12주차 · 데이터 시각화

학습 목표

1. 그래프를 그리기 전 질문, x/y 변수, 단위, 고정 조건을 문장으로 정의한다
2. 제목 · 축 라벨 · 단위 · 축 범위를 갖춘 matplotlib 그래프를 작성한다
3. NumPy 배열로 데이터를 생성하고 처리한 뒤 시각화 전 self-check를 수행한다
4. 데이터 질문에 맞는 그래프 종류(선/산점/막대)를 선택하고, 부적절한 선택도 설명한다
5. 축 절단, 라벨 누락, 전처리 은폐, 표본 수 누락 등 오해 유발 요소를 식별하고 수정한다
6. 고차원 조건을 2D 그래프로 줄일 때 숨은 변수와 해석 한계를 밝힌다
7. 결과를 관찰–원인 가설–시사점–한계 4문장으로 정리한다

한 줄 요약

공학 그래프는 설계 판단의 근거입니다. 제목·축·단위·조건·스케일·한계가 갖춰져야 독자가 같은 결론에 도달할 수 있습니다.

---

그래프 설계 quickstart: 코드 전에 이 6가지를 먼저 답하기

그래프를 그리기 전에 아래 6가지 질문에 먼저 답하세요. 이 답이 없으면 코드가 맞아도 해석이 쉽게 흔들립니다.

1. 이 그래프가 답하려는 질문은 무엇인가?
2. 무엇이 변하는가? → x축 변수와 단위
3. 무엇을 측정하거나 비교하는가? → y축 변수와 단위
4. 비교를 공정하게 만들기 위해 어떤 조건을 고정했는가?
5. 축 범위, log scale, 확대 표시가 결론을 과장하거나 숨기지 않는가?
6. 이 그래프만으로 말할 수 없는 해석 한계는 무엇인가?

실습 환경 안내

12주차 실습은 일반적인 matplotlib 문법인 plt.figure(), plt.plot(), plt.title(), plt.xlabel(), plt.ylabel(), plt.show()를 그대로 사용합니다. 변수 변화 추적이 필요할 때만 Python Debugger를 보조로 사용하세요.

---

1) 공학 그래프 설계 사양서

그래프를 보고서에 넣기 전, 먼저 아래 사양서를 채운다고 생각하세요. 사양서는 코드를 길게 만드는 문서가 아니라 그래프가 오해를 만들지 않도록 막는 안전장치입니다.

항목	작성할 내용	빠지면 생기는 위험
질문	이 그림이 답하는 한 문장	그림은 있는데 결론이 없음
x/y 변수	독립 변수와 측정·비교할 값	원인과 결과를 혼동함
단위	s, V, dBm, Hz, Ω 등	수치 크기 해석 불가
축 범위/스케일	0 기준, 확대, log 여부	변화가 과장되거나 묻힘
고정 조건	온도, 거리, 부하, 샘플링 조건 등	다른 조건을 같은 데이터처럼 비교함
전처리	평균, 필터링, 이상치 제거 여부	원본과 처리 결과를 혼동함
표본 수/불확실성	n, 반복 수, 노이즈 범위	우연한 차이를 설계 결론으로 오해함
해석 한계	이 그래프로 말할 수 없는 것	과잉 결론을 내림

---

2) 설계 사양을 matplotlib 코드로 옮기기

아래 코드는 단순히 선을 그리는 예제가 아닙니다. title, xlabel, ylabel, ylim, legend는 질문, 단위, 축 범위, 계열 구분을 코드로 옮긴 결과입니다.

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)

title = '5 Hz Sine Wave — fixed 0-1 s interval'
x_label = 'Time (s)'
y_label = 'Voltage (V)'
axis_reason = 'y축은 ±3.3 V 신호가 잘리지 않도록 -4~4 V로 설정'
fixed_condition = '주파수 5 Hz, 관측 구간 0-1 s'

print('labels_ready:', all([title, x_label, y_label]))
print('same_length:', len(t) == len(v))
print('axis_reason:', axis_reason)
print('fixed_condition:', fixed_condition)

plt.figure(figsize=(7, 4))
plt.plot(t, v, linewidth=2, color='royalblue', label='V(t)')
plt.title(title)
plt.xlabel(x_label)
plt.ylabel(y_label)
plt.ylim(-4, 4)
plt.grid(alpha=0.3)
plt.legend()
plt.show()

코드 전후 체크할 6가지

1. x와 y 길이가 같은지 먼저 확인한다 (len(x) == len(y))
2. 제목은 그래프가 답하는 질문 또는 고정 조건을 드러내게 쓴다
3. 축 라벨에는 단위를 반드시 포함한다
4. 축 범위, log scale, 확대 표시를 썼다면 이유를 설명한다
5. 원본/전처리 결과, 고정 조건, 비교 조건을 구분한다
6. 그래프 뒤에 해석 문장과 한계 문장을 붙인다

---

3) 질문에 맞는 그래프 선택

데이터 질문	권장 그래프	이유
”시간에 따라 값이 어떻게 변하나?”	선 그래프(Line)	순서, 추세, 기울기 확인 용이
”두 변수의 관계는?”	산점도(Scatter)	상관, 분산, 이상점 파악 용이
”범주별 크기 비교는?”	막대 그래프(Bar)	카테고리 비교 명확
”값 분포가 어떻게 생겼나?”	히스토그램(Histogram)	빈도 분포 확인 가능
”조건이 여러 개인가?”	작은 여러 그래프 또는 색/마커 1개 추가	숨은 변수를 분리해 비교 가능

---

4) 차원의 저주: 2D 그래프가 숨기는 변수

실제 공학 데이터는 한두 개 숫자로 끝나지 않습니다. RSSI를 예로 들면 거리뿐 아니라 안테나 종류, 장애물, 측정 시간, 주변 전파 환경, 송신 출력, 측정 위치가 함께 영향을 줍니다. 하지만 2D 그래프는 보통 x축과 y축 두 변수만 보여 줍니다. 이때 나머지 조건이 섞이면 그럴듯하지만 틀린 상관관계가 생길 수 있습니다.

여기서는 차원의 저주를 많은 조건을 2D 그림 하나로 줄일 때 정보가 사라지는 문제라는 실무적 의미로 사용합니다.

숨은 변수를 조심하세요

“거리가 멀어질수록 RSSI가 감소했다”는 결론은 같은 안테나, 같은 장소, 같은 시간대, 같은 송신 출력이라는 조건이 유지될 때 설득력이 생깁니다. 조건이 바뀌었다면 그래프는 거리 효과뿐 아니라 조건 변화까지 함께 보여 주고 있을 수 있습니다.

고차원 데이터를 2D 그래프로 줄일 때의 원칙

1. 한 그래프는 한 질문만 답하게 한다.
2. 비교하지 않는 조건은 제목, 캡션, 출력 문장에 고정 조건으로 적는다.
3. 세 번째 변수는 색 또는 마커 하나까지만 조심해서 쓴다.
4. 조건이 많으면 한 그림에 몰아넣지 말고 작은 여러 그래프나 표와 그래프로 나눈다.
5. 결론 문장에는 “이 조건에서”라는 범위를 붙인다.
6. 원인 확정이 아니라 관찰이면 “~때문으로 보인다”처럼 가설로 표현한다.

---

5) Bad vs Good 그래프 예시

Bad 예시 — 오해 유발

# 예시 코드
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 라벨이 없고, 제목이 모호하며, y축 절단 때문에 작은 변화가 크게 보입니다. 이 그래프만 보면 51V에서 54V로 변한 차이가 심각한 설계 실패처럼 보일 수 있습니다.

matplotlib 저장 결과

아래 이미지는 위 코드처럼 y축을 좁게 잘라 저장한 결과입니다. 실제 변화량보다 변화가 크게 보이는지 확인하세요.

Good 예시 — 신뢰 가능

# 예시 코드
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: 제목이 질문을 드러내고, 축 라벨에 단위가 있으며, y축 범위가 데이터 맥락을 보존합니다. 확대가 필요하다면 전체 범위 그림과 확대 그림을 함께 제시하거나, 축을 잘랐다는 사실을 명시해야 합니다.

matplotlib 저장 결과

아래 이미지는 위 코드처럼 제목, 축 라벨, 단위, y축 범위를 갖춰 저장한 결과입니다. 같은 데이터라도 축 범위와 라벨이 해석을 어떻게 바꾸는지 비교하세요.

---

6) 엔드-투-엔드 파이프라인: 설계 사양 → 데이터 → 처리 → 그래프 작성

공학 시각화는 보통 다음 4단계로 진행합니다.

1. 설계 사양: 질문, 단위, 고정 조건, 해석 한계를 먼저 쓴다
2. 데이터 생성/로드: NumPy로 배열 생성 또는 측정값 로드
3. 처리와 검증: 정규화, 통계, 필터링을 수행하고 길이·범위를 점검
4. 그래프 작성과 해석: plt.plot, plt.title, plt.xlabel, plt.ylabel로 그림을 완성하고 해석 문장을 붙인다

matplotlib 코드 체크리스트

코드	역할	확인할 점
plt.figure(figsize=(...))	새 그림 영역 만들기	너무 작거나 길쭉하지 않은가
plt.plot(x, y, ...)	선 그래프 그리기	len(x) == len(y)인가
plt.scatter(x, y, ...)	산점도 그리기	점의 흩어짐을 봐야 하는 질문인가
plt.title(...)	그래프 제목	질문 또는 고정 조건이 드러나는가
plt.xlabel(...), plt.ylabel(...)	축 라벨과 단위	단위가 포함되어 있는가
plt.ylim(...), plt.xscale(...)	축 범위와 스케일	확대·log scale 이유를 설명할 수 있는가
plt.grid(...), plt.legend()	읽기 보조 요소	여러 선이 있을 때 색 외에도 구분되는가
plt.show()	그림 표시	그림 뒤에 해석과 한계 문장을 붙였는가

import numpy as np
import matplotlib.pyplot as plt

# 1) 설계 사양
title = '10 Hz Sine Signal — Raw vs Smoothed'
x_label = 'Time (s)'
y_label = 'Voltage (V)'
fixed_condition = '관측 구간 0-1 s, 같은 난수 seed=42'
preprocess_note = '이동 평균 window=10으로 스무딩'
interpretation_limit = '시뮬레이션 데이터이므로 실제 센서 잡음 원인을 확정할 수 없음'

# 2) 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

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

# 4) self-check
print('labels_ready:', all([title, x_label, y_label]))
print('same_length:', len(t) == len(v_noisy) == len(v_smooth))
print('fixed_condition:', fixed_condition)
print('preprocess_note:', preprocess_note)

# 5) 시각화
plt.figure(figsize=(8, 4))
plt.plot(t, v_noisy, alpha=0.4, color='gray', linestyle='--', label='Raw noisy')
plt.plot(t, v_smooth, linewidth=2, color='royalblue', label='Smoothed')
plt.title(title)
plt.xlabel(x_label)
plt.ylabel(y_label)
plt.legend()
plt.grid(alpha=0.3)
plt.show()

print('한계:', interpretation_limit)

---

7) 해석 문장 템플릿 (4문장)

결과를 정리할 때 아래 4문장 구조를 사용하세요. 관찰과 원인 가설을 분리하면, 그래프를 보고 바로 단정하는 실수를 줄일 수 있습니다.

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.”
4. 한계: “다만 F 조건은 확인하지 않았으므로, 이 그래프만으로는 G를 확정할 수 없다.”

예시:

1. 같은 안테나와 같은 측정 환경에서 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 이 조건에서는 송수신 거리를 3m 이내로 유지하는 설계를 권장한다.
4. 다만 장애물, 안테나 방향, 주변 전파 환경을 바꾸어 반복 측정하지 않았으므로 거리 외 요인의 영향은 확정할 수 없다.

---

예제 1

예제 1 · NumPy 데이터 → matplotlib 그래프 작성 실행하면 matplotlib 그래프가 아래에 표시됩니다

import numpy as np import matplotlib.pyplot as plt # 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) self-check: 플로팅 전 데이터와 라벨 점검 title = "5 Hz Sine Wave — fixed 0-1 s interval" x_label = "Time (s)" y_label = "Voltage (V)" axis_reason = "y축은 ±3.3 V 신호가 잘리지 않도록 -4~4 V로 설정" fixed_condition = "주파수 5 Hz, 관측 구간 0-1 s, 이상적인 시뮬레이션 신호" interpretation_limit = "실제 센서 노이즈와 회로 오차는 포함하지 않았다" print("title:", title) print("x_label:", x_label) print("y_label:", y_label) print("labels_ready:", all([title, x_label, y_label])) print("same_length:", len(t) == len(v)) print("point_count:", len(t)) print("y_min:", round(float(v.min()), 3)) print("y_max:", round(float(v.max()), 3)) print("y_mean:", round(float(v.mean()), 3)) print("axis_reason:", axis_reason) print("fixed_condition:", fixed_condition) # 3) matplotlib 그래프 작성 plt.figure(figsize=(7, 4)) plt.plot(t, v, linewidth=2, color="royalblue", label="V(t)") plt.title(title) plt.xlabel(x_label) plt.ylabel(y_label) plt.ylim(-4, 4) plt.grid(alpha=0.3) plt.legend() plt.show() # 4) 검증과 해석 한계 assert len(t) == len(v) assert title != "" assert x_label != "" and y_label != "" print("관찰: 0-1 s 구간에서 전압이 주기적으로 증가와 감소를 반복한다.") print("한계:", interpretation_limit) print("예제 1 점검 완료")

Run Reset Debug

Wrap off Copy

Ready

matplotlib 저장 결과

위 예제의 데이터를 matplotlib 코드로 저장하면 아래와 같습니다. 이 이미지는 예제 1과 같은 50개 점, 같은 전압값을 사용합니다.

콘솔에서 확인할 것

위 이미지는 예제 1과 같은 데이터를 matplotlib로 저장한 기준 결과입니다. 콘솔 출력에서는 labels_ready, same_length, axis_reason, fixed_condition, 한계가 그래프와 일치하는지 확인하세요.

예제 1 줄별 해설

1. NumPy로 등간격 시간축과 정현파를 생성합니다. W11에서 배운 np.linspace와 vectorization을 그대로 활용합니다.
2. 제목·축 라벨·데이터 길이를 먼저 점검한 뒤 plt.plot으로 그리면 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. axis_reason과 fixed_condition을 출력해 축 범위와 실험 조건을 그래프 밖에서도 확인합니다.
6. assert로 x/y 길이와 라벨 존재 여부를 자동 확인하고, 마지막에 해석 한계를 적습니다.

---

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 같은 순서의 쌍으로 순회	for d, r in zip(distance_m, rssi_dbm):

zip() 이해하기: 인덱스 루프와 비교

두 리스트나 배열을 함께 순회할 때, 인덱스로 접근하는 방식과 zip을 사용하는 방식을 비교해 봅시다.

names = ["sensor_A", "sensor_B", "sensor_C"]
values = [22.5, 23.1, 21.8]

# 방법 1: 인덱스로 접근 (이미 알고 있는 방식)
for i in range(len(names)):
    print(names[i], values[i])

# 방법 2: zip 으로 쌍을 꺼내기 (같은 결과, 더 간결)
for name, val in zip(names, values):
    print(name, val)

zip(a, b)는 a와 b에서 같은 순서의 원소를 묶어 줍니다. 인덱스 변수 i가 필요 없어 실수가 줄어듭니다.

---

예제 2

예제 2 · 거리-RSSI 파이프라인 (데이터 → 처리 → 그래프 → 해석) 실행하면 matplotlib 그래프가 아래에 표시됩니다

import numpy as np import matplotlib.pyplot as plt # 1) 그래프 설계 사양 title = "RSSI vs Distance — fixed antenna/environment" x_label = "Distance (m)" y_label = "RSSI (dBm)" fixed_condition = "같은 안테나, 같은 장소, 같은 시간대, 같은 송신 출력" hidden_variable_note = "장애물, 안테나 방향, 주변 전파 환경은 이 그래프에서 분리하지 않음" # 2) 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) # 3) 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" # 4) self-check print("labels_ready:", all([title, x_label, y_label])) print("same_length:", len(distance_m) == len(rssi_dbm)) print("fixed_condition:", fixed_condition) print("hidden_variable_note:", hidden_variable_note) # 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) matplotlib 그래프 작성 plt.figure(figsize=(7, 4)) plt.plot(distance_m, rssi_dbm, marker="o", linewidth=2, color="royalblue", label="RSSI") plt.title(title) plt.xlabel(x_label) plt.ylabel(y_label) plt.grid(alpha=0.3) plt.legend() plt.show() # 7) 해석 문장 print() print(f"관찰: 같은 측정 조건에서 거리 {distance_m[0]:.0f}m에서 {distance_m[-1]:.0f}m로 증가할 때 " f"RSSI가 {rssi_dbm[0]:.0f}에서 {rssi_dbm[-1]:.0f} dBm으로 {trend}했다.") print("원인 가설: 자유공간 경로손실이 거리 증가에 따라 커지기 때문으로 보인다.") print(f"시사점: 이 조건에서는 평균 {avg_slope:.2f} dB/m 변화를 고려해 3m 이내 운용을 권장한다.") print("한계:", hidden_variable_note) assert len(distance_m) == len(rssi_dbm) assert title != "" and x_label != "" and y_label != "" print("예제 2 점검 완료")

Run Reset Debug

Wrap off Copy

Ready

예제 2 matplotlib 정적 그림

아래 정적 그림은 예제 2의 기준 결과입니다. 콘솔에서는 거리·RSSI 표, labels_ready, same_length, fixed_condition, hidden_variable_note, 해석 문장이 서로 맞는지 점검하세요.

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. plt.plot에 거리 배열과 RSSI 배열을 넣어 처리 결과를 그래프로 확인합니다.
4. zip(distance_m, rssi_dbm)으로 인덱스 없이 두 배열을 동시에 순회합니다.
5. 관찰–원인 가설–시사점–한계 4문장 해석 템플릿을 f-string과 일반 출력으로 완성합니다.

---

자주 나오는 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)
원본 없이 스무딩 결과만 표시	그래프가 깔끔해 보임	노이즈와 이상치가 숨겨짐	원본과 처리 결과를 함께 표시
서로 다른 조건을 한 선으로 연결	추세가 있는 것처럼 보임	존재하지 않는 인과관계 생성	조건별로 나누거나 고정 조건 명시
색만으로 계열 구분	화면에서는 보이지만 인쇄나 색각 차이에서는 불명확	비교 대상 혼동	marker, linestyle, legend를 함께 사용
표본 수/반복 수 누락	평균값만 보임	우연한 차이를 일반화	n, 반복 수, 불확실성 범위 표시
해석 문장 없음	그림만 있음	의사결정 근거 없음	관찰–원인 가설–시사점–한계 작성
라벨 빈 문자열	"" 가 그대로 출력됨	독자에게 정보 없음	all([title, x_label, y_label]) 점검

---

로컬에서도 같은 그림을 저장하고 싶다면

보고서나 발표 자료에 그래프를 넣을 때는 파일로 저장합니다. 로컬 Python, Jupyter, Colab에서는 아래 패턴을 사용하세요.

import matplotlib.pyplot as plt

plt.figure(figsize=(7, 4))
plt.plot(x, y, marker="o")
plt.title(title)
plt.xlabel(x_label)
plt.ylabel(y_label)
plt.grid(alpha=0.3)
plt.tight_layout()
plt.savefig("my_plot.png", dpi=160)
plt.show()

---

실습 문제 · 직접 코딩

이번 주 핵심

실습에서는 그래프 질문 + matplotlib 코드 + self-check + 그래프 + 해석 한계를 함께 완성하세요. 선을 그렸다는 사실보다, 그 선이 어떤 조건에서 어떤 결론을 허용하는지가 중요합니다.

실습 1

목표: 시간에 따라 증가하는 전압 데이터를 공학 그래프 설계 기준에 맞게 표현합니다.

해야 할 일: 그래프 질문, 제목, 축 라벨, 단위, 축 범위 이유를 정한 뒤 plt.plot으로 그리세요.

완료 조건: labels_ready, same_length, axis_reason, fixed_condition이 출력되고 그래프가 표시되어야 합니다.

실습 문제 1 · 그래프 사양과 matplotlib 작성 실행하면 matplotlib 그래프가 아래에 표시됩니다

import numpy as np import matplotlib.pyplot as plt t = np.linspace(0, 5, 20) v = 2.0 * t + 1.0 # 힌트 1) question 은 이 그래프가 답하는 한 문장입니다. # 힌트 2) x_label, y_label 에 단위를 포함하세요. 예: "Time (s)" # 힌트 3) axis_reason 은 축 범위를 어떻게 정했는지 설명합니다. # TODO 1) question, title, x_label, y_label, axis_reason, fixed_condition 변수를 만드세요. # TODO 2) labels_ready, same_length, axis_reason, fixed_condition 을 출력하세요. # TODO 3) plt.figure, plt.plot, plt.title, plt.xlabel, plt.ylabel, plt.grid, plt.show 를 사용해 그래프를 그리세요. # TODO 4) assert 로 x/y 길이와 라벨이 비어 있지 않음을 확인하세요. # TODO 5) 이 그래프만으로 말할 수 없는 한계를 1문장 출력하세요.

Run Reset Debug

Wrap off Copy

Ready

실습 2

목표: 같은 데이터라도 질문에 따라 차트 타입이 달라지고, 부적절한 차트가 오해를 만들 수 있음을 확인합니다.

해야 할 일: 같은 데이터를 plt.plot 선 그래프와 plt.scatter 산점도로 각각 그리고, 어떤 질문에 적합/부적합한지 쓰세요.

완료 조건: 두 그래프가 모두 표시되고, 선택 이유와 부적절한 사용 사례가 출력되어야 합니다.

실습 문제 2 · 차트 타입 비교 실행하면 matplotlib 그래프가 아래에 표시됩니다

import numpy as np import matplotlib.pyplot as plt rng = np.random.default_rng(1) t = np.linspace(0, 1, 10) v = 5.0 * t + rng.normal(scale=0.2, size=10) # 힌트 1) line 은 시간에 따른 추세를 볼 때 좋습니다. # 힌트 2) scatter 는 두 변수의 관계와 흩어짐을 볼 때 좋습니다. # 힌트 3) plt.figure()를 두 번 호출하면 그림을 두 개 만들 수 있습니다. # TODO 1) plt.plot 으로 시간 추세용 선 그래프를 그리세요. # TODO 2) plt.scatter 로 변수 관계 확인용 산점도를 그리세요. # TODO 3) 두 그래프 각각에 title, xlabel, ylabel 을 붙이세요. # TODO 4) 선 그래프와 산점도를 선택한 이유를 print 하세요. # TODO 5) 각 그래프가 부적절해지는 질문을 1문장씩 print 하세요. # TODO 6) 두 그래프 모두 x/y 길이가 같은지 assert 로 확인하세요.

Run Reset Debug

Wrap off Copy

Ready

실습 3

목표: 전압-시간 데이터에서 구간 기울기를 계산하고, 축 범위가 추세 해석에 미치는 영향을 설명합니다.

해야 할 일: np.diff(v) / np.diff(t)로 구간별 기울기를 만들고 평균 기울기와 축 범위 설명을 출력하세요.

완료 조건: 기울기 배열, 평균 기울기, 추세 판정, 축 범위 설명이 출력되고 전압-시간 그래프가 표시되어야 합니다.

실습 문제 3 · 구간 기울기 계산 실행하면 matplotlib 그래프가 아래에 표시됩니다

import numpy as np import matplotlib.pyplot as plt t = np.array([0.0, 0.5, 1.0, 1.5, 2.0]) v = np.array([1.0, 2.2, 3.8, 4.1, 5.5]) # 힌트 1) np.diff(v) 는 인접 전압 차이를 계산합니다. # 힌트 2) np.diff(t) 는 인접 시간 차이를 계산합니다. # 힌트 3) 평균 기울기가 양수면 "증가", 음수면 "감소"로 판정하세요. # 힌트 4) plt.plot(t, v, marker="o") 로 원래 데이터를 그리세요. # TODO 1) slope 를 계산하세요. # TODO 2) avg_slope 와 trend 를 계산하세요. # TODO 3) slope, avg_slope, trend 를 출력하세요. # TODO 4) 축 범위를 너무 좁히면 결론이 어떻게 달라 보일 수 있는지 axis_note 로 출력하세요. # TODO 5) 전압-시간 그래프를 plt.plot 으로 그리세요. # TODO 6) assert len(slope) == len(t) - 1 로 검증하세요.

Run Reset Debug

Wrap off Copy

Ready

실습 4

목표: 그래프를 보고 끝내지 않고 관찰–원인 가설–시사점–한계 4문장으로 해석합니다.

해야 할 일: 온도와 저항 데이터를 분석해 평균 기울기를 구하고, 4문장 해석을 f-string으로 출력하세요.

완료 조건: 관찰, 원인 가설, 시사점, 한계 문장이 각각 한 줄씩 출력되고 온도-저항 그래프가 표시되어야 합니다.

실습 문제 4 · 4문장 해석과 한계 출력 실행하면 matplotlib 그래프가 아래에 표시됩니다

import numpy as np import matplotlib.pyplot as plt temp_C = np.array([20, 30, 40, 50, 60, 70, 80], dtype=float) resist_ohm = np.array([100, 106, 112, 119, 126, 135, 145], dtype=float) # 힌트 1) 평균 기울기는 np.diff(resist_ohm) / np.diff(temp_C) 로 구합니다. # 힌트 2) trend 는 평균 기울기의 부호로 결정하세요. # 힌트 3) 문장에는 무엇이 변했고, 무엇이 증가/감소했는지 포함하세요. # 힌트 4) 한계 문장에는 확인하지 않은 조건을 적으세요. # 힌트 5) plt.plot(temp_C, resist_ohm, marker="o") 로 그래프를 그리세요. # TODO 1) avg_slope 와 trend 를 계산하세요. # TODO 2) 온도-저항 그래프를 plt.plot 으로 그리세요. # TODO 3) 관찰/원인 가설/시사점/한계 4문장을 출력하세요.

Run Reset Debug

Wrap off Copy

Ready

실습 5

목표: 두 안테나의 수신 전력 데이터를 비교하고, 고정 조건과 숨은 변수를 함께 문장으로 판단합니다.

해야 할 일: 안테나 A/B의 평균 RSSI를 계산하고, 두 계열을 한 그래프에 그린 뒤 비교 조건과 해석 한계를 출력하세요.

완료 조건: 두 평균값, 라벨 검증 결과, “어느 안테나가 더 강한가”, 고정 조건, 숨은 변수 문장이 출력되어야 합니다.

실습 문제 5 · 두 계열 비교와 해석 실행하면 matplotlib 그래프가 아래에 표시됩니다

import numpy as np import matplotlib.pyplot as plt distance_m = np.array([1, 2, 3, 4, 5], dtype=float) rssi_a = np.array([-38, -43, -48, -52, -57], dtype=float) rssi_b = np.array([-42, -48, -55, -61, -67], dtype=float) # 힌트 1) RSSI는 덜 음수일수록 더 강한 수신 전력입니다. 예: -38 dBm > -42 dBm. # 힌트 2) plt.plot 을 두 번 호출하면 한 그림에 두 계열을 함께 그릴 수 있습니다. # 힌트 3) 평균값이 더 큰 쪽이 평균적으로 더 강합니다. # 힌트 4) 공정한 비교를 위해 같은 거리, 같은 장소, 같은 시간대라는 조건을 고정해야 합니다. # TODO 1) mean_a, mean_b 를 계산하고 출력하세요. # TODO 2) 안테나 A와 B를 한 그래프에 함께 그리세요. # TODO 3) title, xlabel, ylabel, legend, grid 를 추가하세요. # TODO 4) 어느 안테나가 더 강한지 1문장으로 출력하세요. # TODO 5) fixed_condition 과 hidden_variable_note 를 출력하세요. # TODO 6) 두 계열의 길이가 같은지 assert 로 확인하세요.

Run Reset Debug

Wrap off Copy

Ready

---

제출 전 자기점검

• 질문: 이 그래프가 답하는 질문이 제목이나 캡션에 드러나는가?
• 단위: x축과 y축 라벨에 단위가 있는가?
• 스케일: 축 범위, 확대, log scale이 결론을 과장하지 않는가?
• 데이터 정렬: len(x) == len(y)와 조건별 데이터 매칭을 확인했는가?
• 조건: 비교 조건과 고정 조건을 구분했는가?
• 전처리: 원본, 스무딩, 필터링, 이상치 제거 여부를 표시했는가?
• 차원: 2D 그래프에서 숨은 변수나 빠진 조건을 설명했는가?
• 해석: 관찰–원인 가설–시사점–한계를 모두 작성했는가?

주차별 학습 전체 주차 목록으로 돌아가기

실습 콘솔 학생용 빈 Python 콘솔에서 자유롭게 실습하기

Debug Labs 앱에서 step-by-step으로 코드 흐름 보기