<b>1장 데이터 분석 시작하기</b><br/><br/>1.1 데이터 분석<br/>1.2 개발 환경 구축(구글 코랩) <br/>구글 코랩 개요 <br/>구글 코랩 주요 특징 <br/>구글 코랩 시작 <br/>구글 코랩 환경설정 <br/>데이터 불러오기 <br/>코드 작성 및 실행 <br/>깨짐 오류 해결 <br/>마무리 실습문제 <br/>마무리 실습문제 정답 <br/><br/><b>2장 NumPy</b><br/><br/>2.1 NumPy 개요<br/>NumPy 개념 <br/>NumPy 특징 <br/>NumPy 확인 <br/>NumPy와 리스트의 차이점 <br/>2.2 배열 생성 <br/>np.array( ) 함수 <br/>np.zeros( ) 함수 <br/>np.ones( ) 함수 <br/>np.full( ) 함수 <br/>np.empty( ) 함수 <br/>np.arange( ) 함수 <br/>np.linspace( ) 함수<br/>2.3 배열의 주요 속성 <br/>shape 속성 <br/>dtype 속성 <br/>size 속성 <br/>ndim 속성 <br/>flat 속성 <br/>2.4 배열의 데이터 타입 <br/>기본 데이터 타입 <br/>데이터 타입 변환 - astype( ) 함수<br/>2.5 배열의 인덱싱 <br/>기본 인덱싱 <br/>다차원 배열 인덱싱 <br/>음수 인덱싱 <br/>다차원 배열에서의 음수 인덱싱 <br/>Boolean 인덱싱 <br/>팬시 인덱싱 <br/>다중 팬시 인덱싱 <br/>2.6 배열의 슬라이싱 <br/>기본 슬라이싱 <br/>다차원 배열 슬라이싱 <br/>슬라이싱을 이용한 행/열 선택 <br/>음수 슬라이싱 <br/>Boolean 배열을 사용한 슬라이싱 <br/>배열을 사용한 슬라이싱 <br/>2.7 배열의 연산 <br/>산술 연산 <br/>지수 연산 <br/>배열의 비교 연산 <br/>배열과 스칼라 연산 <br/>논리 연산 <br/>제곱근 <br/>2.8 배열 비교 <br/>요소별 비교 <br/>배열 간 비교 <br/>np.all( ) <br/>np.any( ) <br/>np.array_equal( ) <br/>2.9 배열 병합 <br/>2.10 배열 정렬 <br/>1차원 배열 정렬 <br/>다차원 배열 정렬 <br/>내림차순 정렬 <br/>원본 배열 정렬 - ndarray.sort( ) <br/>다중 조건 정렬 - np.lexsort( ) <br/>2.11 배열 필터링 <br/>기본 필터링 <br/>다차원 배열 필터링 <br/>np.where( )를 사용한 필터링 <br/>마스크 배열을 이용한 필터링 - ma.array( ) <br/>복합 조건을 사용한 필터링 <br/>np.extract( )를 사용한 조건 기반 추출 <br/>2.12 배열의 통계 <br/>최솟값 - np.min( ) <br/>최댓값 - np.max( ) <br/>데이터 범위 - np.ptp( ) <br/>합계(Sum) - np.sum( ) <br/>평균(Mean) - np.mean( ) <br/>중위수(Median) - np.median( ) <br/>분산(Variance) - np.var( ) <br/>표준편차(Standard Deviation) - np.std( ) <br/>사분위수(Quantiles) - np.percentile( ) <br/>마무리 실습문제 <br/>마무리 실습문제 정답 <br/><br/><b>3장 Pandas</b><br/><br/>3.1 Pandas 개요 <br/>Pandas 개념 <br/>Pandas 특징 <br/>Pandas 확인 <br/>NumPy와 Pandas <br/>3.2 Series <br/>Series 개념 <br/>Series 특징 <br/>Series와 리스트의 차이점 <br/>Series 생성 방법 <br/>Series 구조 확인 <br/>데이터 조회 <br/>인덱싱 및 슬라이싱 <br/>데이터 추가 <br/>Series 값 수정 <br/>인덱스 이름 변경 - rename( ) <br/>데이터 통계 및 요약 <br/>고윳값 확인 <br/>데이터 필터링 및 조건 선택 <br/>Series의 데이터 연결 - concat( ) <br/>데이터 정렬 <br/>데이터 그룹화 및 집계 <br/>3.3 DataFrame <br/>DataFrame 개념 <br/>DataFrame과 리스트의 차이점 <br/>DataFrame 생성 방법 <br/>DataFrame 구조 확인 <br/>데이터 조회 <br/>인덱싱 및 슬라이싱 <br/>데이터 추가 <br/>DataFrame 값 수정 <br/>열 이름 변경 <br/>데이터 통계 및 요약 <br/>고윳값 확인 <br/>데이터 필터링 및 조건 선택 - 다중 조건 필터링 <br/>데이터 병합 및 결합 <br/>데이터 정렬 <br/>데이터 그룹화 및 집계 <br/>3.4 Series와 DataFrame <br/>Series와 DataFrame의 차이점 <br/>마무리 실습문제 <br/>마무리 실습문제 정답 <br/><br/><b>4장 matplotlib</b><br/><br/>4.1 matplotlib 개요 <br/>matplotlib 개념 <br/>matplotlib 설치 <br/>4.2 matplotlib 기능 <br/>플롯(Plot) <br/>선 그래프(Line Plot) <br/>막대 그래프(Bar Chart) <br/>파이 차트(Pie Chart) <br/>산점도(Scatter Plot) <br/>히스토그램(Histogram) <br/>서브플롯(subplot) <br/>플롯 이미지 <br/>4.3 seaborn 개요 및 기능<br/>seaborn 개념 <br/>seaborn 설치 <br/>히트맵(Heatmap) <br/>클러스터맵(Clustermap) <br/>박스플롯(Boxplot) <br/>카운트플롯(Countplot) <br/>마무리 실습문제 <br/>마무리 실습문제 정답 <br/><br/><b>5장 데이터 전처리</b><br/><br/>5.1 데이터 준비 및 불러오기 <br/>CSV 파일 불러오기 <br/>엑셀 파일 불러오기 <br/>JSON 파일 불러오기 <br/>5.2 데이터 탐색 <br/>데이터 구조 이해 <br/>통계적 요약 <br/>5.3 데이터 전처리 <br/>데이터 결측값 처리 <br/>중복 데이터 제거 <br/>5.4 데이터 변환 <br/>데이터 형식 변환 <br/>범주형 데이터 인코딩 <br/>데이터 정규화 및 표준화 <br/>데이터 인덱싱 <br/>데이터 슬라이싱 <br/>데이터 정렬 <br/>5.5 데이터 저장 <br/>CSV 형식으로 저장 <br/>Excel 형식으로 저장 <br/>JSON 형식으로 저장 <br/>마무리 실습문제 <br/>마무리 실습문제 정답 <br/><br/><b>6장 데이터 분석</b><br/><br/>6.1 마케팅 및 고객 분석 <br/>6.2 금융 및 리스크 관리 <br/>6.3 의료 및 헬스케어 <br/>6.4 제조 및 품질관리 <br/>6.5 공공 정책 및 사회 문제 해결 <br/><br/><b>7장 케글(kaggle) 실습</b><br/><br/>7.1 케글(kaggle) 개요 <br/>케글 개념 <br/>케글 특징 <br/>케글 준비<br/>7.2 케글 실습 <br/>타이타닉 생존자 예측 문제(Titanic - Machine Learning from Disaster) <br/>주택 가격 예측 문제(House Prices - Advanced Regression Techniques) <br/>신용카드 사기 탐지 문제(Credit Card Fraud Detection) <br/><br/><b>8장 공공데이터 실습</b><br/><br/>8.1 공공데이터 개요 <br/>공공데이터 개념 <br/>공공데이터 특징 <br/>8.2 공공데이터 실습 <br/>대기오염 데이터 분석 <br/>서울시 자전거 대여 데이터 분석 <br/>지역별 인구통계 데이터 분석 <br/><br/>별책부록 핵심노트<br/>핵심 필기노트 <br/>핵심 용어노트 1장 데이터 분석 시작하기

1.1 데이터 분석
1.2 개발 환경 구축(구글 코랩)
구글 코랩 개요
구글 코랩 주요 특징
구글 코랩 시작
구글 코랩 환경설정
데이터 불러오기
코드 작성 및 실행
깨짐 오류 해결
마무리 실습문제
마무리 실습문제 정답

2장 NumPy

2.1 NumPy 개요
NumPy 개념
NumPy 특징
NumPy 확인
NumPy와 리스트의 차이점
2.2 배열 생성
np.array( ) 함수
np.zeros( ) 함수
np.ones( ) 함수
np.full( ) 함수
np.empty( ) 함수
np.arange( ) 함수
np.linspace( ) 함수
2.3 배열의 주요 속성
shape 속성
dtype 속성
size 속성
ndim 속성
flat 속성
2.4 배열의 데이터 타입
기본 데이터 타입
데이터 타입 변환 - astype( ) 함수
2.5 배열의 인덱싱
기본 인덱싱
다차원 배열 인덱싱
음수 인덱싱
다차원 배열에서의 음수 인덱싱
Boolean 인덱싱
팬시 인덱싱
다중 팬시 인덱싱
2.6 배열의 슬라이싱
기본 슬라이싱
다차원 배열 슬라이싱
슬라이싱을 이용한 행/열 선택
음수 슬라이싱
Boolean 배열을 사용한 슬라이싱
배열을 사용한 슬라이싱
2.7 배열의 연산
산술 연산
지수 연산
배열의 비교 연산
배열과 스칼라 연산
논리 연산
제곱근
2.8 배열 비교
요소별 비교
배열 간 비교
np.all( )
np.any( )
np.array_equal( )
2.9 배열 병합
2.10 배열 정렬
1차원 배열 정렬
다차원 배열 정렬
내림차순 정렬
원본 배열 정렬 - ndarray.sort( )
다중 조건 정렬 - np.lexsort( )
2.11 배열 필터링
기본 필터링
다차원 배열 필터링
np.where( )를 사용한 필터링
마스크 배열을 이용한 필터링 - ma.array( )
복합 조건을 사용한 필터링
np.extract( )를 사용한 조건 기반 추출
2.12 배열의 통계
최솟값 - np.min( )
최댓값 - np.max( )
데이터 범위 - np.ptp( )
합계(Sum) - np.sum( )
평균(Mean) - np.mean( )
중위수(Median) - np.median( )
분산(Variance) - np.var( )
표준편차(Standard Deviation) - np.std( )
사분위수(Quantiles) - np.percentile( )
마무리 실습문제
마무리 실습문제 정답

3장 Pandas

3.1 Pandas 개요
Pandas 개념
Pandas 특징
Pandas 확인
NumPy와 Pandas
3.2 Series
Series 개념
Series 특징
Series와 리스트의 차이점
Series 생성 방법
Series 구조 확인
데이터 조회
인덱싱 및 슬라이싱
데이터 추가
Series 값 수정
인덱스 이름 변경 - rename( )
데이터 통계 및 요약
고윳값 확인
데이터 필터링 및 조건 선택
Series의 데이터 연결 - concat( )
데이터 정렬
데이터 그룹화 및 집계
3.3 DataFrame
DataFrame 개념
DataFrame과 리스트의 차이점
DataFrame 생성 방법
DataFrame 구조 확인
데이터 조회
인덱싱 및 슬라이싱
데이터 추가
DataFrame 값 수정
열 이름 변경
데이터 통계 및 요약
고윳값 확인
데이터 필터링 및 조건 선택 - 다중 조건 필터링
데이터 병합 및 결합
데이터 정렬
데이터 그룹화 및 집계
3.4 Series와 DataFrame
Series와 DataFrame의 차이점
마무리 실습문제
마무리 실습문제 정답

4장 matplotlib

4.1 matplotlib 개요
matplotlib 개념
matplotlib 설치
4.2 matplotlib 기능
플롯(Plot)
선 그래프(Line Plot)
막대 그래프(Bar Chart)
파이 차트(Pie Chart)
산점도(Scatter Plot)
히스토그램(Histogram)
서브플롯(subplot)
플롯 이미지
4.3 seaborn 개요 및 기능
seaborn 개념
seaborn 설치
히트맵(Heatmap)
클러스터맵(Clustermap)
박스플롯(Boxplot)
카운트플롯(Countplot)
마무리 실습문제
마무리 실습문제 정답

5장 데이터 전처리

5.1 데이터 준비 및 불러오기
CSV 파일 불러오기
엑셀 파일 불러오기
JSON 파일 불러오기
5.2 데이터 탐색
데이터 구조 이해
통계적 요약
5.3 데이터 전처리
데이터 결측값 처리
중복 데이터 제거
5.4 데이터 변환
데이터 형식 변환
범주형 데이터 인코딩
데이터 정규화 및 표준화
데이터 인덱싱
데이터 슬라이싱
데이터 정렬
5.5 데이터 저장
CSV 형식으로 저장
Excel 형식으로 저장
JSON 형식으로 저장
마무리 실습문제
마무리 실습문제 정답

6장 데이터 분석

6.1 마케팅 및 고객 분석
6.2 금융 및 리스크 관리
6.3 의료 및 헬스케어
6.4 제조 및 품질관리
6.5 공공 정책 및 사회 문제 해결

7장 케글(kaggle) 실습

7.1 케글(kaggle) 개요
케글 개념
케글 특징
케글 준비
7.2 케글 실습
타이타닉 생존자 예측 문제(Titanic - Machine Learning from Disaster)
주택 가격 예측 문제(House Prices - Advanced Regression Techniques)
신용카드 사기 탐지 문제(Credit Card Fraud Detection)

8장 공공데이터 실습

8.1 공공데이터 개요
공공데이터 개념
공공데이터 특징
8.2 공공데이터 실습
대기오염 데이터 분석
서울시 자전거 대여 데이터 분석
지역별 인구통계 데이터 분석

별책부록 핵심노트
핵심 필기노트
핵심 용어노트

비개발자의 시선에서 시작하는 데이터 분석 입문서<br/>복잡한 용어나 이론 중심 설명이 아닌, 실무 중심의 문제 해결과 업무 흐름 이해를 바탕으로 파이썬 분석을 쉽고 현실감 있게 소개합니다.<br/><br/>구글 코랩을 기반으로 한 설치 없는 실습 환경 제공<br/>초보자도 환경 설정에 부담 없이 시작할 수 있도록 클라우드 실습 환경(Colab)을 중심으로 구성해 접근성을 높였습니다.<br/><br/>단계별 실습 문제와 코드 파일 제공<br/>각 장마다 실습 문제와 해설 코드를 제공하여 학습 성과를 점검하고, 실무에 필요한 응용력을 키울 수 있습니다.<br/><br/>동영상 강의와 연동된 학습 지원<br/>모든 실습 코드를 동영상으로 따라 하며 학습할 수 있도록 구성되어 있어, 독학이 어려운 분들도 눈으로 보고 손으로 익힐 수 있습니다.<br/><br/>파이썬 데이터 분석이 처음이라면, 이 책이 가장 좋은 출발점이 되어줄 것입니다. 『처음이야, 파이썬 데이터 분석』은 저자가 실제 강의와 실습 현장에서 쌓아온 노하우를 바탕으로 구성한 도서로, 단순한 문법 설명을 넘어 동영상과 스터티를 통해 함께 공부해 나갑니다. 구글 코랩 환경을 기반으로 설치 부담 없이 바로 실습할 수 있으며, NumPy와 Pandas의 기초부터 통계 분석과 실무 활용까지 차근차근 따라갈 수 있도록 구성되어 있어 데이터 분석의 흐름을 자연스럽게 익힐 수 있습니다. 숫자와 코드에 낯선 분들도 안심하고 시작할 수 있도록 예제와 해설, 팁을 아낌없이 담았습니다. 데이터를 읽고, 이해하고, 설명하고 싶은 모든 분들께 추천합니다.<br/><br/><b>[이 책에서 배우는 내용]</b><br/><br/>데이터 분석의 기본 개념과 환경 구축<br/>데이터 분석이 무엇인지 이해하고, 구글 코랩을 통해 별도 설치 없이 실습 가능한 환경을 설정합니다. 초보자도 클라우드 기반 환경에서 파이썬 분석을 바로 시작할 수 있습니다.<br/><br/>고성능 수치 계산을 위한 NumPy 활용법<br/>다차원 배열을 효율적으로 다루기 위한 NumPy의 주요 함수와 속성, 인덱싱과 슬라이싱 기법, 브로드캐스팅, 통계 계산 등 다양한 기능을 배우며 배열 기반 연산의 기초를 다집니다.<br/><br/>Series와 DataFrame을 활용한 Pandas 실전 분석 기법<br/>Pandas의 핵심 구조인 Series와 DataFrame을 이용해 데이터 조회, 정렬, 필터링, 통계, 그룹화, 결합 등 데이터 분석에 필수적인 기능을 실습 중심으로 익힙니다.<br/><br/>통계와 시각화 기반의 데이터 통찰 도출<br/>value_counts, describe, mean, std, groupby, apply 등 다양한 통계 함수로 데이터를 요약하고, 시각화를 통해 통찰력을 얻는 방법을 학습합니다. 분석 흐름에 맞춘 실전 예제도 함께 제공합니다.<br/> 비개발자의 시선에서 시작하는 데이터 분석 입문서
복잡한 용어나 이론 중심 설명이 아닌, 실무 중심의 문제 해결과 업무 흐름 이해를 바탕으로 파이썬 분석을 쉽고 현실감 있게 소개합니다.

구글 코랩을 기반으로 한 설치 없는 실습 환경 제공
초보자도 환경 설정에 부담 없이 시작할 수 있도록 클라우드 실습 환경(Colab)을 중심으로 구성해 접근성을 높였습니다.

단계별 실습 문제와 코드 파일 제공
각 장마다 실습 문제와 해설 코드를 제공하여 학습 성과를 점검하고, 실무에 필요한 응용력을 키울 수 있습니다.

동영상 강의와 연동된 학습 지원
모든 실습 코드를 동영상으로 따라 하며 학습할 수 있도록 구성되어 있어, 독학이 어려운 분들도 눈으로 보고 손으로 익힐 수 있습니다.

파이썬 데이터 분석이 처음이라면, 이 책이 가장 좋은 출발점이 되어줄 것입니다. 『처음이야, 파이썬 데이터 분석』은 저자가 실제 강의와 실습 현장에서 쌓아온 노하우를 바탕으로 구성한 도서로, 단순한 문법 설명을 넘어 동영상과 스터티를 통해 함께 공부해 나갑니다. 구글 코랩 환경을 기반으로 설치 부담 없이 바로 실습할 수 있으며, NumPy와 Pandas의 기초부터 통계 분석과 실무 활용까지 차근차근 따라갈 수 있도록 구성되어 있어 데이터 분석의 흐름을 자연스럽게 익힐 수 있습니다. 숫자와 코드에 낯선 분들도 안심하고 시작할 수 있도록 예제와 해설, 팁을 아낌없이 담았습니다. 데이터를 읽고, 이해하고, 설명하고 싶은 모든 분들께 추천합니다.

[이 책에서 배우는 내용]

데이터 분석의 기본 개념과 환경 구축
데이터 분석이 무엇인지 이해하고, 구글 코랩을 통해 별도 설치 없이 실습 가능한 환경을 설정합니다. 초보자도 클라우드 기반 환경에서 파이썬 분석을 바로 시작할 수 있습니다.

고성능 수치 계산을 위한 NumPy 활용법
다차원 배열을 효율적으로 다루기 위한 NumPy의 주요 함수와 속성, 인덱싱과 슬라이싱 기법, 브로드캐스팅, 통계 계산 등 다양한 기능을 배우며 배열 기반 연산의 기초를 다집니다.

Series와 DataFrame을 활용한 Pandas 실전 분석 기법
Pandas의 핵심 구조인 Series와 DataFrame을 이용해 데이터 조회, 정렬, 필터링, 통계, 그룹화, 결합 등 데이터 분석에 필수적인 기능을 실습 중심으로 익힙니다.

통계와 시각화 기반의 데이터 통찰 도출
value_counts, describe, mean, std, groupby, apply 등 다양한 통계 함수로 데이터를 요약하고, 시각화를 통해 통찰력을 얻는 방법을 학습합니다. 분석 흐름에 맞춘 실전 예제도 함께 제공합니다.