된다할 것이다.

파이썬 머신러닝, 판다스 데이터 분석, 총리뷰

인공지능의 비전공자와 입문자도 쉽게 접근할 수 있도록 구성된 책으로, 최신 버전의 Pandas를 활용한 데이터 분석 기법을 풍부한 예제를 통해 설명하고 있다. 특히 시계열 데이터 분석과 데이터 전처리, 시각화 기법 등을 중점적으로 다루어, 실무에 즉시 적용할 수 있는 지식을 제공한다. 이 책은 파이썬과 판다스를 활용한 데이터 분석에 관심 있는 모든 독자에게 큰 도움이 될 것이다.

'데이터 분석' 요즘 가장 핫한 키워드입니다.

'파이썬 배워봐야지, 시각화해야지, 데이터 분석해야지'.. 라는 생각을 가지고 계시지만, 정작 시도를 하기는 어려워하는 분들께 추천드릴 수 있는 데이터 분석의 기초부터 머신러닝까지 가능한 책입니다.

'분석환경' 이조자도 낯선분들이 많으실겁니다. 게임이나 엑셀, 피피티는 다뤄봤지만, 명령어를 통해 컴퓨터가 이해할 수 있도록 하는 언어를 다루는건 처음이신 분들이 대다수이니까요. 하지만 이 책에서는 데이터 분석에 대해 알려주며 일단 몰라도 차근차근 따라하면 어느순간 코딩을 하고있는 저를 발견할 수 있게해줍니다.

맨 처음 세팅이 어려운 분석환경을 Anaconda로 세팅할 수 있도록 맨 처음 가이드도 준비되어있습니다. 잘 모르시더라도 직접해보면 정말 어렵지 않은 것을 느끼실겁니다. 이렇게 스스로 만든 분석환경에서 판다스 입문부터 시작하게 됩니다. 기초인 데이터프레임도 만들어보고 산술연산도해보며 이제는 외부 데이터(csv, excel등)까지도 읽어오고 가져오는 단계를 진행하게 됩니다. 

더 나아가서는 웹에서 긁어오고, API를 활용하여 데이터 수집도 가능하게 됩니다. 이렇게 가져온 데이터로 시각화도 해볼 수 있습니다. 시각화를 하면서 뭔가 데이터가 이상하다 싶은 부분을 발견하시게 될겁니다. 이 세상에는 좋은 데이터만 있는게 아니니까요.. 

그래서 중복데이터나 누락데이터를 처리하는 방법도 배워봅니다. 

이렇게 어느정도 데이터를 다룰 줄 알게 되면 '머신러닝'이란 것도 드디어 해볼 수 있게 됩니다.

조금씩 하다보니 어느순간 데이터 분석 환경 구축부터 데이터 정제, 시각화, 머신러닝까지... 모든걸 다뤄보게 되었습니다. 이 모든걸 저는 넉넉히 2주 걸려서 해보았습니다! 

지금도 모르는 문제는 구글링을하거나 GPT를 통해 도움을 얻는데요, 요즘은 정말 혼자서도 할 수 있는 환경이 잘 마련되어있어서 조금 더 빠르게 습득할 수 있는 것 같습니다.

데이터 분석의 기초부터 머신러닝까지! 이 책으로 도전 해보심은 어떠실까요?

판다스 데이터 분석의 책 분야에서는 교과서라고 불리울만큼 유명한 책이 개정판으로 새롭게 나왔다.

'파이썬 머신러닝 판다스 데이터 분석'은 파이썬을 처음 접하는 분이라도 쉽게 따라할 수 있게 발간되었으며,

파이썬을 한번이라도 접한 분들에게는 더욱 빠르게 판다스 데이터 분석을 할 수 있으리라 생각한다.

개발환경 준비부터 시작되는 책 내용은 정말 꼼꼼하게 데이터 분석에서 필요한 모든 내용이 담겨있다.

저자가 비전공 이였음에도 불구하고 이처럼 책을 출간할 수 있었던 것은 아마도 전체적인 흐름 조차도 쉽게 넘어가는 일이 없었기 때문에 가능하지 않았을까 싶다.

즉, 많은 시행착오 끝에 그 결과물이 이 책에 담겨 있다고 해도 충분하리라 생각된다.

책은 파트 1부터 시작으로 파트 7까지 데이터분석에 필요한 내용이 담겨 있다.

파트1에서는 판다스 입문의 내용이지만, 개인적으로 생각했을때 가장 중요한 내용이 담겨 있다.

시리즈, 데이터 프레임, 인덱스 활용, 필터링 등의 내용은 파이썬이 충분히 익혀졌을때도 또 다시 찾아보고 그 의미를 되새겨 보는 일이 상당히 많기 때문이다.

그 내용들을 정말 세심하게 잘 담아놨다. 아마도 책을 끝까지 몇번 완독을 하더라도 다시 읽어보고 찾게끔 되는 대목이라 생각된다.

책을 보다보니 가장 내게 큰 도움이 되었던 것은 파트 6의 '데이터프레임의 다양한 응용' 편이였다.

앞서서 파트1을 중요한 파트라고 언급했지만 어느정도 실력이 있으신분들은 파트 6만 반복적으로 읽어보더라도

실력 향상에 큰 도움이 될 것이라 생각한다. 파트 6을 얼마큼 정교하고 빠르게 잘 응요하냐에 따라 데이터 분석가, 사이언티스트의 실력이 판가름 날 수 있으리라 생각된다.

파트 7은 머신러닝 데이터 분석에 관한 내용인데, 이미 아시는 분들에게는 너무 쉬울 수 있고,

데이터 분석을 처음 보시는 분들에게는 다소 어려울 수도 있겠지만,

반드시 반복적으로 읽어봐야 하고 따라해야만 하는 파트라고 생각한다.

책이 전반적으로 통계학 이론의 비중이 낮은 반면에 개념 이해를 높이기 위한 단계적인 설명이 많아서

정말 많이 유용한 것 같다.

분석가를 하고있든 준비하고 있든 어찌됐든 이 분야에 담고 있는 분이라면

반드시 꼭 읽어보시기를 초강추 한다 !

책 제목은 분석 입문이라는 단어가 있지만 레벨 상승의 큰 문이 될 만한 책이라 생각한다.

파이썬 머신러닝 판다스 데이터 분석

아이가 코딩관련 쪽으로 관심을 보이면서 여러종류의 컴퓨터 도서들을 만나보는 중입니다.

그 중에서도 파이썬 관련도서는 자주 접하는 중인데요.

파이썬의 활용도가 높다는걸 파이썬 도서들 보고 제목을 보면서 알게되는데요.

판다스 라이브러리는 데이터를 수집하고 정리하는데 최적화된 도구예요.

가장 배우기 쉬운 프로그래밍 언어 중 하나인 파이썬을 기반으로 하기 때문에 컴퓨터과학이나

 프로그래밍을 전동하지 않은 사람들도 쉽게 따라하며 배우는 것이 가능하다는게 큰 장점이에요.

파이썬 머신러닝 판다스 데이터 분석은 데이터 분석에 필요한 필수 라이브러리를 예제 위주로 소개합니다.

수학과 통계학 이론의 비중을 낮추고 개념 이해를 돕기 위해 독시화로 구성되어있어요.

개정되면서 시계열 테이터 처리와 데이터 시각화, 다양한 데이터 전처리 기법 등이 추가되었는데

특히 시계열 데이터의 효율적인 처리와 분석을 위한 다양한 기법을 추가되었어요.

시계열 데이터는 시간의 흐름에 따른 연속적인 값으로 미래를 예측하고 그에 맞는 전략을 세우는데 

도움이 되기 때문에 주식, 환율 등 금융 데이터에 특히 많이 쓰입니다.

?

복잡한 이론이 아닌, 풍부한 예제로 비전공자와 입문자의 마음을 사로잡은 강의로

수학과 통계학 이론을 최소화한 예제 위주의 실습으로 꾸준히 사랑받는 파이썬 머신러닝 판다스 데이터 분석입니다.

개정판이 나왔다는건 어느정도 신뢰가 가는 도서라는 인증이죠.

아이가 따라해보며 실력이 쌓이면 좋겠네요.

도서를 제공받아 작성한 리뷰입니다.

아나콘다를 설치하면, 데이터 분석에 필요한 라이브러리인 판다스와 넘파이가 자동으로 설치되는데, 판다스는 라이브러리의 이름이다. 판다스는 통계와 머신러닝 분야에서 가장 중요한 소프트웨어로, 오픈소스도 무료이다. 판다스는 파이썬을 기본으로 하기 때문에 프로그래밍을 전공하지 않은 사람도 쉽게 따라가며 배우는 것이 가능하다.

판다스: 파이썬의 라이브러리. 데이터 과학의 80~90% 업무를 처리할 수 있고, 데이터과학자에게 기본적이면서도 아주 중요한 도구.

파이썬에는 3가지 자료구조(리스트,튜플,딕셔너리)가 있는데 판다스를 사용해 데이터 프레임(엑셀과 상당히 유사함)을 만들 수 있다. 그런데 엑셀이 있는데 굳이  판다스를 배워야 할까?라는 물음이 생긴다.

 엑셀은 프로그램을 만들 수가 없고, 파이썬으로 프로그램을 만들고 싶을 때, 데이터를 그 안에서 변경하고 싶다면 파이썬이 유용하다. 파이썬은 엑셀 자동화와 관련이 있다. (판다스의 코드로 엑셀 데이터를 전처리를 할 수 있다면 얼마든지 자동화코드들을 사용할 수 있다.) 판다스는 넘파이(숫자 계산에 강력한 퍼포먼스를 보인다.) 를 사용하고 있어서 상당히 빠르다. (교재에서도 입문 기초부터 가르쳐주고 있어, 산술연산:데이터 프레임과 응용: 함수매핑과 연결된  시리즈 객체 매핑에서 확인가능하다.) 만약 직업적으로 수학적으로 계산을 하거나 통계업무를 한다면 파이썬 판다스(판다스 함수가 잘 구성되어 있는 것도 장점) 데이터 분석을 공부하는 것은 좋은 선택일 수 있다. 만약 엑셀을 잘 썼던 사람이라면 판다스 함수를(책의 Part 3에서 확인할 수 있다.) 쓰는 것은 어렵지 않을 것이다.

[파이썬 머신 러닝 판다스 데이터 분석] 책은 어느정도 프로그래밍 경험이 있는 파이썬 초 중급자를 위한 책이다. 파이썬 버전 3.10버전을 기준으로 실행한다. 참고할 사항이다. (파이썬 베포판의 실행방법과 라이브러리 설치 확인/ 가상환경 생성을 책의 서두에서부터 설명하고 들어간다.) 파이썬 왕초보라면, [파이썬 머신 러닝 판다스 데이터 분석]의 내용은 다소 어렵게 느껴질 수 있다. 그래서 저자는 파이썬을 처음 접하는 독자라면 파이썬 리스트와 딕셔너리 등의 자료구조와 반복문 조건문 등의 기본 문법에 대한 학습을 먼저 해야 한다고 덧붙인다.

책은 올컬러의 장점과(글자 폰트와 중요도에 따른 색상의 표시들로 집중도를 높인다.) 복잡한 이론 공부보다는 직접 예제코드를 실행하며 실습하는 것이 유용하므로 책에서는 (많은 실습예제와 실행결과들을 확인 할 수 있다. ) 각 설명에는 ＜여기서 잠깐＞란을 두어 실습하며 궁금해질 수 있는 질문들을 요약해 보여주고 있어 이 점 또한 장점이다. 엑셀에서 직접 행과 열이 일대일 대응하며 함수의 옵션을 그대로 사용할 수 있는 변수와 파일경로 함수의 경로 구분자를 자세히 설명한 part 2의 데이터 입출력( 요약통계에서 주목해야 할 내용:EDA활용팁) 부분의 판다스 설명도 좋았다.

특히 강력한 통계 기능을 제공해 데이터 분야에서 많이 사용되는 seaborn의 라이브러리 고급 그래프 도구에 대한 인터페이스의 범주형 데이터도 그래프로 실행결과를 통해 많은 예제로 보여주고 있다. 또 지도 활용을 보여주는 Folium의 라이브러리(지도 위에 시각화를 보여주는 라이브러리): 지도를 직접 만들고 HTML로 저장하고, 직접 웹브라우저에서 실행할 수 있는 스타일을 적용해 마커, 단계구분도까지 표시할 수 있는 방법도 예제로 요약해 주고 있다. 예제코드와 자료 파일은 리포지토리에서 다운로드 가능하고, 저자는 유튜브(판다스 스튜디오) 채널을 운영하고 있다. 

사실 책만 보아선 이해가 안가는 부분들이 꼭 있기 마련인데 책내용뿐만 아니라 소스코드를 제공해서 이것저것 수정해가면서 책을 볼 수 있어서 이해하기가 더 쉬웠다. 그리고 책에 다양한 예제가 나와서 어떤 부분에서 사용 할 수 있는지 알게 되어서 실력이 쌓여가는 것을 느낄 수 있다. 이 책은 입문자부터 고급자까지 사용가능한 실용서이다.

#데이터분석 #판다스 #파이썬 #파이썬머신러닝판다스데이터분석개정판