12주차 · 데이터 시각화

12장. 데이터 시각화

학습 목표

1. “무엇을 x에 놓고, 무엇을 y에 놓는가”를 코드 전에 문장으로 먼저 정한다
2. 제목 · 축 라벨 · 단위를 갖춘 그래프 설계안(spec)을 딕셔너리로 작성한다
3. NumPy 배열로 데이터를 생성하고 처리한 뒤 시각화 파이프라인을 구성한다
4. 데이터 질문에 맞는 그래프 종류(선/산점/막대)를 선택하는 기준을 설명한다
5. 잘못된 축 범위·라벨 누락 등 오해 유발 요소를 식별하고 수정한다
6. 결과를 관찰–원인–시사점 3문장으로 정리한다

한 줄 요약

그래프는 데이터를 의미로 바꾸는 지도입니다. 좋은 그래프는 제목·축·단위·해석이 모두 갖춰져 있습니다.

---

시각화 quickstart: 코드 전에 이 4가지를 먼저 답하기

그래프를 그리기 전에 아래 4가지 질문에 답하세요.

1. 무엇이 변하는가? → x축
2. 무엇을 측정하는가? → y축
3. 단위는 무엇인가? (s, V, dBm, Hz, Ω)
4. 이 그래프의 핵심 메시지 한 줄은?

matplotlib 코드는 로컬 Python 전용입니다

이 페이지의 matplotlib 코드 블록은 로컬 Python 환경(VS Code, Jupyter 등)에서 실행하는 예시입니다. 브라우저 PythonConsole에서는 그래프 설계안(spec) 작성 + 데이터 점검 + 해석 문장을 연습합니다. 실제 그래프 렌더링은 로컬 환경에서 확인하세요.

---

1) 그래프의 기초 구성 요소

요소	역할	빠진 경우 생기는 문제
제목	”이 그래프가 답하는 질문”	독자가 목적을 모름
x축 라벨 + 단위	입력 변수와 물리량	수치 의미 해석 불가
y축 라벨 + 단위	출력 변수와 물리량	수치 의미 해석 불가
적절한 y축 범위	데이터 맥락 보존	변화가 과장되거나 묻힘
해석 문장	그래프 → 의사결정	숫자만 있고 결론 없음

---

2) matplotlib 기본 문법 (로컬 참고용)

# 로컬 Python 전용 예시 (브라우저 PythonConsole에서는 실행되지 않습니다)
import matplotlib.pyplot as plt
import numpy as np

t = np.linspace(0, 1, 100)           # 시간축 (s)
v = 3.3 * np.sin(2 * np.pi * 5 * t) # 5 Hz 정현파 (V)

plt.figure(figsize=(7, 4))
plt.plot(t, v, linewidth=2, color='royalblue', label='V(t)')
plt.title('5 Hz Sine Wave')
plt.xlabel('Time (s)')
plt.ylabel('Voltage (V)')
plt.ylim(-4, 4)
plt.grid(alpha=0.3)
plt.legend()
plt.show()

처음 쓸 때 체크할 4가지

1. x와 y 길이가 같은지 먼저 확인한다 (len(x) == len(y))
2. 제목은 “무엇 vs 무엇” 또는 “현상 요약”으로 쓴다
3. 축 라벨에는 단위를 반드시 포함한다
4. 그래프 뒤에 반드시 해석 문장 1줄을 붙인다

---

3) 질문에 맞는 그래프 선택

데이터 질문	권장 그래프	이유
”시간에 따라 값이 어떻게 변하나?”	선 그래프(Line)	추세와 기울기 확인 용이
”두 변수의 관계는?”	산점도(Scatter)	상관/분산 파악 용이
”범주별 크기 비교는?”	막대 그래프(Bar)	카테고리 비교 명확
”값 분포가 어떻게 생겼나?”	히스토그램(Histogram)	빈도 분포 확인 가능

---

4) Bad vs Good 그래프 예시

Bad 예시 — 오해 유발

# 로컬 Python 전용 예시
import matplotlib.pyplot as plt

x = [1, 2, 3, 4]
y = [51, 52, 53, 54]

plt.plot(x, y, color='red')
plt.ylim(50.8, 54.2)   # y축을 과도하게 잘라 변화가 과장됨
plt.title('Result')    # 제목이 모호함
# 축 라벨·단위 없음
plt.show()

문제점: 축 라벨 없음 / 제목 모호 / y축 절단으로 작은 변화가 크게 보임

나쁜 예: Y축이 잘린 그래프

차트를 불러오는 중...

Good 예시 — 신뢰 가능

# 로컬 Python 전용 예시
import matplotlib.pyplot as plt

x = [1, 2, 3, 4]
y = [51, 52, 53, 54]

plt.figure(figsize=(6, 4))
plt.plot(x, y, marker='o', linewidth=2, color='royalblue', label='측정값')
plt.title('출력 전압 vs 테스트 단계')
plt.xlabel('테스트 단계 (-)')
plt.ylabel('출력 전압 (V)')
plt.ylim(0, 60)        # 맥락을 보존하는 축 범위
plt.grid(alpha=0.3)
plt.legend()
plt.show()

개선점: 명확한 제목 / 단위 포함 축 라벨 / 데이터 맥락을 유지하는 y축 범위

좋은 예: Y축 범위가 적절한 그래프

차트를 불러오는 중...

---

5) 엔드-투-엔드 파이프라인: 데이터 생성 → 처리 → 설계안

공학 시각화의 전형적인 흐름은 다음 3단계입니다.

1. 데이터 생성: NumPy로 배열 생성 또는 측정값 로드
2. 처리: 정규화, 통계, 필터링 등 원하는 계산 수행
3. 설계안 작성: plot_spec 딕셔너리로 제목·축·데이터를 정리하고 self-check

# 로컬 Python 전용 — 전체 파이프라인 예시
import numpy as np
import matplotlib.pyplot as plt

# 1) 데이터 생성 (NumPy)
rng = np.random.default_rng(42)
t = np.linspace(0, 1, 200)                       # 시간 (s)
v = 5.0 * np.sin(2 * np.pi * 10 * t)             # 10 Hz 신호 (V)
v_noisy = v + 0.4 * rng.normal(size=t.size)      # 잡음 추가

# 2) 처리 — 이동 평균 스무딩
window = 10
v_smooth = np.convolve(v_noisy, np.ones(window) / window, mode='same')

# 3) 시각화
plt.figure(figsize=(8, 4))
plt.plot(t, v_noisy, alpha=0.4, color='gray', label='Noisy')
plt.plot(t, v_smooth, linewidth=2, color='royalblue', label='Smoothed')
plt.title('10 Hz Sine Signal — Raw vs Smoothed')
plt.xlabel('Time (s)')
plt.ylabel('Voltage (V)')
plt.legend()
plt.grid(alpha=0.3)
plt.show()

---

6) 해석 문장 템플릿 (3문장)

결과를 정리할 때 아래 3문장 구조를 사용하세요.

1. 관찰: “A에서 B로 변할 때, C가 증가/감소했다.”
2. 원인 가설: “이는 D 특성 때문으로 보인다.”
3. 공학적 시사점: “따라서 E 조건에서 운용/설계를 권장한다.”

예시:

1. 거리가 1m에서 6m로 증가할 때, RSSI가 -38 dBm에서 -60 dBm으로 감소했다.
2. 이는 자유공간 경로손실이 거리의 로그에 비례해 증가하기 때문으로 보인다.
3. 따라서 안정적인 수신을 위해 송수신 거리를 3m 이내로 유지하는 설계를 권장한다.

---

예제 1

예제 1 · NumPy 데이터 → 그래프 설계안 작성 Runs in-browser with Pyodide

import numpy as np # 1) NumPy로 데이터 생성 t = np.linspace(0, 1, 50) # 시간 (s), 50점 v = 3.3 * np.sin(2 * np.pi * 5 * t) # 5 Hz 신호 (V) # 2) 그래프 설계안(spec) 딕셔너리 plot_spec = { "title": "5 Hz Sine Wave", "x_label": "Time (s)", "y_label": "Voltage (V)", "chart_type": "line", "x": t.tolist(), "y": v.tolist(), } # 3) self-check print("title:", plot_spec["title"]) print("x_label:", plot_spec["x_label"]) print("y_label:", plot_spec["y_label"]) print("labels_ready:", all([plot_spec["title"], plot_spec["x_label"], plot_spec["y_label"]])) print("same_length:", len(plot_spec["x"]) == len(plot_spec["y"])) print("point_count:", len(plot_spec["x"])) # 4) 기초 통계 확인 (플로팅 전 데이터 점검) v_arr = np.array(plot_spec["y"]) print("y_min:", round(float(v_arr.min()), 3)) print("y_max:", round(float(v_arr.max()), 3)) print("y_mean:", round(float(v_arr.mean()), 3)) # 5) 검증 assert len(plot_spec["x"]) == len(plot_spec["y"]) assert plot_spec["title"] != "" print("예제 1 점검 완료")

Run Reset

Wrap off Copy

Ready

실제 차트 미리보기

위 설계안을 실제 그래프로 렌더링하면 이렇게 보입니다.

전압 감쇠 측정 데이터

차트를 불러오는 중...

PythonConsole에서 직접 그려보기

위 차트는 plot_spec 딕셔너리를 기반으로 렌더링한 것입니다. 여러분이 작성한 plot_spec도 같은 형식이면 렌더링할 수 있습니다.

예제 1 줄별 해설

1. NumPy로 등간격 시간축과 정현파를 생성합니다. W11에서 배운 np.linspace와 vectorization을 그대로 활용합니다.
2. plot_spec 딕셔너리에 제목·축 라벨·데이터를 함께 묶어두면 실수를 줄일 수 있습니다.
3. all([…])로 라벨이 모두 비어 있지 않은지 한 번에 검사합니다.
4. 플로팅 전에 min/max/mean으로 데이터 범위를 확인하면 축 범위 설정에 도움이 됩니다.
5. assert로 x/y 길이가 같고 제목이 비어 있지 않음을 자동 확인합니다.

---

예제 2에서 새로 등장하는 개념

개념	역할	예시
np.diff(v) / np.diff(t)	구간 기울기(변화율) 계산	RSSI 감소율 (dB/m)
f-string 출력	해석 문장을 코드로 자동 생성	f"평균 기울기: {slope:.2f}"
zip(a, b)	두 배열을 인덱스별 쌍으로 순회	for d, r in zip(distance_m, rssi_dbm):

---

예제 2

예제 2 · 거리-RSSI 파이프라인 (데이터 → 처리 → 설계안 → 해석) Runs in-browser with Pyodide

import numpy as np # 1) 측정 데이터 distance_m = np.array([1, 2, 3, 4, 5, 6], dtype=float) rssi_dbm = np.array([-38, -44, -49, -53, -56, -60], dtype=float) # 2) 처리: 구간 기울기 계산 slope_db_per_m = np.diff(rssi_dbm) / np.diff(distance_m) avg_slope = float(slope_db_per_m.mean()) trend = "감소" if avg_slope < 0 else "증가" # 3) 그래프 설계안 plot_spec = { "title": "RSSI vs Distance", "x_label": "Distance (m)", "y_label": "RSSI (dBm)", "chart_type": "line+markers", "x": distance_m.tolist(), "y": rssi_dbm.tolist(), } # 4) self-check print("labels_ready:", all([plot_spec["title"], plot_spec["x_label"], plot_spec["y_label"]])) print("same_length:", len(plot_spec["x"]) == len(plot_spec["y"])) # 5) 데이터 테이블 출력 (zip 활용) print("distance_m, rssi_dbm") for d, r in zip(distance_m, rssi_dbm): print(f" {d:.0f} m, {r:.1f} dBm") # 6) 해석 문장 print() print(f"관찰: 거리 {distance_m[0]:.0f}m에서 {distance_m[-1]:.0f}m 로 증가할 때 " f"RSSI가 {rssi_dbm[0]:.0f}에서 {rssi_dbm[-1]:.0f} dBm으로 {trend}했다.") print(f"원인: 자유공간 경로손실이 거리 증가에 따라 커지기 때문으로 보인다.") print(f"시사점: 평균 {avg_slope:.2f} dB/m 변화를 고려해 3m 이내 운용을 권장한다.") assert len(distance_m) == len(rssi_dbm) print("예제 2 점검 완료")

Run Reset

Wrap off Copy

Ready

예제 2 줄별 해설

1. 측정 데이터를 NumPy 배열로 정의합니다. dtype=float을 명시해 이후 나누기 연산이 정확하게 됩니다.
2. np.diff로 인접 구간의 변화량을 구하고 거리 차이로 나눠 기울기(dB/m)를 얻습니다.
3. plot_spec에 처리 결과와 원시 데이터를 함께 묶습니다.
4. zip(distance_m, rssi_dbm)으로 인덱스 없이 두 배열을 동시에 순회합니다.
5. 3문장 해석 템플릿을 f-string으로 자동 완성합니다.

---

초보자 함정 표

실수	겉으로 보이는 문제	왜 위험한가	수정 방법
라벨·단위 누락	x, y만 보임	물리적 의미 해석 불가	Time (s), Voltage (V)처럼 명시
y축 절단 미표기	작은 차이가 크게 보임	결론 왜곡	0 기준 또는 확대 표시 명시
x/y 길이 불일치	런타임 오류 또는 이상한 그래프	데이터 오정렬	assert len(x) == len(y)
해석 문장 없음	그림만 있음	의사결정 근거 없음	관찰–원인–시사점 3문장 작성
spec 라벨 빈 문자열	"" 가 그대로 출력됨	독자에게 정보 없음	all([title, x_label, y_label]) 점검

---

실습 문제 · 직접 코딩

이번 주 핵심

실제 matplotlib 호출 대신 그래프 설계안 작성 + 데이터 점검 + 해석 문장을 코드로 수행합니다. NumPy(W11)로 데이터를 만들고, 처리하고, 설계안으로 정리하는 전체 흐름을 연습하세요.

실습 1

[기초] 설계안 만들기: NumPy로 데이터를 생성하고 plot_spec 딕셔너리를 완성하세요.

실습 문제 1 · 그래프 설계안 작성 Runs in-browser with Pyodide

import numpy as np # 힌트 1) np.linspace(0, 5, 20) 으로 0~5초 구간 20개 점을 만드세요. # 힌트 2) plot_spec 에 title, x_label, y_label, chart_type, x, y 를 넣으세요. # 힌트 3) x_label 과 y_label 에 단위를 반드시 포함하세요. 예: "Time (s)" t = np.linspace(0, 5, 20) v = 2.0 * t + 1.0 # 선형 증가 신호 (V) plot_spec = {} # TODO 1) plot_spec 을 완성하세요. # (title, x_label, y_label, chart_type, x=t.tolist(), y=v.tolist()) # TODO 2) labels_ready: all([title, x_label, y_label]) 를 출력하세요. # TODO 3) same_length: len(x) == len(y) 를 출력하세요. # TODO 4) assert 로 x 와 y 길이가 같음을 확인하세요.

Run Reset

Wrap off Copy

Ready

실습 2

[기초] 차트 타입 선택: 같은 데이터로 line_spec과 scatter_spec을 각각 만들고 차이를 출력하세요.

실습 문제 2 · 차트 타입 비교 Runs in-browser with Pyodide

import numpy as np # 힌트 1) 선 그래프는 시간에 따른 추세 질문에, 산점도는 두 변수의 관계 질문에 씁니다. # 힌트 2) 두 spec 에 "pattern" 키를 추가해 목적을 메모하세요. # 예: "trend" (추세), "correlation" (상관관계) rng = np.random.default_rng(1) t = np.linspace(0, 1, 10) v = 5.0 * t + rng.normal(scale=0.2, size=10) line_spec = {} scatter_spec = {} # TODO 1) line_spec: chart_type="line", pattern="trend" 포함 # TODO 2) scatter_spec: chart_type="scatter", pattern="correlation" 포함 # TODO 3) 두 spec 의 chart_type, pattern 을 각각 출력하세요. # TODO 4) assert 로 두 spec 의 x 데이터 길이가 같음을 확인하세요.

Run Reset

Wrap off Copy

Ready

실습 3

[응용] 기울기 계산: 전압-시간 데이터에서 구간 변화율을 계산하고 출력하세요.

실습 문제 3 · 구간 기울기 계산 Runs in-browser with Pyodide

import numpy as np # 힌트 1) np.diff(v) / np.diff(t) 로 구간 기울기를 계산합니다. # 힌트 2) 평균 기울기가 양수면 "증가", 음수면 "감소" 로 판정합니다. # 힌트 3) 기울기 배열의 길이는 t 보다 1 짧습니다. t = np.array([0.0, 0.5, 1.0, 1.5, 2.0]) # 시간 (s) v = np.array([1.0, 2.2, 3.8, 4.1, 5.5]) # 전압 (V) slope = np.array([]) avg_slope = 0.0 trend = "" # TODO 1) slope = np.diff(v) / np.diff(t) 로 구간 기울기를 계산하세요. # TODO 2) avg_slope 를 계산하세요. # TODO 3) trend 를 결정하세요 ("증가" 또는 "감소"). # TODO 4) 아래 출력을 완성하세요. # print("slope (V/s):", np.round(slope, 3)) # print("avg_slope:", round(avg_slope, 3)) # print("trend:", trend) # TODO 5) assert 로 slope 의 길이가 t 보다 1 짧음을 확인하세요.

Run Reset

Wrap off Copy

Ready

실습 4

[응용] 해석 문장 작성: 센서 데이터를 분석하고 관찰–원인–시사점 3문장을 f-string으로 출력하세요.

실습 문제 4 · 3문장 해석 출력 Runs in-browser with Pyodide

import numpy as np # 힌트 1) 평균 기울기를 먼저 계산하세요. # 힌트 2) avg_slope < 0 이면 trend = "감소", 아니면 "증가". # 힌트 3) f-string 으로 3문장을 완성하세요. # 예시 출력 형식: # 관찰: 온도가 20도에서 80도로 증가할 때, 저항이 100Ω에서 145Ω으로 증가했다. # 원인: 이는 도체의 온도계수가 양수이기 때문으로 보인다. # 시사점: 고온 환경에서 회로 설계 시 저항 변화를 보정해야 한다. temp_C = np.array([20, 30, 40, 50, 60, 70, 80], dtype=float) # 온도 (도C) resist_ohm = np.array([100, 106, 112, 119, 126, 135, 145], dtype=float) # 저항 (Ω) avg_slope = 0.0 trend = "" # TODO 1) avg_slope 를 계산하세요 (구간 기울기의 평균, Ω/도C). # TODO 2) trend 를 결정하세요 ("증가" 또는 "감소"). # TODO 3) 관찰/원인/시사점 3문장을 f-string 으로 출력하세요.

Run Reset

Wrap off Copy

Ready

실습 5

[도전] 다중 계열 설계안 + 해석: 두 안테나의 측정 데이터를 각각 설계안으로 만들고 NumPy로 통계를 비교한 뒤 해석 문장을 출력하세요.

실습 문제 5 · 다중 계열 + 해석 Runs in-browser with Pyodide

import numpy as np # 도전 문제: 두 안테나의 거리별 수신 전력을 비교합니다. # 힌트 1) 두 계열의 plot_spec 을 각각 만드세요. # 힌트 2) specs = [spec_a, spec_b] 로 묶고 # all(s["title"] for s in specs) 로 모든 제목이 있는지 확인하세요. # 힌트 3) 두 계열의 평균을 비교해 "안테나 A/B 중 어느 쪽이 더 강한가"를 1문장으로 쓰세요. distance_m = np.array([1, 2, 3, 4, 5], dtype=float) rssi_a = np.array([-38, -43, -48, -52, -57], dtype=float) # 안테나 A (실내) rssi_b = np.array([-42, -48, -55, -61, -67], dtype=float) # 안테나 B (실외) spec_a = {} spec_b = {} # TODO 1) spec_a 와 spec_b 를 각각 완성하세요. # (title, x_label="Distance (m)", y_label="RSSI (dBm)", chart_type, x, y) # TODO 2) specs = [spec_a, spec_b] 로 묶고 all() 로 라벨을 검증하세요. # TODO 3) rssi_a 와 rssi_b 의 평균을 각각 출력하세요. # TODO 4) 어느 안테나가 더 강한 수신 성능인지 1문장으로 출력하세요. # TODO 5) assert 로 두 계열의 x 데이터 길이가 같음을 확인하세요.

Run Reset

Wrap off Copy

Ready

주차별 학습 전체 주차 목록으로 돌아가기

실습 콘솔 학생용 빈 Python 콘솔에서 자유롭게 실습하기