▲

파이썬 데이터 사이언스 핸드북

 (jakevdp.github.io)
2P by GN⁺ 7시간전 | ★ favorite | 댓글 1개
  • 파이썬 기반 데이터 과학의 핵심 도구와 기법을 다루는 온라인 핸드북으로, 전체 내용이 웹사이트와 GitHub에서 공개됨
  • Jupyter 노트북 형식으로 제공되어 실습 중심의 학습이 가능하며, 코드와 텍스트가 함께 포함됨
  • 텍스트는 CC-BY-NC-ND 라이선스, 코드 예제는 MIT 라이선스로 배포되어 자유로운 비상업적 활용이 가능함
  • IPython, NumPy, Pandas, Matplotlib, Scikit-Learn 등 데이터 분석과 머신러닝 핵심 라이브러리를 체계적으로 다룸
  • 데이터 과학 입문자부터 실무자까지 파이썬 생태계의 표준 워크플로우를 익히는 데 유용한 자료임

개요

  • 이 사이트는 Jake VanderPlas의 『Python Data Science Handbook』 전체 내용을 담고 있음
    • 원본 도서는 O’Reilly에서 출간되었으며, 웹 버전은 무료로 공개됨
    • 모든 내용은 GitHub 저장소에서 Jupyter 노트북 형태로 제공됨
  • 텍스트는 CC-BY-NC-ND 라이선스, 코드 예제는 MIT 라이선스로 배포됨
    • 비상업적 이용과 코드 재사용이 가능함
  • 독자가 유용하다고 느낄 경우, 원서 구매를 통해 저자를 후원할 수 있음

목차 구성

  • 책은 총 5개 주요 장과 부록으로 구성되어 있음

1장: IPython – 일반 파이썬을 넘어서

  • IPython 환경의 기능과 사용법을 설명
    • 도움말 시스템, 키보드 단축키, 매직 명령어, 셸 명령 연동 등 포함
    • 코드 실행 이력, 디버깅, 성능 측정 기능을 다룸

2장: NumPy 소개

  • NumPy 배열을 이용한 수치 계산의 기초를 다룸
    • 데이터 타입, 브로드캐스팅, 불리언 마스크, 정렬, 구조화 배열 등 포함
    • 배열 기반 연산과 집계 함수의 활용법을 설명

3장: Pandas를 이용한 데이터 조작

  • Pandas의 핵심 객체와 데이터 처리 기능을 다룸
    • 인덱싱, 결측치 처리, 그룹화, 피벗 테이블, 시계열 처리 등 포함
    • eval()과 query()를 통한 고성능 연산 기능도 소개

4장: Matplotlib을 이용한 시각화

  • Matplotlib과 Seaborn을 활용한 데이터 시각화 방법을 설명
    • 선 그래프, 산점도, 히스토그램, 밀도 플롯 등 다양한 그래프 유형 포함
    • 범례, 색상 막대, 스타일시트, 3D 그래프, 지리 데이터 시각화 등 고급 기능 다룸

5장: 머신러닝

  • Scikit-Learn을 중심으로 머신러닝의 기본 개념과 알고리듬을 다룸
    • 하이퍼파라미터, 모델 검증, 특성 엔지니어링 등 핵심 절차 포함
    • 나이브 베이즈, 선형 회귀, SVM, 랜덤 포레스트, PCA, k-평균, GMM 등 주요 모델 설명
    • 얼굴 인식 파이프라인 예시를 통해 실제 응용 사례 제시

부록: 그림 코드

  • 본문에 사용된 시각화 코드를 모아 제공
    • 각 그림의 재현 및 수정이 가능함

활용 의의

  • 데이터 과학 학습자에게 파이썬 생태계의 통합적 이해를 제공
  • 실습 가능한 노트북 형식으로 교육·연구·프로토타이핑에 활용 가능
  • 오픈소스 라이선스로 공개되어 지속적 확장과 커뮤니티 기여가 용이함
▲
GN⁺ 7시간전  [-]
Hacker News 의견

  • Jake VanderPlas의 Statistics for Hackers 강연을 정말 좋아했음
    발표 자료 보기

    • 공유해줘서 고마움. 확률 대신 빈도로 사고하는 게 얼마나 오류를 줄이는지 떠올리게 됨
      예를 들어, 질병 유병률이 1/10,000인데 테스트 정확도가 99%라 해도 양성 결과가 99% 확률로 질병을 의미하지는 않음

  • 이런 종류의 책은 항상 흥미로움
    데이터 조작, 시각화, 머신러닝 등 다양한 주제를 넓고 얕게 다루며, 각 주제만으로도 한 권의 책이 될 수 있음
    프로그래밍 교육과 개념·이론 소개의 균형을 잡기 어렵지만, 이 책은 입문서로서 좋은 균형을 이룬 듯함

  • 이 책은 2017~2018년에 데이터 사이언스를 시작할 때 정말 불🔥처럼 유용했음
    Jake는 훌륭한 교사였음

  • 요즘 시점에 Pandas를 선택한 게 흥미로움
    아마도 최신 도구보다 일반적인 개념 전달에 초점을 둔 것 같음

    • 원래 2016년에 출판된 책이라 아직 1판일 가능성이 높음
    • Pandas는 여전히 업계 표준이라 생각함. Polars나 Spark는 데이터 엔지니어링 성능에 초점이 맞춰져 있고, 데이터 사이언스 전체를 다루기엔 적합하지 않음
    • 책이 꽤 오래된 편이라 “요즘”이라는 표현이 맞지 않을 수도 있음
    • Pandas가 뭐가 문제인지 잘 모르겠음

  • 첫 직장에서 Kernel Density Estimation(KDE) 관련 블로그를 참고했는데, 엄청 유용했음
    그때부터 Jake의 작업을 좋아하게 됨

  • 책의 온라인 버전이 learningds.org에 공개되어 있음
    라이선스는 CC-BY-NC-ND임

  • Pandas를 싫어하는 이유를 잘 모르겠음
    완벽한 도구는 아니지만, 우리 코드베이스에는 수천 줄의 Pandas 코드가 있고 프로덕션 버그를 일으킨 적이 거의 없음
    Pandas에 정적 스키마 래퍼와 타입 체커를 함께 써서 안정적으로 운영 중임

    • 직접 만든 스키마 래퍼인지, 아니면 PyPI에 추천할 만한 패키지가 있는지 궁금함

  • 그는 훌륭한 작가였고, 블로그가 그리움
    특히 피벗 테이블에 대한 글이 인상 깊었는데, 그 내용이 지금은 책에 포함된 듯함

    • 그는 Python용 시각화 라이브러리 Altair(Vega-Lite 기반)의 제작자이기도 함
      Altair 공식 사이트에서 확인 가능함

  • 이 책은 8년 전에 쓰였지만, 같은 저자의 2판이 존재함

    • GitHub 저장소에 2판 노트북 버전이 있음
      “Python Data Science Handbook, 2nd edition, by Jake VanderPlas (O’Reilly). Copyright 2023…”으로 표기되어 있음
      원본 링크의 2016년판과 비교 가능함

  • 2020~2021년에 데이터 사이언스를 배우며 처음부터 끝까지 완독한 몇 안 되는 책 중 하나였음
    지금도 추천할 만함

답변달기