데이터 시각화 기초 실습 및 프로젝트 적용

파이썬으로 데이터를 불러오고 가공하는 과정을 배우면서, 이번 수업에서는 그 데이터를 그래프로 시각화하는 기초 실습을 진행했다.

 

이전까지는 데이터를 읽고 정리하는 과정에 집중했다면, 이번에는 그 결과를 사람이 한눈에 이해할 수 있도록 표현하는 방법을 배웠다. 데이터 분석에서는 숫자를 계산하는 것만큼, 결과를 보기 쉽게 전달하는 과정도 중요하다는 점을 직접 느낄 수 있었다.

---

 

1. 수업 시간에 진행한 내용

 

수업에서는 먼저 시각화 라이브러리인 matplotlib를 설치했다.

pip install matplotlib

 

 

설치 후에는 shell 환경에서 새 파일을 만들고, 직접 파이썬 코드를 작성해서 그래프가 출력되는 것까지 확인했다.

 

이번 실습은 다음 과정을 한 번에 경험하는 방식으로 진행되었다.

• 라이브러리 설치
• 파이썬 파일 생성
• 코드 작성
• 그래프 실행 및 출력 확인

---

 

2. 수업 실습: 막대그래프 출력

 

수업 시간에 사용한 예제는 학생 이름과 점수를 바탕으로 막대그래프를 출력하는 간단한 코드였다.

import matplotlib.pyplot as plt

# 샘플 데이터 생성
student_list = ["a", "b", "c"]
student_score_list = [90, 75, 83]

# 그래프 생성
plt.bar(student_list, student_score_list)
plt.title("TEST 01")
plt.xlabel("name")
plt.ylabel("score")

# 그래프를 화면에 출력
plt.show()

 

이 코드를 실행하면 학생별 점수가 막대 형태로 화면에 출력된다.

 

이 실습을 통해 matplotlib를 이용하면 리스트 형태의 간단한 데이터만 있어도 그래프를 바로 만들 수 있다는 점을 확인했다.

---

3. 실습에서 이해한 핵심 개념

코드	설명
import matplotlib.pyplot as plt	시각화 기능을 사용하기 위해 라이브러리를 불러오는 코드
plt.bar()	막대그래프를 만드는 함수
plt.title()	그래프 제목을 설정
plt.xlabel() / plt.ylabel()	각 축이 어떤 의미인지 설명
plt.show()	작성한 그래프를 실제 화면에 출력

 

처음에는 코드 한 줄 한 줄이 따로 보였지만, 직접 실행해보니 결국 데이터를 그래프 형태로 화면에 보여주기 위한 흐름이라는 점이 이해되었다.

---

 

4. 개인 과제: 꺾은선 그래프 출력

 

수업 실습 이후 개인 과제로는 꺾은선 그래프를 출력해서 코드를 제출하는 과제가 주어졌다.

과제에서는 같은 구조를 응용해 plt.bar() 대신 plt.plot()을 사용하면 된다.

import matplotlib.pyplot as plt

# 전기차 충전소 데이터
region_list = ["서울", "경기", "인천", "대전", "부산"]
station_count_list = [320, 540, 210, 170, 260]

# 한글 깨짐 방지
plt.rcParams['font.family'] = 'Malgun Gothic'
plt.rcParams['axes.unicode_minus'] = False

# 꺾은선 그래프
plt.plot(region_list, station_count_list, marker='o')

# 제목과 축 이름
plt.title("지역별 전기차 충전소 수")
plt.xlabel("지역")
plt.ylabel("충전소 수")

# 그래프 출력
plt.show()

 

 

이 과제를 통해 같은 데이터라도 어떤 그래프 함수를 사용하느냐에 따라 표현 방식이 달라진다는 점을 확인할 수 있었다.

---

 

5. 팀 과제: CSV 데이터 추출 후 시각화

 

개인 과제와 별도로 팀 과제로는 CSV 데이터 추출 후 시각화를 진행해야 한다.

이 과제는 단순히 그래프 하나를 출력하는 수준을 넘어서, 데이터 분석의 전체 흐름을 경험하는 데 의미가 있다.

CSV 파일 불러오기 → 필요한 데이터 추출 → 전처리 및 정리 → 시각화

---

 

6. 현재 진행 중인 전기차 프로젝트와의 연결

 

이번 수업과 과제는 현재 준비 중인 전기차 충전소 분포 분석 프로젝트와도 자연스럽게 연결된다.

 

프로젝트의 핵심은 아래 데이터를 활용해 지역별 인프라 불균형을 분석하는 것이다.

• 지역별 충전소 수
• 지역별 전기차 등록 대수
• 전기차 1,000대당 충전소 수
• 급속 / 완속 충전기 비율

숫자만 나열하면 차이를 직관적으로 보기 어렵지만, 그래프로 표현하면 어느 지역이 부족하고 어느 지역이 상대적으로 여유가 있는지 훨씬 쉽게 파악할 수 있다.

---

7. 프로젝트에 적용할 수 있는 시각화 방향

분석 항목	시각화 방법
지역별 충전소 수 비교	막대그래프
지역별 전기차 대비 충전소 수 비교	꺾은선 그래프
전기차 수와 충전기 수 관계 분석	산점도
위치 기반 충전소 분포 확인	지도 시각화

 

이번 수업은 앞으로 프로젝트에서 데이터를 표현하는 기본 도구를 배우는 과정이었다고 볼 수 있다.

 

 

이번 실습을 하면서 데이터 분석은 그 결과를 이해하기 쉬운 형태로 전달하는 과정까지 포함된다는 점을 다시 느꼈다.

특히 직접 라이브러리를 설치하고, 파이썬 파일을 만들어 실행하고, 실제로 그래프가 화면에 출력되는 것을 확인해보니 이론으로만 볼 때보다 훨씬 이해가 잘 됐다.

 

작은 예제였지만 이 과정을 통해 앞으로 CSV 데이터를 활용한 팀 과제나 전기차 프로젝트 분석에서도 어떤 방식으로 그래프를 적용해야 할지 감을 잡을 수 있었다.