데이터로 운영 시간대 선택하기는 데이터를 읽고 필터링하고 그룹화할 수 있는 학습자를 위한 pandas 및 Matplotlib 실습 프로젝트입니다. 지역 커뮤니티 시설이 운영 시간대를 공정하게 비교하도록 돕고, 재사용 가능한 Python 분석, 완전한 CSV 표, 실제 그래프와 관측 자료가 충분한지 판단하여 작성한 권고를 만듭니다.
두 개의 가이드 실습은 관측 기회가 같은 예제를 손으로 계산하는 것부터 시작해 결측 관측, 비교 가능한 비율, 명시적인 근거 규칙으로 이어집니다. 하나의 독립 챌린지는 같은 방법을 다른 시설에 적용합니다. 각 단원에는 별도로 준비된 데이터와 작업 공간이 있습니다.
학습 내용
이 과정을 마치면 다음을 할 수 있습니다.
- 값이 빠지거나 중복되지 않은 날짜와 시간대의 복합 키로 운영 계획과 관측을 연결합니다.
- 운영하지 않은 시간, 기록이 누락된 시간, 실제 방문객 수 0을 구별합니다.
- 계획 시간 수, 관측 시간 수, 기록 충족률, 관측 시간당 방문객 수를 계산합니다.
- 공개된 비교 자격 경계를 적용하고 공동 1위 후보를 모두 보존하며 근거가 부족하면 권고를 보류합니다.
- 관측 수와 기록 충족률을 표시한 재현 가능한 CSV 표 및 총량과 시간당 비율의 비교 그래프를 제공합니다.
- 과거 관측을 요약한 비율이 운영 시간 연장의 효과를 입증하지 못하는 이유를 설명합니다.
추천 대상
익숙한 그룹화 및 그래프 도구를 신중한 실무 판단에 활용하고 싶은 초급 데이터 분석 학습자를 위한 과정입니다.
선수 지식: Python 기초, 기본 터미널 입력, pandas의 CSV 읽기·필터링·그룹화, Matplotlib 막대그래프. 필요한 복합 키 병합, 결측의 구별, 판단 규칙은 과정에서 설명합니다.
학습 환경: Python, pandas, Matplotlib이 준비된 브라우저 WebIDE를 사용합니다. 데이터는 합성 데이터이며 실행 환경의 레이블과 출력은 영어입니다. 로컬 설치는 필요하지 않습니다.
자주 묻는 질문
머신 러닝이나 통계 지식이 필요한가요?
아니요. 모델을 학습하거나 유의성 검정을 하지 않고 관측 자료를 요약하여 비교합니다.
반드시 하나의 최우수 시간대를 추천해야 하나요?
아니요. 올바른 결과는 모든 동률 후보를 보존하며 공개된 근거 규칙을 충족하는 시간대가 없으면 권고를 보류할 수 있습니다. 임계값은 연습 규칙이며 보편적인 신뢰성을 보장하지 않습니다.
어떤 결과물을 보관할 수 있나요?
원본 입력을 보존하면서 재사용 가능한 스크립트, 시간별 및 시간대별 전체 표, 실제 PNG 그래프와 짧은 권고를 만듭니다. 각 단원은 독립적으로 초기화되므로 이전 VM 파일은 필요하지 않습니다.
