AI 헬스케어 2기 데이터 분석 코스 Python (2)



첫날 실습 과제에 대해서 설명해주셨다.


반올림

round()


소수점 첫째자리까지만 보여주세요 


.1f


소수점 둘째자리까지만 보여주세요.


.2f



#feet으로 변환


height_feet = height_cm / 30.48


# 원더독스

wonder_dogs1 = "인쿠시"

wonder_dogs2 = "표승주"

wonder_dogs3 = "백채림"


def say_hello():

 print("안녕하세요")

say_hello()


def say_hello():

 print("안녕하세요")

say_hello()


def say_hello():

 print("안녕하세요")

say_hello()


wonder_dogs4 = "이나현"

wonder_dogs5 = "한송희"


위와 같이 하면 유지 보수의 어려움이 있게 된다.


자료구조


많은 양의 데이터를 체계적으로 다루는 방법

여러 데이터를 효율적으로 관리하는 4가지 주요 자료구조


# 원더독스

wonder_dogs1 = "인쿠시"

wonder_dogs2 = "표승주"

wonder_dogs3 = "백채림"

wonder_dogs4 = "이나현"

wonder_dogs5 = "한송희"


wonder_dogs = [''인쿠시'', ''표승주'',''백채림'', "이나현", "한송희"]


,를 기준으로 데이터의 갯수가 나온다.


리스트, 요소(element)


인덱싱과 슬라이싱


인덱싱


특정 위치의 데이터 가져오기


#처방약 목록



medications = ["아스피린", "메트포르민", "리시노프릴", "아토르바스타틴", "오메프라졸"]


medications[2]


'리시노프릴'


컴퓨터는 숫자를 0부터 센다. (index, list)


뒤에서부터 셀 수도 있다.


medications [-2]


'아토르바스타틴'


슬라이싱


[시작:끝]: 시작 인덱스부터 끝-1 인덱스까지

[:끝]: 처음부터 끝-1 인덱스까지

[시작:]: 시작부터 끝까지

[:]: 전체

[시작:끝:간격]: 시작부터 끝-1 인덱스까지 간격만큼 건너뛰기

[::간격]: 처음부터 끝까지 간격만큼 건너뛰기


medications[0:3]


['아스피린', '메트포르민', '리시노프릴']


medications[:3]


['아스피린', '메트포르민', '리시노프릴']


medications[-2:]


['아토르바스타틴', '오메프라졸']


# 짝수 인덱스만 (0, 2, 4번째)

medications[::2]


['아스피린', '리시노프릴', '오메프라졸']


# 전체 역순

medications[::-1]

['오메프라졸', '아토르바스타틴', '리시노프릴', '메트포르민', '아스피린']



# 문자열 슬라이싱


patient_name = "김철수"


print(patient_name[0:2])

print(patient_name[1:3])

print(patient_name[1:])

print(patient_name[:1])


리스트 조작하기







append() 리스트 끝에 1개 요소 추가


insert(위치, 값)


extend() 리스트 끝에 여러 요소 한번에 추가



append()


# append: 1개 데이터를 맨 끝에 추가

blood_pressures.append(135)

print(f"새 측정 후: {blood_pressures}")


새 측정 후: [120, 125, 130, 118, 135]


# insert: 1개 데이터를 원하는 위치에 추가

blood_pressures.insert(1, 122)  # 인덱스 1 번째 위치에 추가

print(f"누락값 추가 후: {blood_pressures}")


누락값 추가 후: [120, 122, 125, 130, 118, 135]


# extend: 여러 데이터를 맨 끝에 추가

evening_readings = [128, 122, 119]

blood_pressures.extend(evening_readings)

print(f"저녁 측정값 추가 후: {blood_pressures}")


저녁 측정값 추가 후: [120, 122, 125, 130, 118, 135, 128, 122, 119]


# extend: 여러 데이터를 맨 끝에 추가

evening_readings = [128, 122, 119]

blood_pressures.extend(evening_readings)

print(f"저녁 측정값 추가 후: {blood_pressures}")


# append vs extend 차이점

test_readings = [140, 145]

blood_pressures.append(test_readings)  # 리스트가 하나의 요소로 추가됨

print(f"append로 추가: {blood_pressures}")


append로 추가: [120, 122, 125, 130, 118, 135, 128, 122, 119, [140, 145]]



remove(값)


pop(인덱스)


clear()


del


# 처방약 목록 관리

medications = ["아스피린", "메트포르민", "임시처방약", "리시노프릴", "아토르바스타틴"]

medications


['아스피린', '메트포르민', '임시처방약', '리시노프릴', '아토르바스타틴']


# remove: 값으로 삭제 (첫 번째 일치하는 것만 삭제)

medications.remove("임시처방약")

print(f"처방 제거 후: {medications}")


처방 제거 후: ['아스피린', '메트포르민', '리시노프릴', '아토르바스타틴']


# pop: 특정 인덱스로 삭제하고 삭제된 값 반환

removed_med = medications.pop(1)  # 인덱스 1번째 약물 삭제

print(f"삭제된 약물: {removed_med}")

print(f"처방 제거 후: {medications}")


삭제된 약물: 메트포르민

처방 제거 후: ['아스피린', '리시노프릴', '아토르바스타틴']


# 마지막 요소 삭제

last_med = medications.pop()

print(f"삭제된 약물: {last_med}")

print(f"처방 제거 후: {medications}")


삭제된 약물: 아토르바스타틴

처방 제거 후: ['아스피린', '리시노프릴']


# clear: 리스트의 모든 요소 삭제 (모든 처방 중단)

medications.clear()

print(f"처방 제거 후: {medications}")


처방 제거 후: []


# del: 변수 자체나 특정 인덱스 삭제

blood_pressures = [120, 125, 130, 118, 135, 128, 122]  # 혈압 측정값


del blood_pressures[0]    # 첫 번째 측정값 삭제

print(f"첫 측정값 제외: {blood_pressures}")


del blood_pressures[:2]   # 처음 2개 측정값 삭제

print(f"초기 측정값들 제외: {blood_pressures}")


첫 측정값 제외: [125, 130, 118, 135, 128, 122]

초기 측정값들 제외: [118, 135, 128, 122]


del blood_pressures       # 변수 삭제

blood_pressures


NameError                                 Traceback (most recent call last)

/tmp/ipython-input-3289696385.py in <cell line: 0>()

----> 1 del blood_pressures       # 변수 삭제

      2 blood_pressures


NameError: name 'blood_pressures' is not defined


정보를 확인하는 메소드 





len ()


index(값)


count(값) 


in  값 존재 여부 확인 Boolean


in 연산자

작은 거 in 큰 거




patient_count = len(patient_names)

print(f"총 환자 수: {patient_count}") 


# 환자 이름 목록

patient_names = ['김철수', '이영희', '박민수', '이영희', '최지연']

patient_names


['김철수', '이영희', '박민수', '이영희', '최지연']


# len(): 리스트 길이 반환

patient_count = len(patient_names)

print(f"총 환자 수: {patient_count}")


총 환자 수: 5



중복이 되어도 위치에 따라 다른 정보로 안다.


# index(): 특정 값의 index위치 반환 (첫 번째로 나타나는 위치)

lee_position = patient_names.index('이영희')

print(f"이영희 환자 위치: {lee_position}")


이영희 환자 위치: 1


# count(): 특정 값의 개수 반환

lee_count = patient_names.count('이영희')

print(f"이영희 동명이인 수: {lee_count}")


이영희 동명이인 수: 2


# in 연산자: 값 존재 여부 확인 (True/False)

print(f"홍길동 환자 등록: {'홍길동' in patient_names}")

print(f"김철수 환자 등록: {'김철수' in patient_names}")


홍길동 환자 등록: False

김철수 환자 등록: True


# 환자별 체중 데이터 분석

patient_weights = [65.5, 78.2, 52.1, 89.7, 71.3]

print(f"원본 체중 데이터: {patient_weights}")


원본 체중 데이터: [65.5, 78.2, 52.1, 89.7, 71.3]


# sorted(): 새로운 정렬된 리스트 반환 (원본 유지)

sorted_weights = sorted(patient_weights)

print(f"원본 유지: {patient_weights}")

print(f"정렬된 체중: {sorted_weights}")


원본 유지: [65.5, 78.2, 52.1, 89.7, 71.3]

정렬된 체중: [52.1, 65.5, 71.3, 78.2, 89.7]


# sort(): 원본 리스트 자체를 정렬

patient_weights.sort()

print(f"원본 정렬됨: {patient_weights}")


원본 정렬됨: [52.1, 65.5, 71.3, 78.2, 89.7]



int(True)


 1


int(False)


0


test = [65.5, 78.2, 52.1, True, "김철수", 89.7, 71.3]




65.5>"김철수"

result = sorted(test)


---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

/tmp/ipython-input-2357090776.py in <cell line: 0>()

      3 

      4 

----> 5 65.5>"김철수"

      6 result = sorted(test)


TypeError: '>' not supported between instances of 'float' and 'str'



test = [65.5, 78.2, 52.1, True, 89.7, 71.3]


print(f"{test}")


test = [65.5, 78.2, 52.1, True, 89.7, 71.3]


print(f"{test}")



# reverse(): 리스트 순서를 뒤집기

patient_names = ["김철수", "이영희", "박민수", "최지연"]


patient_names.reverse()

print(f"뒤집어서 정렬: {patient_names}")


뒤집어서 정렬: ['최지연', '박민수', '이영희', '김철수']


# 특별한 정렬 방법들


departments = ['소아과', '내과', '산부인과', '외과', '정형외과'] # 진료과 목록


by_length = sorted(departments, key=len)  # 길이순 정렬

print(f"길이순: {by_length}")


# 가나다순 정렬

sorted_departments = sorted(departments)

print(f"가나다순: {sorted_departments}")


# 역순 정렬 (ㅎ부터 ㄱ까지)

reverse_departments = sorted(departments, reverse=True)

print(f"내림차순: {reverse_departments}")


# 특별한 정렬 방법들


departments = ['소아과', '내과', '산부인과', '외과', '정형외과'] # 진료과 목록


by_length = sorted(departments, key=len)  # 길이순 정렬

print(f"길이순: {by_length}")


# 가나다순 정렬

sorted_departments = sorted(departments)

print(f"가나다순: {sorted_departments}")


# 역순 정렬 (ㅎ부터 ㄱ까지)

reverse_departments = sorted(departments, reverse=True)

print(f"내림차순: {reverse_departments}")


길이순: ['내과', '외과', '소아과', '산부인과', '정형외과']

가나다순: ['내과', '산부인과', '소아과', '외과', '정형외과']

내림차순: ['정형외과', '외과', '소아과', '산부인과', '내과']


 변환 메소드

리스트를 다른 형태로 변환하는 메소드입니다.


# 진료과 목록을 문자열로 변환

departments = ["내과", "외과", "소아과", "산부인과"]


# join(): 리스트를 문자열로 합치기

result1 = ", ".join(departments)

print(f"진료과 목록: {result1}")


result2 = " | ".join(departments)

print(f"진료과 구분: {result2}")


result3 = "".join(departments)

print(f"진료과 연결: {result3}")


진료과 목록: 내과, 외과, 소아과, 산부인과

진료과 구분: 내과 | 외과 | 소아과 | 산부인과

진료과 연결: 내과외과소아과산부인과


# 숫자 리스트를 문자열로 합치기 (문자열로 변환 후 join)


# 혈압 수치를 문자열로 변환

systolic_pressures = [120, 125, 130, 135]

bp_string = ", ".join(map(str, systolic_pressures))

print(f"수축기 혈압 기록: {bp_string}")


수축기 혈압 기록: 120, 125, 130, 135


 리스트 연산




medications.remove("임시약")

print(f"임시약 제거 후: {medications}")



튜플의 불변성(Immutable)


불변성이란?

불변성(immutable)이란 객체가 생성된 후 그 내용을 변경할 수 없는 성질을 말합니다.


# 가변(mutable) vs 불변(immutable) 비교

patient_list = ["김환자", "65세"]    # 리스트: 가변

patient_tuple = ("김환자", "65세")   # 튜플: 불변


# 리스트는 내용 변경 가능

patient_list[1] = "66세"

print(f"리스트 변경 후: {patient_list}")


# 튜플은 내용 변경 불가능

patient_tuple[1] = "66세"  # 에러 발생!


튜플은 **불변성(immutable)**을 가진 자료구조입니다. 즉, 한 번 생성된 후에는 내용을 변경할 수 없습니다.


왜 불변성이 중요한가?


데이터 안전성: 실수로 중요한 정보(환자 ID, 생년월일 등)가 변경되는 것을 방지

해시 가능: 딕셔너리의 키로 사용 가능

메모리 효율성: 같은 내용의 튜플은 메모리를 공유할 수 있음


# 의료 정보에서 불변성 활용 예시

HOSPITAL_LOCATION = (37.5665, 126.9780)  # 병원 위치 좌표 (변경되면 안 됨)

EMERGENCY_CODE = ("119", "응급실", "24시간")  # 응급 연락처 (변경되면 안 됨)


print(f"병원 위치: {HOSPITAL_LOCATION}")

print(f"응급 연락처: {EMERGENCY_CODE}")


튜플 사용하기


numbers = (1, 2, 3, 4, 5)

type(numbers)


tuple


# 괄호 씌우지 않으면 튜플

blood_types = "A", "B", "O", "AB"

print(f"혈액형: {blood_types}")

print(f"데이터 타입: {type(blood_types)}")


혈액형: ('A', 'B', 'O', 'AB')

데이터 타입: <class 'tuple'>


# 데이터 읽기


print(f"첫 번째 혈액형: {blood_types[0]}")

print(f"마지막 혈액형: {blood_types[-1]}")


첫 번째 혈액형: A

마지막 혈액형: AB


patient_infos = ("김환자", 65, "고혈압")


# 튜플 언패킹

name, age, diagnosis = patient_infos

print(f"{name}은 {age}살이고 {diagnosis} 진단을 받았습니다")


김환자은 65살이고 고혈압 진단을 받았습니다


# 튜플은 변경 불가능

patient_infos[0] = "박환자"


 ---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

/tmp/ipython-input-2971948180.py in <cell line: 0>()

      1 # 튜플은 변경 불가능

----> 2 patient_infos[0] = "박환자"


TypeError: 'tuple' object does not support item assignment



딕셔너리


딕셔너리는 키(key)와 값(value)의 쌍으로 데이터를 저장하는 자료구조입니다. 

마치 사전에서 단어(키)를 찾으면 뜻(값)이 나오는 것과 같습니다.



{

 "파이썬":"프로그래밍 언어"

}


# 환자 정보 딕셔너리 만들기

patient = {

    "name": "김환자",           # str

    "age": 65,                 # int

    "diagnosis": "고혈압",      # str

    "medications": ["아스피린", "메트포르민"]  # list

}



김환자  65  고혈압 ....

name   age diagnosis ...


patient["name"]


'김환자'


patient["age"]


65


patient["phone"] # 없는 키값을 지정하면 키 에러


 ---------------------------------------------------------------------------

KeyError                                  Traceback (most recent call last)

/tmp/ipython-input-3631803009.py in <cell line: 0>()

----> 1 patient["phone"] # 없는 키값을 지정하면 키 에러


KeyError: 'phone'


# 초기 환자 정보

patient = {

    "name": "김환자",

    "age": 65,

    "diagnosis": "고혈압"

}


patient


{'name': '김환자', 'age': 65, 'diagnosis': '고혈압'}


# 새 정보 추가

patient["phone"] = "010-1234-5678"

patient["blood_type"] = "A형"

patient["doctor"] = "이의사"


# 정보 추가 후

patient


{'name': '김환자',

 'age': 65,

 'diagnosis': '고혈압',

 'phone': '010-1234-5678',

 'blood_type': 'A형',

 'doctor': '이의사'}


# 정보 수정

patient["age"] = 66  # 나이 증가

patient["diagnosis"] = "고혈압, 당뇨"  # 추가 진단


patient


{'name': '김환자',

 'age': 66,

 'diagnosis': '고혈압, 당뇨',

 'phone': '010-1234-5678',

 'blood_type': 'A형',

 'doctor': '이의사'}



# pop(): 특정 키 삭제하고 값 반환

removed_phone = patient.pop("phone")

print(f"삭제된 전화번호: {removed_phone}")

print("전화번호 삭제 후:", patient)


삭제된 전화번호: 010-1234-5678

전화번호 삭제 후: {'name': '김환자', 'age': 65, 'diagnosis': '고혈압', 'blood_type': 'A형'}


# pop() 기본값 설정 (키가 없을 때)

email = patient.pop("email", "이메일 정보 없음")

print(f"이메일: {email}")


print("현재 환자 정보:", patient)


이메일: 이메일 정보 없음

현재 환자 정보: {'name': '김환자', 'age': 65, 'diagnosis': '고혈압', 'blood_type': 'A형'}



# popitem(): 마지막 키-값 쌍 삭제

last_item = patient.popitem() # 키-값 튜플로 반환

print(f"마지막 삭제 항목: {last_item}")

print("마지막 항목 삭제 후:", patient)


마지막 삭제 항목: ('blood_type', 'A형')

마지막 항목 삭제 후: {'name': '김환자', 'age': 65, 'diagnosis': '고혈압'}


# 안전한 방법 (키가 없을경우 None 반환)

mri_cost = medical_costs.get("MRI비용")

print("MRI 비용:", mri_cost)


MRI 비용: None


# 안전한 접근을 위한 조건문

if "수술비" in medical_costs:

    print(f"수술비: {medical_costs['수술비']}원")

else:

    print("수술비 정보가 없습니다")


수술비 정보가 없습니다


# 명시적으로 작성

print("진료비 항목 있음:", "진료비" in medical_costs.keys())

print("수술비 항목 있음:", "수술비" in medical_costs.keys())


진료비 항목 있음: True

수술비 항목 있음: False




집합 - 중복 없는 데이터

집합(set)은 중복을 허용하지 않으며 

순서가 없는 자료구조입니다. 

수학의 집합 개념과 동일합니다.


# 집합 만들기 (중복 자동 제거)

allergy_drugs_set = {"페니실린", "아스피린", "페니실린", "이부프로펜", "아스피린"}

print(f'알레르기 약물 집합: {allergy_drugs_set}')

print(f'고유 약물 개수: {len(allergy_drugs_set)}')


알레르기 약물 집합: {'이부프로펜', '아스피린', '페니실린'}

고유 약물 개수: 3


# 리스트를 집합으로 변환 (중복 제거)

symptoms_list = ["발열", "기침", "발열", "두통", "기침", "오한"]  # 중복된 증상들

symptoms_set = set(symptoms_list)

print(f'고유 증상들: {symptoms_set}')  # 순서가 없기 때문에 출력 순서가 다를 수 있음


고유 증상들: {'기침', '두통', '오한', '발열'}


자료구조 변환과 내장 함수


내장 함수 활용


len() - 길이/개수 확인


sum() - 합계 계산


max(), min() - 최댓값, 최솟값


all(), any() - 논리 검사





댓글

댓글 쓰기

이 블로그의 인기 게시물

베이스 캠프에서 (1)

이미지
베이스 캠프에서는 우선 시작을 독려해주는 글과 함께 Visual Studio Code를 설치할 것을 요청했다. 일단 VS Code의 경우 이미 내가 사용하는 기기에 설치가 되어 있었기 때문에 extensions만 추가로 설치했다.  우선 Python이 설치를 하였고 그 외에도 코드의 가독성을 높이는  Indent Rainbow, Better Comments, Colorize 등을 설치하였다. 한국어로 진행되는 과정인 만큼 VS Code용 한국어 팩도 설치했다. 다음으로 계속해서 캠프 미션을 따라갔다. 터미널(MAC을 사용할 경우. Windows는 PowerShell 이다.)에 대해 알아보았다. 터미널이란 command line interface로 서버 관리, 개발, 자동화 작업 등에 사용되는 명령어 등을 입력할 수 있는 환경이다. 터미널에서 사용되는 명령어는 파일 관리, 프로세스 제어, 네트워크 설정 등의 작업에 사용되고 시스템 자원에 접근하고 제어하는 도구다. Command Line Interface 와 Graphic User Interface에는 차이가 있다. 우리가 흔히 컴퓨터를 사용할 때 마우스 등을 통해 작업 실행을 하는 것이 Graphic User Interface이다. 반면에 Command Line Interface의 경우 키보드 등으로 명령어를 입력하고 텍스트로 출력되는 형태로 시스템을 제어하는 것이다. Git, Node.js, Docker, Kubernetes, AWS CLI, Terraform 등은 모두 CLI를 기반으로 동작하며 여러 서버는 CLI 환경에서 관리한다. 특히 리눅스가 그러하며 원격으로 서버에 접속해 관리하거나 배포할 경우 이용되어야 하기 때문에  개발자들은 필수로 사용법을 익혀야 하는 사항이다. 그 다음 목차는 Git 과 GitHub에 관한 내용이다. Git 이란 코드의 변경 이력을 추적하고 관리하는 데 이용하는 관리 시스템으로 개인 컴퓨터에서 동작하며 인터넷 연결 없이도 관리가 가능한 시스템이다. G...
자세한 내용 보기

베이스 캠프에서 (2)

이미지
 HTML이나 XML 같은 마크업 언어로 스타일 시트 언어인 CSS 언어에 대해서 베이스 캠프의 링크를 타고 들어가 배우고 실습에 도전했다. 처음에는 오류가 나 명령어가 구현된 화면에 나타나는 것을 볼 수 있었다. 끝인 줄 알았지만 " ‘실습 도전하기’만 bold처리 하세요."로 되어 있었다. <! DOCTYPE html > < html lang = "ko" > < head >     < meta charset = "UTF-8" >     < title > 오늘의 할 일 </ title >     < style >         body {             background-color : #f4f4f4 ;             font-family : Arial , sans-serif ;         }         h1 { color : #3498db ; }         p { font-size : 18px ; }         a { text-decoration : none ; }     </ style > </ head > < body >     < a href = "https://ozcodingschool.com/" >< h1 > 오늘의 할 일 </ h1 ></ a >     < ul >         < li > HTML 예습하...
자세한 내용 보기

Database 분석 (4)

이미지
오늘은 데이터베이스 프로젝트를 진행했다.  문제는 다음과 같았다. # 📝 문제 리스트 아래 문제 중 **4개 이상 (필수 1개 + 선택 3개 이상)** 을 선택하여 수행합니다.   ## [필수] 1) 고심박(high HR) 위험군 탐지 - 일정 기준(예: heart_rate > 150)을 넘는 순간을 찾아서   - 발생 시각     - 해당 활동     - 발생 빈도를 분석한다. ## 2) 활동(activity)별 평균 생체지표 분석 - 활동별로 heart_rate, step_count, resp_rate, body_temp의 평균을 계산하고 비교한다. - 어떤 활동이 가장 높은 생체 지표를 보이는지 분석한다. ## 3) 체온 이상치(high fever) 탐지 - body_temp ≥ 38.0°C인 구간을 찾아     - 어떤 활동에서 많이 나타나는지     - 위험 패턴이 존재하는지 분석한다. ## 4) 산소포화도(SpO₂) 저하 위험 탐지 - blood_oxygen < 94% 데이터를 필터링하여     - 발생 시각     - activity를 분석한다. ## 5) 활동별 활동량(step_count) 분석 - 활동별로 step_count 합계와 평균을 구하고   - 가장 활동량이 많은 활동을 찾는다. ## 6) 센서 오류(is_tampered) 데이터 탐지 - is_tampered = 1 이 발생한 횟수를 파악하고   - 오류가 어떤 활동에서 많이 발생하는지 분석한다. ## 7) 시간대별 생체지표 분석 - 시간(HOUR) 기준으로 데이터를 그룹화하여     - 시간대별 평균 heart_rate     - 시간대별 평균 body_temp 패턴을 분석한다. ## 8) ...
자세한 내용 보기