9주차 3교시: 데이터 읽기 카드 미션

데이터를 그리기 전에 읽을 수 있다는 사실을 두 결과물로 증명하기

0단계 · 노트북 사본과 파일명 준비

1. 위의 Colab에서 시작을 누르거나 내려받은 파일을 Colab에 업로드합니다.
2. 파일 → Drive에 사본 저장을 선택합니다.
3. 상단 파일명을 눌러 week09_학번_이름.ipynb로 바꿉니다.
4. 처음에는 코드를 수정하지 않고 STEP 0부터 STEP 4까지 한 번 실행합니다.

1. 01준비사본 저장과 파일명
2. 02기준 실행수정 전 데이터 확인
3. 03맥락 기록출처·단위·기간
4. 04구조 검사행·열·형식·빈 값
5. 05질문 작성가능한 질문과 한계
6. 06카드 생성독립 HTML 결과물
7. 07검증새 런타임 전체 실행
8. 08귀가두 파일 제출 확인

이번 주에 만들 수 있는 결과물

귀가 조건: 제출 전에 열 가지 확인

1. 노트북 파일명week09_학번_이름.ipynb 형식으로 바꾸었습니다.
2. 제출 정보STEP 1의 학번과 이름을 자신의 정보로 바꾸었습니다.
3. 데이터 선택수업용 CSV 또는 개인정보를 제거한 자신의 CSV가 정상적으로 열립니다.
4. 맥락 기록제목, 출처, 이용 조건, 관찰 단위, 시간 범위를 모두 작성했습니다.
5. 구조 확인행, 열, 자료형, 결측값을 출력하고 그 의미를 확인했습니다.
6. 실제 값 설명존재하는 행·열·값 하나를 선택하고 20자 이상의 문장으로 설명했습니다.
7. 가능한 질문현재 데이터로 답할 수 있는 질문과 필요한 열 한 개 이상을 적었습니다.
8. 한계 질문답할 수 없는 질문과 추가로 필요한 정보를 각각 15자 이상 적었습니다.
9. 새 런타임 검증런타임을 다시 시작하고 모두 실행해 🎉 WEEK 09 DATA READING COMPLETE를 확인했습니다.
10. 두 파일 제출실행 결과가 포함된 .ipynb와 브라우저에서 열리는 .html을 제출했습니다.

50분 진행 기준

시간표는 기다려야 하는 시각이 아니라 길을 잃지 않기 위한 기준입니다. 32분에 모든 조건을 충족했다면 그때 검사를 실행하고 두 파일을 제출할 수 있습니다. 반대로 시간이 더 필요한 학생은 50분까지 같은 목표를 자신의 속도로 수행합니다.

1단계 · 수정 전 기준 실행

템플릿은 수업용 CSV가 보이지 않으면 같은 24개 기록을 자동으로 생성합니다. STEP 0부터 STEP 4까지 순서대로 실행했을 때 앞의 다섯 행, (24, 10), 열 이름, 자료형, 결측값 개수와 예시 카드가 보이면 환경이 정상입니다.

2단계 · 데이터 맥락과 질문 작성

노트북의 STEP 1에서 EDIT로 표시된 값만 바꿉니다. 수업용 자료를 쓰면 source_choice = "provided"를 유지합니다. 자신의 CSV를 쓰는 경우에만 "own"으로 바꾸고 파일을 업로드한 뒤 제목·출처·이용 조건·관찰 단위·시간 범위를 실제 자료에 맞게 모두 수정합니다.

3단계 · 구조 검사와 실제 값 설명

STEP 2 코드 셀은 원본 파일의 바이트를 기억한 뒤 pd.read_csv(source_path)로 DataFrame을 만듭니다. 이어서 앞부분, 크기, 열 이름, 자료형, 결측값을 출력합니다. 이 셀은 값을 삭제하거나 바꾸지 않습니다.

preview = df.head()
dataset_shape = df.shape
column_names = df.columns.tolist()
column_types = df.dtypes.astype(str).to_dict()
missing_counts = df.isna().sum().astype(int).to_dict()

STEP 3에서는 실제로 존재하는 행과 열을 하나 고릅니다. 예를 들어 selected_row_index = 1, selected_column = "duration_min"을 선택했다면 값 55를 보고 “두 번째 창작 활동이 55분 동안 이어졌다”라고 설명합니다. 카드가 인덱스·열 이름·원래 값을 자동으로 표시하므로, 설명 문장에는 숫자나 코드 표기를 그대로 반복하지 않아도 됩니다. 현실에서 무엇을 뜻하는지 자연스럽게 적습니다.

4단계 · 답할 수 있는 질문과 답할 수 없는 질문

답할 수 있는 질문은 현재 표의 열과 값으로 확인할 수 있어야 합니다. 필요한 열을 needed_columns 목록에 정확한 이름으로 적습니다. 답할 수 없는 질문은 현재 데이터에 없는 정보를 요구해야 하며, 어떤 열이나 기록이 더 필요한지도 함께 설명합니다.

5단계 · HTML 카드 생성과 내용 확인

STEP 4 코드는 작성한 정보와 DataFrame 검사 결과를 HTML 문자열로 조립한 뒤 Path(output_filename).write_text(...)로 저장합니다. 카드가 노트북 안에 보이는 것과 왼쪽 파일 패널에 .html 파일이 생기는 것을 모두 확인합니다.

1. 제목과 작성자 정보가 자신의 내용인지 확인합니다.
2. 행·열 수와 열 이름이 STEP 2 출력과 같은지 확인합니다.
3. 출처·이용 조건·관찰 단위·시간 범위가 비어 있지 않은지 확인합니다.
4. 두 질문과 실제 값 설명이 카드 안에서 끝까지 보이는지 확인합니다.
5. Colab 왼쪽 파일 패널에서 HTML을 내려받아 브라우저로 한 번 엽니다.

6단계 · 새 런타임 전체 실행과 PASS

1. 런타임 → 런타임 다시 시작을 선택합니다.
2. 런타임 → 모두 실행을 선택합니다.
3. 여섯 코드 셀의 실행 번호가 [1]부터 [6]까지 이어지는지 확인합니다.
4. FINAL CHECK에서 FIX가 보이면 해당 설명을 읽고 EDIT 값을 고칩니다.
5. 다시 런타임을 시작하고 모두 실행해 🎉 WEEK 09 DATA READING COMPLETE를 확인합니다.

7단계 · 두 파일 제출 후 귀가

1. Colab에서 파일 → 다운로드 → .ipynb 다운로드를 선택합니다.
2. 왼쪽 파일 패널에서 생성된 HTML의 점 세 개 메뉴를 눌러 내려받습니다.
3. 노트북을 다시 열었을 때 실행 결과와 완료 문구가 저장되어 있는지 확인합니다.
4. HTML을 브라우저로 열어 제목, 질문, 실제 값 설명이 보이는지 확인합니다.
5. 두 파일을 제출하고 업로드 완료 표시를 교수에게 보여 줍니다.

선택 확장 · 자신의 CSV로 같은 카드 만들기

필수 실습을 완료한 뒤 남아서 더 해보고 싶은 학생만 진행합니다. 자신의 관심 분야에서 개인정보가 없는 CSV를 선택하고 source_choice = "own"으로 바꿉니다. 최소 5행 4열, 수치형 열 하나 이상, 문자 또는 범주형 열 하나 이상이 필요합니다. 제목과 출처, 이용 조건, 관찰 단위, 기간, 두 질문, 실제 값 설명을 전부 새 자료에 맞게 고쳐야 합니다.

10주차 연결

이번 주에는 주어진 표를 읽고 가능한 질문과 누락된 정보를 찾았습니다. 10주차에는 이 판단을 바탕으로 원본과 작업 사본을 분리하고, 열 이름·자료형·중복·결측값을 일관된 기준으로 정리합니다. 이번 카드의 “아직 답할 수 없는 질문” 영역은 다음 데이터 수집과 정리에서 무엇이 더 필요한지 알려 주는 설계 메모가 됩니다.

도움말과 공식 자료

• Google Colab 시작 안내 ↗
• pandas API 참고문서: read_csv ↗
• pandas API 참고문서: DataFrame.head ↗
• 서울 열린데이터광장 ↗