yoon000219 님의 블로그

글쓰기 50일차

yoon000219 — Mon, 27 Jul 2026 20:27:54 +0900

핵심내용 요약

오늘은 통계 기초 개념과 Tableau 활용 및 Streamlit 실행 방법에 대해 학습하였다. 회귀분석에서 사용하는 SST, SSR, SSE의 의미와 관계를 이해하고, 왜도와 첨도를 통해 분포의 형태를 해석하는 방법을 복습하였다. 또한 Tableau 과제에서 생산관리 대시보드의 구성 요소를 정리하였고, Streamlit 실행 오류의 원인과 올바른 실행 명령어를 확인하였다.

주요 포인트

SST = SSR + SSE 관계를 이해하였다.
왜도(Skewness)는 꼬리의 방향을 나타내며, 양수는 오른쪽 꼬리, 음수는 왼쪽 꼬리를 의미한다.
첨도(Kurtosis)는 분포의 뾰족한 정도를 나타내며, 일반 첨도 기준으로 3보다 크면 정규분포보다 뾰족하다.
Tableau 대시보드에는 생산량, 불량률, 장비 가동률, 작업시간 등의 KPI를 함께 제공하면 생산 현황을 효과적으로 모니터링할 수 있다.
Streamlit은 python -m streamlit entrypoint.py가 아니라 python -m streamlit run entrypoint.py 또는 streamlit run entrypoint.py 명령으로 실행해야 한다.

핵심 개념

SST(Total Sum of Squares) : 전체 변동을 의미한다.
SSR(Regression Sum of Squares) : 회귀모형이 설명한 변동이다.
SSE(Error Sum of Squares) : 회귀모형이 설명하지 못한 오차이다.
왜도(Skewness) : 데이터가 어느 방향으로 치우쳐 있는지를 나타내는 지표이다.
첨도(Kurtosis) : 데이터 분포의 뾰족한 정도와 꼬리의 두꺼운 정도를 나타내는 지표이다.
Streamlit : Python으로 데이터 분석 결과를 웹 애플리케이션 형태로 쉽게 구현할 수 있는 프레임워크이다.

용어 정리

SST : 전체 변동(Total Variation)
SSR : 회귀모형이 설명한 변동
SSE : 회귀모형이 설명하지 못한 오차
왜도(Skewness) : 분포의 비대칭 정도
첨도(Kurtosis) : 분포의 뾰족함 정도
KPI(Key Performance Indicator) : 핵심 성과 지표
Streamlit : Python 기반 웹 대시보드 개발 도구

오늘의 인사이트

오늘 학습하면서 통계 지표는 단순히 공식만 외우는 것이 아니라 각 지표가 실제 데이터에서 어떤 의미를 가지는지 이해하는 것이 중요하다는 점을 느꼈다. 또한 생산관리 대시보드는 단순히 데이터를 시각화하는 것이 아니라, 사용자가 빠르게 문제를 발견하고 의사결정을 할 수 있도록 핵심 지표를 직관적으로 제공하는 것이 중요하다는 점을 배웠다. 마지막으로 Streamlit 실행 오류를 해결하면서 명령어 형식도 정확하게 사용하는 습관이 필요하다는 것을 다시 한번 확인하였다.

글쓰기 49일차

yoon000219 — Fri, 24 Jul 2026 20:37:58 +0900

1. 핵심내용 요약

오늘은 Streamlit의 기본 실행 방법과 프로젝트 실행 환경을 학습하였다. Streamlit은 일반 Python 파일처럼 실행하는 것이 아니라 streamlit run 명령어를 사용해야 하며, 이를 통해 웹 애플리케이션이 localhost:8501에서 실행된다는 것을 확인하였다. 또한 실행 중인 파일과 수정한 파일이 다를 경우 변경 사항이 반영되지 않는 문제를 확인하며, 프로젝트에서 어떤 파일을 실행하고 있는지 확인하는 방법을 익혔다. 마지막으로 Streamlit 프로젝트의 파일 구조와 실행 과정을 이해하였다.

2. 주요 포인트

Streamlit 실행 방법
- python 파일명.py가 아니라 streamlit run 파일명.py 또는 python -m streamlit run 파일명.py로 실행해야 한다.
localhost 확인
- Streamlit 실행 시 기본적으로 http://localhost:8501에서 웹 페이지가 열린다.
실행 파일 확인
- 수정한 파일과 실행한 파일이 다르면 화면이 변경되지 않는다.
- 프로젝트 내 파일명을 확인하고 올바른 파일을 실행해야 한다.
프로젝트 폴더 확인
- dir 명령어를 사용하여 현재 작업 중인 폴더와 파일 목록을 확인할 수 있다.
터미널 활용
- 실행 중인 Streamlit은 터미널을 종료하거나 Ctrl + C를 누르면 서버가 종료된다.

3. 핵심 개념

Streamlit

Python만으로 웹 애플리케이션을 손쉽게 만들 수 있는 프레임워크이다. 데이터 분석 결과를 웹 화면으로 시각화하거나 머신러닝 모델을 배포할 때 많이 사용된다.

Streamlit 실행 방식

Streamlit은 일반 Python 프로그램과 실행 방식이 다르다. 반드시 streamlit run 명령어를 통해 실행해야 하며, 실행 후 브라우저에서 localhost:8501 주소로 접속하여 결과를 확인한다.

프로젝트 실행 환경

동일한 폴더 안에 여러 개의 Python 파일이 존재할 경우, 수정한 파일과 실행한 파일이 일치해야 화면에 변경 사항이 반영된다. 따라서 실행 전 파일명과 현재 작업 디렉터리를 확인하는 습관이 중요하다.

4. 용어 정리

Streamlit : Python 기반 웹 애플리케이션 개발 프레임워크
localhost : 현재 컴퓨터에서 실행 중인 서버 주소
Port(8501) : Streamlit이 기본적으로 사용하는 서버 포트
Working Directory : 현재 터미널이 작업 중인 폴더
Terminal : 명령어를 입력하여 프로그램을 실행하는 창
streamlit run : Streamlit 애플리케이션을 실행하는 명령어

5. 오늘의 소감 및 인사이트

오늘은 Streamlit을 처음 실행하면서 일반 Python 실행 방식과 Streamlit 실행 방식의 차이를 이해할 수 있었다. 특히 화면이 변경되지 않는 문제가 발생했을 때 실행 중인 파일과 수정한 파일이 다를 수 있다는 점을 확인하며, 프로그램을 실행하기 전에 현재 작업 디렉터리와 실행 파일을 확인하는 과정이 중요하다는 것을 배웠다. 앞으로는 실행 명령어와 프로젝트 구조를 먼저 확인한 후 개발을 진행하면 불필요한 오류를 줄일 수 있을 것으로 생각한다.

글쓰기 48일차

yoon000219 — Thu, 23 Jul 2026 20:56:32 +0900

핵심 내용 요약

오늘은 Tableau를 활용한 데이터 시각화 방법과 Streamlit 개발 환경 구축 및 실행 방식을 학습했다. Tableau에서는 차원(Dimension)과 측정값(Measure)을 이용하여 다양한 차트를 생성하고, 필터와 마크(Marks) 기능을 활용해 데이터를 효과적으로 표현하는 방법을 익혔다. 또한 Streamlit은 .py 파일을 기반으로 웹 애플리케이션을 개발하며, streamlit run 명령으로 실행하고 Page Life Cycle(PLC) 구조에 따라 사용자 입력이 발생할 때마다 스크립트 전체가 다시 실행된다는 점을 이해했다.

주요 포인트

Tableau

차원(Dimension)과 측정값(Measure)의 차이를 이해했다.
Rows와 Columns에 필드를 배치하여 다양한 차트를 생성했다.
Marks(Card)를 이용하여 색상(Color), 크기(Size), 레이블(Label)을 설정했다.
Filter와 Show Filter를 활용하여 원하는 데이터만 시각화했다.
Dashboard를 통해 여러 시트를 하나의 화면으로 구성할 수 있음을 학습했다.

Streamlit

Streamlit 프로젝트는 .py 파일을 사용하여 개발한다.
실행은 streamlit run app.py 또는 python -m streamlit run app.py로 수행한다.
사용자 입력이 발생하면 Page Life Cycle(PLC)에 의해 스크립트 전체가 다시 실행된다.

핵심 개념

1. Tableau 기본 구조

Tableau는 데이터를 차원(Dimension)과 측정값(Measure)으로 구분하여 분석한다. 차원은 데이터를 분류하는 기준이 되고, 측정값은 계산 가능한 수치 데이터를 의미한다. 두 요소를 Rows와 Columns에 배치하면 다양한 형태의 시각화를 쉽게 생성할 수 있다.

2. Tableau 시각화 요소

Rows / Columns : 그래프의 행과 열 구성
Marks : 색상, 크기, 모양, 레이블 등 그래프 스타일 지정
Filter : 원하는 데이터만 선택하여 분석
Dashboard : 여러 시각화를 하나의 화면에서 확인

3. Streamlit 실행 방식

Streamlit은 일반 Python 프로그램과 달리 웹 서버를 실행하여 결과를 브라우저에서 보여준다.

python -m streamlit run app.py

또는

streamlit run app.py

으로 실행한다.

4. Page Life Cycle(PLC)

app.py 실행
      ↓
웹 화면 생성
      ↓
사용자 입력 발생
      ↓
스크립트 전체 재실행(Rerun)
      ↓
화면 갱신

이 구조 때문에 일반 변수는 매 실행 시 초기화될 수 있으며, 상태를 유지하려면 st.session_state를 사용한다.

용어 정리

Dimension(차원) : 데이터를 구분하는 기준(예: 지역, 제품, 날짜)
Measure(측정값) : 계산 가능한 수치 데이터(예: 매출, 수량)
Marks : 그래프의 색상, 크기, 레이블 등을 설정하는 기능
Dashboard : 여러 시각화를 하나의 화면에 배치한 구성
Streamlit : Python 기반 데이터 웹 애플리케이션 프레임워크
Page Life Cycle(PLC) : 사용자 이벤트 발생 시 전체 스크립트를 다시 실행하는 구조
Session State : 재실행 이후에도 데이터를 유지하기 위한 저장 공간

오늘 느낀 점 / 인사이트

오늘 학습을 통해 Tableau는 복잡한 코드를 작성하지 않고도 데이터를 직관적으로 시각화할 수 있는 도구라는 점을 확인했다. 또한 Streamlit은 Python 코드만으로 웹 애플리케이션을 구현할 수 있지만, 사용자 입력이 발생할 때마다 전체 코드가 다시 실행되는 구조를 이해하는 것이 중요하다는 것을 배웠다. 앞으로는 Tableau를 활용해 데이터를 빠르게 탐색하고, Streamlit으로 분석 결과를 웹 서비스 형태로 구현하는 흐름을 익혀 데이터 분석 프로젝트에 활용할 수 있을 것으로 기대된다.

글쓰기 47일차

yoon000219 — Wed, 22 Jul 2026 20:51:21 +0900

문제 설명

명함 지갑을 만드는 회사에서 지갑의 크기를 정하려고 합니다. 다양한 모양과 크기의 명함들을 모두 수납할 수 있으면서, 작아서 들고 다니기 편한 지갑을 만들어야 합니다. 이러한 요건을 만족하는 지갑을 만들기 위해 디자인팀은 모든 명함의 가로 길이와 세로 길이를 조사했습니다.

아래 표는 4가지 명함의 가로 길이와 세로 길이를 나타냅니다.

가장 긴 가로 길이와 세로 길이가 각각 80, 70이기 때문에 80(가로) x 70(세로) 크기의 지갑을 만들면 모든 명함들을 수납할 수 있습니다. 하지만 2번 명함을 가로로 눕혀 수납한다면 80(가로) x 50(세로) 크기의 지갑으로 모든 명함들을 수납할 수 있습니다. 이때의 지갑 크기는 4000(=80 x 50)입니다.

모든 명함의 가로 길이와 세로 길이를 나타내는 2차원 배열 sizes가 매개변수로 주어집니다. 모든 명함을 수납할 수 있는 가장 작은 지갑을 만들 때, 지갑의 크기를 return 하도록 solution 함수를 완성해주세요.

1단계. 문제를 읽고 규칙 찾기

명함은 90도 회전할 수 있습니다.

예를 들어

30 x 70

명함은

30 x 70

으로 넣을 수도 있고

70 x 30

으로 넣을 수도 있습니다.

즉,

가로와 세로를 바꿀 수 있다는 것이 핵심입니다.

2단계. 가장 작은 지갑은 어떤 모양일까?

예시를 보면

x 50
x 70
x 30
x 40

그대로 사용하면

가로 최대

세로 최대

지갑

80 × 70 = 5600

입니다.

하지만 두 번째 명함을 돌리면

70 x 30

이 됩니다.

그러면

x 50
x 30
x 30
x 40

가 되고

가로 최대

세로 최대

이므로

80 × 50 = 4000

더 작은 지갑을 만들 수 있습니다.

3단계. 모든 명함을 같은 기준으로 맞춘다

명함마다

60 x 50

은

가로가 더 큽니다.

그대로 둡니다.

60 x 50

30 x 70

은

세로가 더 큽니다.

돌려서

70 x 30

으로 만듭니다.

60 x 30

은

그대로 둡니다.

80 x 40

도

그대로 둡니다.

결과

가로세로

60	50
70	30
60	30
80	40

여기서 중요한 점은

항상 긴 변을 가로, 짧은 변을 세로로 맞춘다는 것입니다.

코드로는

w = max(w, h)
h = min(w, h)

처럼 생각하면 됩니다.

실제로는 값이 덮어써지지 않도록

w, h = max(w, h), min(w, h)

처럼 한 줄로 작성합니다.

4단계. 가장 큰 가로 찾기

정렬된 명함은

가로 중 가장 큰 값은

입니다.

코드

max_width = max(max_width, w)

처음에는

max_width = 0

입니다.

반복하면서

→ 60
→ 70
→ 70
→ 80

최종

5단계. 가장 큰 세로 찾기

세로는

가장 큰 값은

입니다.

코드

max_height = max(max_height, h)

변화 과정

→ 50
→ 50
→ 50
→ 50

최종

6단계. 지갑 크기 계산

지갑은

가로 = 80
세로 = 50

이므로

80 × 50 = 4000

입니다.

코드

return max_width * max_height

7단계. 전체 코드

def solution(sizes):
    max_width = 0
    max_height = 0

    for w, h in sizes:

        # 긴 변을 가로, 짧은 변을 세로로 맞춤
        w, h = max(w, h), min(w, h)

        # 가장 긴 가로 저장
        max_width = max(max_width, w)

        # 가장 긴 세로 저장
        max_height = max(max_height, h)

    return max_width * max_height

글쓰기 46일차

yoon000219 — Tue, 21 Jul 2026 20:48:25 +0900

문제 설명

숫자로 이루어진 문자열 t와 p가 주어질 때, t에서 p와 길이가 같은 부분문자열 중에서, 이 부분문자열이 나타내는 수가 p가 나타내는 수보다 작거나 같은 것이 나오는 횟수를 return하는 함수 solution을 완성하세요.

예를 들어, t="3141592"이고 p="271" 인 경우, t의 길이가 3인 부분 문자열은 314, 141, 415, 159, 592입니다. 이 문자열이 나타내는 수 중 271보다 작거나 같은 수는 141, 159 2개 입니다.

def solution(t, p):
    answer = 0
    length = len(p)

    for i in range(len(t) - length + 1):

        if int(t[i:i+length]) <= int(p):
            answer += 1

    return answer

TIL - 프로그래머스 「크기가 작은 부분 문자열」

문제 설명

숫자로 이루어진 문자열 t에서 p와 길이가 같은 부분 문자열을 모두 찾는다.

찾은 부분 문자열을 숫자로 변환한 후, p보다 작거나 같은 개수를 구하는 문제이다.

풀이 아이디어

문제를 처음 봤을 때는 어렵게 느껴졌지만, 핵심은 문자열을 일정한 길이로 잘라서 비교하는 것이었다.

① p의 길이 구하기

먼저 p의 길이를 구한다.

length = len(p)

예를 들어

p = "271"

이라면

length = 3

이 된다.

② 문자열 자르기

t를 length만큼 계속 잘라준다.

예)

t = "3141592"

↓

이처럼 한 글자씩 이동하면서 부분 문자열을 만든다.

t[i:i+length]

③ 숫자로 변환하여 비교하기

잘라낸 문자열은 문자(String)이므로 숫자로 변환해야 한다.

int(t[i:i+length])

그리고

if int(t[i:i+length]) <= int(p):

를 이용하여 p보다 작거나 같은지 확인한다.

조건을 만족하면

answer += 1

을 수행한다.

코드

def solution(t, p):
    answer = 0
    length = len(p)

    for i in range(len(t) - length + 1):
        if int(t[i:i+length]) <= int(p):
            answer += 1

    return answer

코드 해석

length = len(p)

→ p의 길이를 저장한다.

for i in range(len(t) - length + 1):

→ t를 처음부터 끝까지 한 칸씩 이동하며 확인한다.

t[i:i+length]

→ length만큼 문자열을 잘라 부분 문자열을 만든다.

int(t[i:i+length])

→ 문자열을 숫자로 변환한다.

answer += 1

→ 조건을 만족하면 개수를 1 증가시킨다.

예제 실행

t = "3141592"
p = "271"

부분 문자열비교 결과

314	❌
141	⭕
415	❌
159	⭕
592	❌

최종 결과

오늘 배운 점

문자열도 **슬라이싱([:])**을 이용하면 원하는 길이만큼 쉽게 자를 수 있다.
숫자 비교를 위해서는 int()로 형 변환이 필요하다.
반복문과 슬라이싱을 함께 사용하면 문자열 탐색 문제를 효율적으로 해결할 수 있다.
range(len(t) - len(p) + 1)은 부분 문자열을 만들 수 있는 마지막 시작 위치까지 반복하기 위해 사용한다.

1. 핵심내용 요약

오늘은 의사결정나무(Decision Tree)의 분할 기준인 지니지수(Gini Index)와 엔트로피(Entropy)에 대해 학습하였다. 두 지표 모두 데이터가 얼마나 섞여 있는지를 수치화하여 가장 좋은 분할을 찾기 위해 사용된다. 순수한 데이터일수록 지니지수와 엔트로피 값은 작아지며, 정상과 불량이 비슷한 비율로 섞여 있을수록 값이 커진다. 또한 엔트로피 공식에 사용되는 로그의 의미와 계산기에서 log₂(x)=log(x)/log(2)를 이용해 계산하는 방법도 함께 이해하였다.

2. 주요 포인트

의사결정나무는 데이터를 가장 잘 구분할 수 있는 기준을 선택하여 분할한다.
지니지수(Gini)는 데이터의 불순도를 측정하는 대표적인 지표이다.
엔트로피(Entropy)는 데이터의 불확실성과 혼합 정도를 측정하는 지표이다.
데이터가 한 클래스로만 이루어질수록 지니지수와 엔트로피는 0에 가까워진다.
엔트로피 계산 시 로그는 밑이 2인 로그(log₂)를 사용하며, 계산기에서는 log(x)/log(2)로 계산한다.
의사결정나무는 엔트로피 감소량(Information Gain) 또는 지니지수 감소량이 가장 큰 기준을 선택하여 분할한다.

3. 핵심개념

① 의사결정나무(Decision Tree)

데이터를 여러 조건으로 반복해서 나누며 최종적으로 하나의 클래스로 분류하는 머신러닝 알고리즘이다. 각 단계에서는 데이터를 가장 잘 구분할 수 있는 변수를 선택하며, 이를 위해 지니지수 또는 엔트로피를 사용한다.

② 지니지수(Gini Index)

데이터가 얼마나 섞여 있는지를 나타내는 지표이다. 같은 클래스만 존재하면 값은 0이 되며, 여러 클래스가 비슷한 비율로 섞여 있을수록 값이 증가한다.

③ 엔트로피(Entropy)

데이터의 불확실성을 나타내는 지표이다. 데이터가 한 종류로만 구성되면 엔트로피는 0이며, 두 클래스가 50:50으로 섞여 있을 때 가장 큰 값을 가진다.

예시)

정상 3개, 불량 1개

−(34log⁡234+14log⁡214)=0.811-\left(\frac34\log_2\frac34+\frac14\log_2\frac14\right) =0.811

계산 과정

3/4 = 0.75
1/4 = 0.25
log₂(0.75) = log(0.75) ÷ log(2) = -0.415
log₂(0.25) = log(0.25) ÷ log(2) = -2
0.75×(-0.415) = -0.311
0.25×(-2) = -0.500
(-0.311)+(-0.500)=-0.811
앞의 음수를 적용하면 0.811

4. 용어정리

Decision Tree : 조건을 이용하여 데이터를 반복적으로 분할하는 머신러닝 모델
Node : 데이터를 분할하는 지점
Leaf Node : 더 이상 분할하지 않는 최종 노드
Gini Index : 데이터의 불순도를 측정하는 지표
Entropy : 데이터의 불확실성을 나타내는 지표
Information Gain : 분할 전후 엔트로피 감소량
log₂(x) : 밑이 2인 로그이며 계산기에서는 log(x)/log(2)로 계산

5. 오늘의 소감 및 인사이트

오늘은 의사결정나무의 핵심 개념인 지니지수와 엔트로피를 처음에는 공식만 보고 이해하기 어려웠지만, 정상과 불량의 비율을 확률로 바꾸어 계산하는 과정을 따라가면서 개념을 조금씩 이해할 수 있었다. 특히 엔트로피는 복잡한 공식을 암기하기보다 데이터가 얼마나 섞여 있는지를 나타내는 점수라는 관점에서 접근하니 이해가 쉬웠다. 또한 로그 계산은 직접 값을 유도하기보다 공학용 계산기에서 log(x)/log(2)를 이용한다는 점도 알게 되었다. 앞으로는 Information Gain이 어떻게 계산되어 최적의 분할 기준을 선택하는지까지 이어서 학습하면 의사결정나무 전체 구조를 이해하는 데 도움이 될 것 같다.

글쓰기 45일차

yoon000219 — Mon, 20 Jul 2026 20:59:11 +0900

문제 설명

한국중학교에 다니는 학생들은 각자 정수 번호를 갖고 있습니다. 이 학교 학생 3명의 정수 번호를 더했을 때 0이 되면 3명의 학생은 삼총사라고 합니다. 예를 들어, 5명의 학생이 있고, 각각의 정수 번호가 순서대로 -2, 3, 0, 2, -5일 때, 첫 번째, 세 번째, 네 번째 학생의 정수 번호를 더하면 0이므로 세 학생은 삼총사입니다. 또한, 두 번째, 네 번째, 다섯 번째 학생의 정수 번호를 더해도 0이므로 세 학생도 삼총사입니다. 따라서 이 경우 한국중학교에서는 두 가지 방법으로 삼총사를 만들 수 있습니다.

한국중학교 학생들의 번호를 나타내는 정수 배열 number가 매개변수로 주어질 때, 학생들 중 삼총사를 만들 수 있는 방법의 수를 return 하도록 solution 함수를 완성하세요.

def solution(number):
    answer = 0
    n = len(number)

    for i in range(n - 2):          # 첫 번째 학생
        for j in range(i + 1, n - 1):   # 두 번째 학생
            for k in range(j + 1, n):   # 세 번째 학생

                if number[i] + number[j] + number[k] == 0:
                    answer += 1

    return answer

문제 이해

학생들의 번호가 담긴 배열에서 학생 3명을 선택했을 때 번호의 합이 0이 되는 경우의 수를 구하는 문제이다.

예시

number = [-2, 3, 0, 2, -5]

학생 번호를 표로 나타내면

인덱스번호

0	-2
1	3
2	0
3	2
4	-5

여기서 학생을 3명씩 선택하여 합이 0인지 확인하면 된다.

풀이 아이디어

학생 3명을 모두 선택해야 하므로

첫 번째 학생
두 번째 학생
세 번째 학생

을 하나씩 선택하면서 모든 경우를 검사한다.

이를 위해 3중 반복문을 사용하였다.

풀이 과정

1. 첫 번째 학생 선택

for i in range(n-2):

i는 첫 번째 학생이다.

처음에는

i = 0

이므로

첫 번째 학생 = -2

를 선택한 상태이다.

2. 두 번째 학생 선택

for j in range(i+1, n-1):

여기서 가장 많이 헷갈린다.

j는 두 번째 학생이다.

그런데 왜 i+1부터 시작할까?

이미 첫 번째 학생으로 i를 선택했기 때문이다.

예를 들어

i = 0

이면

첫 번째 학생 = -2

이다.

그러면 두 번째 학생은

중에서 골라야 한다.

그래서

j = 1, 2, 3, 4

가 된다.

즉,

for j in range(i+1, n-1)

은

첫 번째 학생 다음 사람부터 두 번째 학생을 선택한다.

라는 의미이다.

3. 세 번째 학생 선택

for k in range(j+1, n):

이번에는 k가 세 번째 학생이다.

이미

첫 번째 학생
두 번째 학생

을 골랐으므로

세 번째 학생은 두 번째 학생 뒤에서만 선택한다.

예를 들어

i = 0
j = 2

이라면

현재 선택된 학생은

-2
0

이다.

세 번째 학생은

2
-5

중에서만 선택한다.

즉

k = 3, 4

가 된다.

실제 반복되는 모습

처음에는

i=0
j=1
k=2

선택된 학생

-2
 3
 0

합

↓

0이 아니므로 다음 경우를 확인한다.

다음은

i=0
j=1
k=3

선택

-2
3
2

합

↓

다음으로 넘어간다.

다음은

i=0
j=2
k=3

선택

-2
0
2

합

↓

answer += 1

을 수행한다.

왜 i+1, j+1을 사용할까?

만약

for j in range(n):

처럼 작성하면

(-2, 3, 0)

도 검사하고

(3, -2, 0)

도 검사한다.

사실 이 둘은 같은 학생 3명이다.

즉,

(-2,3,0)
(3,-2,0)
(0,-2,3)

을 모두 세게 되어 중복 계산이 발생한다.

그래서

첫 번째 학생 < 두 번째 학생 < 세 번째 학생

순서가 되도록

j = i+1
k = j+1

부터 시작하는 것이다.

오늘의 학습 주제

Tableau 데이터 연결(Relationship) 및 Dashboard 구성

핵심 내용 요약

오늘은 Tableau Desktop을 활용하여 CSV 파일을 연결하고 대시보드를 제작하는 과정을 학습하였다.

단순히 데이터를 불러오는 것이 아니라 Relationship(관계) 과 Join(조인) 의 차이를 이해하고, 여러 CSV 파일을 하나의 분석 데이터로 연결하는 방법을 익혔다.

또한 Dashboard를 구성하면서 레이아웃(Container) 과 시트(Worksheet) 의 차이, 크기 조정, 제목 및 범례 관리 방법을 실습하였다.

오늘 배운 핵심 포인트

① Relationship과 Join의 차이

RelationshipJoin

논리적 연결	물리적 연결
분석 시 필요한 순간에 결합	데이터를 미리 하나로 합침
중복 발생이 적음	중복 데이터 발생 가능

✔ 대부분의 Dashboard 제작에서는 Relationship 사용을 권장한다.

② 데이터 연결 시 확인해야 할 사항

공통 Key(Column)가 존재하는지 확인
데이터 타입이 동일한지 확인
컬럼명이 서로 일치하는지 확인
Null 값이 존재하는지 확인

예)

Vehicle ID
↓

Vehicle ID

또는

Shape ID
↓

Shape ID

처럼 동일한 Key가 있어야 연결 가능하다.

③ Dashboard 구성 요소

Dashboard는 단순히 차트를 붙이는 공간이 아니라

Worksheet
Container
Legend
Filter
Text
Image

등 여러 객체를 조합하여 제작된다.

④ Container의 역할

Container는

그래프 위치
간격
정렬

을 관리하는 객체이다.

Container를 삭제하면 레이아웃이 크게 변경될 수 있으므로 삭제보다 배치 수정이 중요하다.

⑤ Dashboard 크기 설정

Dashboard에서는

Automatic

보다

Fixed Size

를 사용하는 것이 화면 비율을 일정하게 유지하는 데 유리하다.

예)

1000 × 800

오늘 겪었던 문제

❗ CSV 연결이 되지 않는 문제

원인 후보

공통 Key 없음
데이터 타입 불일치
잘못된 Relationship 생성
다른 Data Source로 연결됨

→ 데이터 연결 시에는 항상 공통 컬럼부터 확인하는 습관이 필요하다는 것을 알게 되었다.

❗ Dashboard 레이아웃 문제

Container를 삭제하면

차트 크기 변경
위치 변경
전체 레이아웃 붕괴

가 발생하였다.

→ Dashboard에서는 객체보다 Container 구조를 먼저 이해해야 한다.

새롭게 알게 된 용어

용어의미

Relationship	논리적 테이블 연결
Join	물리적 데이터 결합
Dashboard	여러 시트를 조합한 화면
Worksheet	개별 시각화
Container	레이아웃 관리 객체
Legend	색상·크기 등을 설명하는 범례
Fixed Size	고정 크기 대시보드

오늘의 인사이트

단순히 차트를 만드는 것보다 데이터를 어떻게 연결하고 구조화하는지가 더 중요하다는 점을 배웠다.

또한 Dashboard는 시각화 도구가 아니라 분석 결과를 효과적으로 전달하기 위한 화면 설계 과정이라는 것을 이해하게 되었다.

앞으로는 데이터를 불러오기 전에 공통 Key와 데이터 구조를 먼저 확인하는 습관을 들이고, Container를 활용해 안정적인 Dashboard를 설계하는 연습을 계속해야겠다.

글쓰기 44일차

yoon000219 — Thu, 16 Jul 2026 20:57:45 +0900

문제 설명

문자열 s는 한 개 이상의 단어로 구성되어 있습니다. 각 단어는 하나 이상의 공백문자로 구분되어 있습니다. 각 단어의 짝수번째 알파벳은 대문자로, 홀수번째 알파벳은 소문자로 바꾼 문자열을 리턴하는 함수, solution을 완성하세요.

def solution(s):

    answer = ""
    idx = 0

    for ch in s:

        if ch == " ":
            answer += " "
            idx = 0

        else:

            if idx % 2 == 0:
                answer += ch.upper()

            else:
                answer += ch.lower()

            idx += 1

    return answer

문제 이해

문자열을 공백을 기준으로 단어별로 나눈 뒤, 각 단어에서 짝수 번째 문자는 대문자, 홀수 번째 문자는 소문자로 변환하는 문제이다.

⚠️ 중요한 점은 문자열 전체의 인덱스가 아니라, 단어마다 인덱스를 다시 0부터 시작해야 한다.

예를 들어

try hello world

변환 과정은

try    → TrY
hello  → HeLlO
world  → WoRlD

최종 결과

TrY HeLlO WoRlD

풀이 과정

1️⃣ 결과를 저장할 변수 생성

먼저 변환된 문자열을 저장할 공간을 만든다.

answer = ""

현재 상태

answer = ""

2️⃣ 단어의 인덱스를 저장할 변수 생성

각 단어마다 몇 번째 문자인지 기억하기 위해 idx를 만든다.

idx = 0

예를 들어

t = 0번째
r = 1번째
y = 2번째

처럼 현재 단어의 위치를 저장하는 역할을 한다.

3️⃣ 문자열을 한 글자씩 순회

for ch in s:

문자열

"try hello"

는 반복문에서 다음과 같이 하나씩 가져온다.

t
↓

r
↓

y
↓

(공백)

↓

h
↓

e
↓

l
↓

l
↓

o

4️⃣ 공백인지 확인

if ch == " ":

공백이라면

answer += " "

공백도 그대로 결과에 추가한다.

그리고 다음 단어는 다시 첫 글자부터 시작해야 하므로

idx = 0

으로 초기화한다.

예시

TrY

↓

공백

↓

TrY

그리고

hello

의

는 다시

0번째 문자

가 된다.

5️⃣ 짝수 번째 문자 처리

짝수 인덱스라면

idx % 2 == 0

조건이 참이 된다.

이 경우

answer += ch.upper()

를 수행하여 대문자로 변환한다.

예시

idx = 0

t

↓

T

또는

idx = 2

y

↓

Y

6️⃣ 홀수 번째 문자 처리

홀수 인덱스라면

idx % 2 == 1

이므로

answer += ch.lower()

를 수행하여 소문자로 변환한다.

예시

idx = 1

R

↓

r

7️⃣ 현재 단어의 인덱스 증가

문자를 하나 처리했으면

idx += 1

을 수행하여 다음 문자의 위치를 증가시킨다.

예시

전체 동작 예시

입력

try hello

반복 과정

현재 문자idx변환 결과

t	0	T
r	1	Tr
y	2	TrY
공백	-	TrY
h	0	TrY H
e	1	TrY He
l	2	TrY HeL
l	3	TrY HeLl
o	4	TrY HeLlO

최종 결과

TrY HeLlO

✏️ 오늘 배운 점

이번 문제를 통해 문자열을 한 글자씩 순회하며 조건에 따라 문자를 변환하는 방법을 익힐 수 있었다. 특히 문자열 전체의 인덱스를 사용하는 것이 아니라 공백을 기준으로 단어마다 인덱스를 다시 0으로 초기화해야 한다는 점이 핵심이었다.

또한 upper(), lower()를 활용한 문자열 변환과 % 연산자를 이용해 짝수와 홀수를 구분하는 방법도 함께 복습할 수 있었으며, 반복문과 조건문을 조합해 문자열을 원하는 형태로 가공하는 과정을 이해할 수 있었다.

글쓰기 43일차

yoon000219 — Tue, 14 Jul 2026 20:46:09 +0900

문제 설명

자연수 n이 매개변수로 주어집니다. n을 3진법 상에서 앞뒤로 뒤집은 후, 이를 다시 10진법으로 표현한 수를 return 하도록 solution 함수를 완성해주세요.

문제 이해

자연수 n을 3진법으로 변환한 뒤 앞뒤로 뒤집고, 뒤집힌 값을 다시 10진법으로 변환하는 문제이다.

예를 들어 n = 45인 경우 다음과 같은 과정을 거친다.

45 (10진법)
    ↓
1200 (3진법)
    ↓
0021 (앞뒤 반전)
    ↓
7 (10진법)

풀이 과정

1. 10진수를 3진수로 변환하기

10진수를 3진수로 변환하기 위해서는 숫자를 3으로 계속 나누면서 나머지를 구한다.

45를 예시로 계산하면 다음과 같다.

÷ 3 = 15 ... 나머지 0
÷ 3 = 5  ... 나머지 0
÷ 3 = 1  ... 나머지 2
÷ 3 = 0  ... 나머지 1

나머지가 나온 순서는 다음과 같다.

0 → 0 → 2 → 1

일반적으로 3진수를 구할 때는 나머지를 아래에서 위로 읽기 때문에 1200이 된다.

하지만 이번 문제에서는 3진수를 다시 앞뒤로 뒤집어야 한다.

1200 → 0021

따라서 나머지가 나온 순서인 0021을 그대로 저장하면 3진수를 변환하고 뒤집는 과정을 한 번에 처리할 수 있다.

2. 나머지를 문자열에 저장하기

answer += str(n % 3)

n % 3을 통해 3으로 나눈 나머지를 구한다.

answer는 문자열이므로 str()을 사용하여 나머지를 문자로 변환한 뒤 순서대로 저장한다.

answer = ""

% 3 = 0  → answer = "0"
% 3 = 0  → answer = "00"
% 3 = 2  → answer = "002"
% 3 = 1  → answer = "0021"

최종적으로 answer에는 **뒤집힌 3진수인 "0021"**이 저장된다.

3. 숫자를 3으로 계속 나누기

n //= 3

//는 나눗셈의 몫만 구하는 연산자이다.

45 → 15 → 5 → 1 → 0

while n > 0 조건을 사용하여 n이 0이 될 때까지 반복한다.

4. 뒤집힌 3진수를 다시 10진수로 변환하기

int(answer, 3)

int(값, 진법)을 사용하면 특정 진법의 값을 10진수로 변환할 수 있다.

int("0021", 3)

0021을 3진법 숫자로 계산하면 다음과 같다.

0 × 3³
+ 0 × 3²
+ 2 × 3¹
+ 1 × 3⁰

= 0 + 0 + 6 + 1
= 7

따라서 최종 결과는 7이 된다.

최종 코드

def solution(n):
    answer = ""

    while n > 0:
        answer += str(n % 3)
        n //= 3

    return int(answer, 3)

✏️ 오늘 배운 점

이번 문제를 통해 10진수를 다른 진법으로 변환할 때 나눗셈의 나머지를 활용할 수 있다는 점을 배웠다. 특히 3으로 나눈 나머지가 역순으로 생성된다는 특징을 이용하면 별도의 뒤집기 과정 없이 문제를 해결할 수 있다는 점이 인상적이었다.

또한 int(answer, 3)처럼 int() 함수의 두 번째 인자에 진법을 지정하면 해당 진법의 문자열을 간단하게 10진수로 변환할 수 있다는 점도 새롭게 알게 되었다.

태블로를 새롭게 배우게 되었는데 강의 초반부분을 들었는데 너무 재밌고 흥미로웠다

본캠프 42일차

yoon000219 — Mon, 13 Jul 2026 20:58:52 +0900

이번 프로젝트는 지금까지 진행했던 프로젝트 중에서도 가장 많은 것을 배우고 스스로의 부족한 부분을 크게 느낄 수 있었던 경험이었다.

처음 접하는 분석 기법과 모델링 과정이 많아 초반에는 전체적인 흐름을 따라가는 것만으로도 쉽지 않았지만, 하나의 분석 결과가 나오기까지 수많은 고민과 과정이 필요하다는 것을 직접 경험할 수 있었다.

특히 단순히 코드를 실행하고 결과를 확인하는 것이 데이터 분석의 전부가 아니라, 왜 이 분석을 진행하는지, 왜 해당 기법을 선택했는지, 나온 결과를 어떤 관점에서 바라보고 설명해야 하는지가 훨씬 중요하다는 것을 배웠다.

피드백을 받고 여러 번 분석 방향과 시각화를 수정하는 과정이 쉽지만은 않았지만, 오히려 그 과정에서 처음보다 훨씬 넓은 시야로 데이터를 바라볼 수 있게 되었다.

무엇보다 좋은 팀원들과 함께하면서 정말 많은 영향을 받을 수 있었다. 각자 데이터를 바라보는 관점과 문제를 해결하는 방식이 달랐고, 내가 미처 생각하지 못했던 부분을 배우며 혼자 진행했다면 절대 얻지 못했을 다양한 지식과 경험을 얻을 수 있었다.

서로 알고 있는 내용을 공유하고 부족한 부분을 채워가는 과정 자체가 큰 공부가 되었으며, 분석 역량뿐만 아니라 협업과 소통의 중요성도 다시 한번 느낄 수 있었다.

아직 부족한 부분이 많고 프로젝트를 진행하며 따라가기 급급했던 순간도 있었지만, 그만큼 짧은 시간 동안 정말 많은 것을 배우고 성장할 수 있었던 프로젝트라고 생각한다.

이번 경험을 통해 앞으로 어떤 부분을 더 공부해야 하는지 명확하게 알 수 있었고, 데이터 분석과 품질관리 분야에 대해 한 단계 더 깊게 생각해 볼 수 있었던 매우 의미 있는 시간이었다.

본캠프 41일차

yoon000219 — Thu, 9 Jul 2026 21:19:07 +0900

핵심 내용 요약

오늘은 프로젝트 발표를 위한 EDA 구성과 발표 흐름을 중심으로 작업하였다. 단순히 그래프를 많이 제시하는 것이 아니라, 각 분석이 왜 필요한지와 다음 분석으로 어떻게 연결되는지를 고려하여 전체 흐름을 재구성하였다. 또한 튜터님의 피드백을 바탕으로 발표 자료의 논리성을 보완하고, 각 시각화의 목적과 해석을 정리하는 데 집중하였다.

오늘 진행한 내용

프로젝트 EDA 발표 순서 및 전체 흐름 재구성
데이터 개요, 결측치 분석, 전처리 검증, Stage 분석으로 발표 내용 정리
각 시각화의 분석 목적 → 결과 → 해석을 연결하여 발표 자료 작성
KNN Imputation과 SMOTE 적용 전·후를 비교할 수 있는 시각화 개선
Stage를 분리하지 않은 근거를 상관계수와 PCA 결과를 활용하여 정리
발표용 그래프의 색상, 레이아웃, 수치 표시 등을 수정하여 가독성 향상

피드백 및 보완 사항

튜터님께서 "무엇을 분석했고, 왜 분석했으며, 결과를 어떻게 해석할 것인지가 가장 중요하다"는 피드백을 주셨다. 이에 따라 그래프 개수를 늘리는 것보다 각 분석이 다음 단계로 자연스럽게 이어질 수 있도록 발표 흐름을 수정하였다. 또한 일부 시각화는 전달력이 떨어진다고 판단하여 제외하거나 보조 자료로 활용하는 방향으로 정리하였다.

느낀 점

이번 작업을 통해 좋은 발표 자료는 단순히 분석 결과를 나열하는 것이 아니라, 분석 목적과 해석이 자연스럽게 이어지는 스토리가 중요하다는 것을 느꼈다. 앞으로도 새로운 그래프를 추가하기보다 현재 결과를 어떻게 효과적으로 전달할 수 있을지 먼저 고민하는 습관을 가져야겠다고 생각했다.