11. 라이브러리 소개 · 강지연 Archive

스포츠 데이터로 배우는 파이썬 기초.

학습 목표

라이브러리의 개념과 import 사용법 이해
pandas로 DataFrame 생성 및 기초 분석
matplotlib로 막대 그래프 그리기
seaborn으로 상관관계 히트맵 그리기

1. 라이브러리(Library)란?

정의

다른 개발자들이 미리 만들어 둔 재사용 가능한 코드(함수, 클래스) 모음
비유: “직접 농사 짓는 대신, 마트에서 재료를 사오는 것”

사용법

import 라이브러리명
import 라이브러리명 as 별칭     # 별칭(alias) 사용

왜 사용하는가

복잡한 기능을 직접 구현하지 않고 즉시 사용
수천 명의 선수 기록 계산, 그래프 그리기를 단 몇 줄로 해결

실습 11-1. math 라이브러리 — 기본 사용법

import math

print(math.sqrt(16))    # 제곱근: 4.0
print(math.pi)          # 원주율: 3.14159...

4.0
3.141592653589793

2. pandas — 데이터 분석의 핵심

개요

파이썬 데이터 분석의 필수 라이브러리
DataFrame: 행과 열로 구성된 2차원 표 구조 (엑셀과 유사)

주요 기능

메서드	기능
`pd.DataFrame(딕셔너리)`	DataFrame 생성
`.head(n)`	상위 n개 행 확인
`.describe()`	수치 열의 통계 요약 (평균, 최대 등)
`df['열이름']`	특정 열 선택
`df['새열'] = 계산식`	새로운 열 추가

DataFrame 구조

   Index  Name   Goals  Matches
   0      Son    23     35
   1      Kane   17     38
   2      Salah  19     35

실습 11-2. pandas로 축구 선수 데이터 분석

import pandas as pd

# 딕셔너리로 데이터 생성
data = {
    'Name': ['Son', 'Kane', 'Salah', 'Haaland'],
    'Goals': [23, 17, 19, 36],
    'Matches': [35, 38, 35, 35]
}
df = pd.DataFrame(data)

# 새로운 열 추가: 경기당 평균 득점
df['Avg_Goals'] = df['Goals'] / df['Matches']

# 상위 데이터 확인
print(df.head())
print()

# 통계 요약
print("--- 통계 요약 ---")
print(df.describe())

      Name  Goals  Matches  Avg_Goals
0      Son     23       35   0.657143
1     Kane     17       38   0.447368
2    Salah     19       35   0.542857
3  Haaland     36       35   1.028571

--- 통계 요약 ---
           Goals  Matches  Avg_Goals
count   4.000000     4.00   4.000000
mean   23.750000    35.75   0.668985
std     8.539126     1.50   0.254601
min    17.000000    35.00   0.447368
25%    18.500000    35.00   0.518985
50%    21.000000    35.00   0.600000
75%    26.250000    35.75   0.750000
max    36.000000    38.00   1.028571

3. matplotlib — 데이터 시각화의 기본

개요

파이썬에서 가장 널리 사용되는 그래프 그리기 라이브러리
관례적으로 plt 별칭 사용

주요 함수

함수	기능
`plt.bar(x, y)`	막대 그래프
`plt.plot(x, y)`	선 그래프
`plt.scatter(x, y)`	산점도
`plt.title()`	그래프 제목
`plt.xlabel()` / `plt.ylabel()`	축 레이블
`plt.show()`	화면 출력

한글 텍스트를 그래프에 표시하려면 한글 폰트를 먼저 설정해야 한다.

# ── 한글 폰트 설정 (macOS / Windows 자동 감지) ──
import platform
import matplotlib.pyplot as plt
from matplotlib import rc

if platform.system() == 'Darwin':          # macOS
    rc('font', family='AppleGothic')
elif platform.system() == 'Windows':       # Windows
    rc('font', family='Malgun Gothic')

plt.rcParams['axes.unicode_minus'] = False  # 마이너스 깨짐 방지

# ──────────────────────────────────────────────
# [Google Colab 사용 시] 아래 코드를 실행하세요
# ──────────────────────────────────────────────
# !apt-get -qq install fonts-nanum
# import matplotlib.font_manager as fm
# font_path = '/usr/share/fonts/truetype/nanum/NanumGothic.ttf'
# fm.fontManager.addfont(font_path)
# plt.rcParams['font.family'] = 'NanumGothic'
# plt.rcParams['axes.unicode_minus'] = False
# ──────────────────────────────────────────────

print("한글 폰트 설정 완료!")

한글 폰트 설정 완료!

실습 11-3. 막대 그래프 그리기

import matplotlib.pyplot as plt

# 선수와 득점 데이터
names = ['손흥민', '케인', '살라', '홀란드']
goals = [20, 18, 19, 25]

# 막대 그래프
plt.bar(names, goals, color='skyblue')
plt.title('프리미어리그 득점 순위')
plt.ylabel('득점')
plt.show()

선수별 득점을 하늘색 막대 그래프로 표시한다. (막대 그래프 출력)

4. seaborn — 통계적 시각화

개요

matplotlib 기반의 통계 시각화 라이브러리
pandas DataFrame과 궁합이 매우 좋음
기본 디자인이 깔끔하고 세련됨

주요 기능

함수	기능
`sns.heatmap()`	히트맵 (상관관계 등)
`sns.barplot()`	통계 기반 막대 그래프
`sns.scatterplot()`	산점도

상관관계 분석

df.corr() → 열 간의 상관계수 계산
sns.heatmap(corr, annot=True) → 숫자 표시된 히트맵

실습 11-4. 상관관계 히트맵

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

# 선수 데이터 생성
data = {
    '득점': [20, 18, 25, 15],
    '슈팅': [90, 85, 110, 70],
    '패스': [50, 60, 45, 80]
}
df = pd.DataFrame(data)

# 상관관계 히트맵
corr_matrix = df.corr()
sns.heatmap(corr_matrix, annot=True, cmap='Blues')
plt.title('축구 선수 데이터 상관관계 히트맵')
plt.show()

득점·슈팅·패스 세 열의 상관관계를 히트맵으로 표시한다. 각 칸에는 상관계수가 숫자로 표기된다. (히트맵 출력)

라이브러리 import 퀴즈

Q1. 라이브러리를 불러오는 올바른 구문은?

A) import pandas as pd
B) import matplotlib as plt()
C) import seaborn from sns
D) import numpy to np

Q2. pandas의 핵심 자료구조는?

A) 리스트
B) DataFrame
C) 텐서(Tensor)

# 퀴즈 정답
print("Q1 정답: A — import 라이브러리명 as 별칭 형식")
print("Q2 정답: B — pandas는 DataFrame(2차원 표)으로 데이터 처리")

Q1 정답: A — import 라이브러리명 as 별칭 형식
Q2 정답: B — pandas는 DataFrame(2차원 표)으로 데이터 처리

학습 로드맵 정리

노트북	핵심 키워드
01. 변수와 데이터타입	`=`, `int`, `float`, `str`, `bool`, `type()`
02. 연산자	`+`, `-`, ``, `/`, `//`, `%`, `*`, `+=`, `==`
03. 문자열	인덱싱, 슬라이싱, `.upper()`, f-string
04. 입력과 형변환	`input()`, `int()`, `float()`, `str()`
05. 조건문	`if`, `elif`, `else`, `and`, `or`
06. 반복문	`for`, `while`, `range()`, `break`
07. 리스트	`[]`, `.append()`, `.sort()`, 2차원 리스트
08. 튜플과 딕셔너리	`()` 불변, `{}` 키-값
09. 함수	`def`, `return`, `*args`, `lambda`, `global`
10. 파일 입출력	`open()`, `write()`, `readlines()`
11. 라이브러리	pandas, matplotlib, seaborn