CSV 파일을 활용한 온도 데이터 시각화

📌 Python 데이터 시각화 (matplotlib 기초 정리)

금요일까지 데이터 시각화 과제를 제출해야 해서,
오늘은 수업 내용을 정리하면서 간단한 그래프를 직접 만들어보았다.

 

 

📊 1. 지금까지 진행한 내용

지금까지는 다음과 같은 과정을 진행했다.

🔹 주제 선정

🔹 데이터 수집

🔹 CSV 데이터 불러오기

🔹 필요한 데이터 추출

👉 즉, 데이터 가공 단계까지 완료된 상태

 

🎯 2. 오늘 목표: 데이터 시각화

데이터를 단순히 보는 것보다
👉 그래프로 표현하는 것이 훨씬 중요하다

대표적인 시각화 방식은 다음과 같다.

• 막대그래프 (bar chart)
• 꺾은선 그래프 (line chart)
• 분포도 (scatter plot)

 

⚙️ 3. matplotlib 라이브러리

Python에서 가장 많이 사용하는 시각화 라이브러리는 matplotlib이다.

import matplotlib.pyplot as plt

• as plt : 별칭(alias) 사용
• 이후 plt. 형태로 간단하게 사용 가능

👉 Python에서는 as 키워드를 통해 이름을 줄여 쓸 수 있다.

 

📦 4. 리스트 개념

Python에서는 배열 대신 **리스트(List)**를 사용한다.

student_list = []
student_score_list = []

• [] : 리스트 생성
• 변수명은 _ 또는 s를 붙여 복수 형태로 많이 사용

 

🧪 5. 샘플 데이터 생성

student_list = ["a", "b", "c"]
student_score_list = [90, 75, 83]

👉 이름과 점수를 간단하게 만들어 그래프 테스트

 

📈 6. 막대그래프 생성

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

 

• plt.bar() : 막대그래프 생성 함수
• ()가 붙으면 함수
• plt.가 붙으면 라이브러리 함수

 

 

🖥️ 7. 그래프 출력

plt.show() :  그래프를 실제 화면에 출력하는 코드

 

 

⚠️ 8. 실행 전 필수

그래프를 사용하려면 라이브러리를 설치해야 한다 : pip install matplotlib

 

 

💡 9. 추가 팁

Python은 계속 발전하는 언어라서
👉 대부분의 기능이 이미 구현되어 있다.

예를 들어 : 그래프 색상 변경, 선 스타일 변경, 데이터 강조

👉 이런 것들은 원하는 기능을 검색하거나
GPT에게 물어보면 쉽게 해결 가능하다

 

 

🎯 마무리

데이터 분석에서 중요한 것은 👉 데이터를 “보여주는 방식”이다.

단순한 숫자보다 👉 그래프로 표현했을 때 훨씬 직관적으로 이해할 수 있다.

이번 과제를 통해 데이터 시각화의 중요성을 느낄 수 있었다.