• 게임을 처음으로 설치하고 실행했을 때 유입된 신규 유저
• UA 진행 시 투입 비용 대비 얼마나 많은 유저가 유입되었는가를 측정할 때 가장 초기에 확인하는 지표

1) 자연 유입 (Organic user)

• 주로 광고나 마케팅 캠페인 이외의 경로를 통해 유입된 유저
• 유저의 필요에 의해 들어왔기 때문에 리텐션율의 지표가 Paid User 대비 높은 경향
• Organic 유저의 유입 채널로는 대표적으로 스토어를 통한 탐색/검색이 있음

2) Paid user, Non-Organic User

• Paid 유저는 광고 또는 마케팅 캠페인을 통해 유입된 유저를 의미함

참고자료 링크: https://blog.aloha-corp.com/article/d6f5f757469e4a89af3e93105c1bbf1b

• DAU(Daily Active Users) : 일일 활성 사용자수
• MAU(Montly Active Users) : 월간 활성 사용자 수
• DNU(Day New Users) : 당일 신규 사용자 수
• ACU(Average Concurrent Users) : 평균 동시 온라인 사용자수
• CCU(Concurrent Users) : 동시 온라인 사용자수
• PCU(Peak Concurrent Users) : 최고 동시 온라인 사용자 수
• CPM(Cost Per Mile) : 천 번의 광고 노출당 비용
• eCPM(Effect Cost Per Mile) : 실질적인 천 번 노출당 비용 (실제로 발생한 광고 수익)
• PUR(Paid Users Rate) : 유료 사용자 비율
• ARPU(Average Revenue Per User) : 사용자당 평균 수익
• ARPPU(Average Revenue Per User) : 유료 사용자당 평균 수익
• LTV(Life Time Value) : 사용자 생애 가치
• ROI(Return On Investment) : 투자 수익률
• ROAS(Return On Advertising Spend) : 광고 지출대비 수익률

자주 사용되는 복합 지표와 계산 방법

• 활성화율 : 활성 사용자수 / 설치 사용자수
• 결제율 : 결제 사용자수 / 활성 사용자수
• 다음 날 유지율 : 첫 날 신규 사용자 중 둘째 날 로그인한 사용자수 / 첫 날 신규 사용자수
• 7일 유지율 : 첫 날 신규 사용자 중 7일째에 로그인한 사용자수 / 첫 날 신규 사용자수
• ARPU : 총수익 / 활성 사용자수
• ARPPU : 총수익 / 결제 사용자수
• LTV : 사용자당 평균 수익 / 수명주기
• ROI : (총수익 - 투자비용) / 투자비용
• ROAS : 총수익 / 광고지출

1. LOD (Level of Detail)

• 기본적으로 태블로는 차원에 따라 데이터를 자동 집계

• LOD 활용 시 사용자가 원하는 수준에서 데이터 집계 가능

• *LOD 3가지 유형 *

  • FIXED : 특정 차원에 대해 집계 고정
  • INCLUDE : 현재 뷰의 차원 + 추가 차원을 포함하여 집계
  • EXCLUDE : 특정 차원을 제거한 상태에서 집계

2. AARRR 프레임워크

• Acquisition (획득) : 사용자가 제품을 처음 접하는 단계
• Activation (활성화) : 첫 경험에서 가치를 느끼는 단계
• Retention (유지) : 지속적으로 재방문 하는 단계
• Revenue (수익) : 실제로 결제를 발생시키는 단계
• Referral (추천) : 기존 사용자가 신규 사용자를 초대하는 단계

1. Acquisition (획득)

• 사용자가 제품을 처음 접하는 과정 측정
• 마케팅 채널별 유입 효과를 분석하는 것이 핵심

2. Activation (활성화)

• 제품을 사용하며 가치를 느낀 사용자를 측정하는 단계
• 가입 후 첫 경험(Onboarding)의 성공 여부가 중요

3. Retention (유지)

• 사용자가 한 번만 사용하고 이탈하는지, 계속해서 재방문하는지 분석하는 단계
• 리텐션율(Retention Rate)이 가장 중요한 지표

4. Revenue (수익)

• 사용자가 제품을 구매하거나 결제하는 과정을 분석하는 단계

• *주요 지표 *

  • ARPU (Average Revenue Per User): 활성 유저당 평균 매출
  • ARPPU (Average Revenu Per Paying User): 유료 유저 1인당 결제 금액

5. Referral (추천)

• 사용자들이 자발적으로 제품을 공유하는지 측정하는 단계
• 바이럴 효과를 통한 성장 가능성 평가

6. 프로덕트 분석 방법론

• 퍼널 분석 : 각 퍼널 단계 별로 사용자가 얼마나 유입 되었는지, 어떤 구간에서 이탈했는지 알아보는 분석
• 코호트 분석 : 특정 기간 동안 공통된 특성을 경험한 사용자 행동을 그룹으로 나눠 지표 별로 수치화해서 분석하는 기법
• 세그먼트 분석 : 고객을 공통된 특성을 가진 다양한 그룹으로 나누는 분석 기법

1. 필터별 작동 원리

• 추출 필터: 데이터 소스에서 추출된 데이터 필터링 (데이터 연결을 추출로 선택했을 때만 사용 가능)
• 데이터 원본 필터: 데이터 원본 소스에서 일부 데이터만 필터링
• 컨텍스트 필터: 특정 값에 대한 데이터만 필터링
• 차원 필터: 차원을 기준으로 데이터 필터링
• 측정값 필터: 측정값을 기준으로 데이터 필터링
• 테이블 계산 필터: 특정 계산 결과를 기준으로 데이터 필터링

2. 필터

• 컨텍스트 필터
  • 상위 필터, 집합, Fixed 식과 차원 필터의 문제들이 발생하는 경우, 컨텍스트 필터를 활용해서 적동 순서 변경 가능
• 측정값과 차원 필터
  • 측정값 / 차원 우클릭 → 필터 표시
• 날짜 필터
  • 날짜에 필터 적용 가능
• 정렬
  • 특정 열, 행, 값 기준으로 오름차순, 내림차순 정렬 가능

3. 기본 계산식 활용

• 계층과 드릴 다운
  • 계층 → 위계 질서가 있는 차원을 말함
  • 계층이 있는 경우 : +/- 아이콘을 클릭해서 드릴 다운 가능
  • 날짜 형식의 필드 : 계층(년, 분기, 월 등)이 태블로에서 자동으로 생성
• 퀵테이블 계산
  • 전주/월/연 대비 함수
    • YTD : 연초 대비 증감률
    • YoY : 전년 대비 증감률
    • MoM : 전월 대비 증감률
    • WoW : 전주 대비 증감률
• 태블로 함수
  • 논리 함수 : IF, Case When, zn ...
  • 날짜 함수 : DATEDIFF, DATEADD ...

4. LOD식 활용하기

• LOD식(세부 수준식)이란?
  • 현재 화면에 영향을 받지 않고 원하는 세부 수준에서 값 계산 가능
  • LOD 식을 활용하면 계산할 세부 수준 제어 가능
  • LOD 식은 세분화된 기준(INCLUDE), 덜 세분화된 기준(EXCLUDE), 완전히 독립적인 수준(FIXED) 크게 3가지로 나누어짐
• LOD식 기본 문법 구조 : 전체 LOD식은 {}(중괄호)로 묶어줌

  {[FIXED | INCLUDE | EXCLUDE] [차원1], [차원2] : AVG([측정값])}

• FIXED : 뷰에 있는 차원과 상관없이 계산된 필드에서 FIXED 계산식을 고정시켜 지정된 차원을 계산
• INCLUDE : 뷰에 지정된 차원 뿐만 아니라 모든 차원을 포함해서 계산
• EXCLUDE : 차원을 제거해서 계산

1. BI(Business Intelligence)

   • 조직이 데이터 기반 의사결정을 좀 더 빠르게 할 수 있도록 서포트하는 비즈니스 분석, 데이터 마이닝, 데이터 시각화, 데이터 도구를 의미

2. BI 워크 플로우

   • 데이터 인프라 : 데이터 레이크 → 데이터 웨어하우스 → 데이터 마트 → BI툴

     데이터 레이크 : 모든 Raw data(정형 데이터, 로그 데이터, 테이블 등)를 저장할 수 있는 스토리지

*데이터 웨어하우스(DW) *: 데이터를 장기적인 보존용으로 통합, 정제, 분석하여 정리한 저장소 *데이터 마트(DM) *: 부서별, 목적별 분석용으로 만든 데이터 웨어하우스의 데이터 일부분

▶ Tableau VOD 강의 : 2강

1. Tableau 구조

• Tableau Prep : Tableau Desktop에 필요한 전처리 역할

• Tableau Desktop : 데이터를 시각화 하는 역할

• Tableau Cloud(Tableau Online) : Tableau Server가 SaaS 버전으로 제공되는 형태

• Tableau Server : Tableau Server를 통해 게시 및 배포

  2. 데이터 원본 연결 형태

  ** [ TIP ]** 커넥터 연동 시 특히 SQL 쿼리를 사용할 경우 라이브 연결 대신 추출 연결을 선택하여 태블로 대시보드 생성 시간을 줄일 수 있음

• 라이브

  • 데이터 원본 파일의 변경 사항이 연동됨
  • 새로고침 버튼을 클릭하면 실시간으로 데이터 업데이트

• 추출

  • 라이브 연결을 끊고 현재 데이터만 로컬로 가져오는 형태
  • 원본 데이터가 클 때 사용

    3. 테이블 병합 방식

    총 4가지 종류 (관계, 유니온, 조인, 블렌딩)의 병합 방식 존재

• 관계 : 하나의 테이블로 병합하지 않고, 테이블 간 관계를 설정

• 유니온 : (SQL UNION과 비슷한 개념) 테이블 구조가 같은 형태인 경우, 유니온으로 테이블 병합 가능

• 조인 : (SQL의 JOIN과 비슷한 개념) 2개 이상의 테이블을 하나의 테이블로 연결하도록 병합

• 블렌딩 : 물리적으로 테이블을 병합하지 않고, 워크시트 화면에 두 테이블이 같이 있는 형태 → 서로 다른 데이터 베이스에서 데이터를 불러오고 임시로 분석할 때 사용

4. Tableau 구성

• 워크시트 : 기본 작업 공간
• 대시보드 : 여러 개의 워크시트를 통합하여 하나의 대시보드로 생성
• 스토리 : 여러 개의 워크시트와 대시보드를 합쳐서 하나의 인포그래픽 형태의 스토리로 만듦

5. Tableau 기능과 용어

• 차원(dimension) vs 측정값(metric)
  • 차원(dimension) : 측정 기준 또는 분석의 기준 (예- 유저 아이디, 지역, 상품명 등)
  • 측정값(metric) : 측정하는 값 또는 항목 (예 - 매출, 리텐션, 전환율 등)
• 연속형과 불연속형
  • 연속형 : 하나로 연결되어 이어진 데이터 (녹색 측정 값과 차원)
  • 불연속형 : 이어지지 않고 각각 구분되는 개별적인 데이터 (파란색 측정 값과 차원)
• 계산된 필드
  • 기존 컬럼을 계산하여 새로운 컬럼 생성
  • 상단 분석 > 계산된 필드 만들기
• 매개 변수
  • 사용자가 대시보드와 워크시트의 데이터를 필터링하거나 조정할 수 있는 기능
  • 계산된 필드에 추가하여 사용
  • 예시 - 날짜 범위를 선택하거나 상위 고객을 필터링하여 작업

1. API를 활용하여 데이터 불러오기

Steam 플랫폼에서 출시된 게임들의 데이터를 조회해보고 싶어서 관련 API를 찾아봤다.

우선, Steam 공식 API인 Steam Web API를 살펴보았다.

하지만.. 요 데이터만 가지고는 인사이트를 도출해내기 어려울 듯 싶어서 다른 API들을 추가로 찾아보았다.

다음으로 찾아본 API는 SteamSPY에서 제공하는 API.

데이터 조회를 위한 파라미터는 다음과 같다.

• request - 요청 타입 지정

• top100in2weeks : 지난 2주간 가장 인기 있는 게임의 상위 100개 목록
• top100forever : 역대 가장 인기 있는 게임의 상위 100개 목록
• all : 모든 Steam 게임의 데이터
• appdetails : 특정 게임의 세부 정보
  • appid - 특정 게임의 ID (Steam의 App ID)

아래는 데이터 조회를 위해 작성한 코드.

# API URL
url = "https://steamspy.com/api.php"

# 요청 파라미터
params = {"request": "top100in2weeks"}

# API 호출
response = requests.get(url, params=params)

# 데이터 처리
data = response.json()
df = pd.DataFrame(data).T  # 전치(transpose)
df = df.reset_index(drop=True)  # 인덱스 재설정

# 데이터 프레임으로 저장
data = pd.DataFrame(df)

결과적으로 요런 테이블이 나왔다.

*2. GitHub, Google 빅쿼리 활용 * 위에서 작성한 코드를 .py 파일로 변환하여 Github에 업로드 한 후, Colab에서 GitHub에 등록한 코드를 클론했다.

!git clone 복사한 repository 주소

클론된 파일에서 코드를 긁어와서 데이터 프레임 생성

import requests
import pandas as pd

# API URL
url = "https://steamspy.com/api.php"

# 요청 파라미터
params = {"request": "top100in2weeks"}

# API 호출
response = requests.get(url, params=params)

# 데이터 처리
data = response.json()
df = pd.DataFrame(data).T  # 전치(transpose)
df = df.reset_index(drop=True)  # 인덱스 재설정

# 데이터프레임 출력
data = pd.DataFrame(df)

그리고 생성한 테이블을 BigQuery와 연동했다.

• 연동 전에 BigQuery에서 해야 하는 것
  • 서비스계정 > 키 관리에서 키 발급 받아 두기
  • 연결할 데이터 세트 생성

    from google.colab import files
    from google.oauth2 import service_account
    

빅쿼리에서 생성한 계정 키 파일 입력

uploaded = files.upload()

서비스 계정 키 파일 경로 설정

key_path = list(uploaded.keys())[0] credentials = service_account.Credentials.from_service_account_file(key_path)

from google.cloud import bigquery

BigQuery 클라이언트 생성

client = bigquery.Client(credentials=credentials, project=credentials.project_id)

데이터 프레임 업로드

job = client.load_table_from_dataframe(data, "데이터 세트 ID")

작업 완료 대기

job.result()

결과 확인

print(f"Uploaded {job.output_rows} rows to '데이터 세트 ID"'")

![](https://velog.velcdn.com/images/dayeon_data/post/72ffae07-d1b5-4879-ae25-aa5b2f0d7f84/image.png)
이렇게 해서 빅쿼리 연동까지 완료!

### ▶ 머신러닝 심화
**1. 데이터 분석 프로세스**
* 데이터 수집에 따른 프로세스
![](https://velog.velcdn.com/images/dayeon_data/post/9fca011f-c732-4d8c-9fb1-f09ab77e7172/image.png)
  - Data Source 
    - OLTP Database(OnLine Transaction Processing): 온라인 뱅킹, 쇼핑, 주문 입력 등 동시에 발생하는 다수의 트랜잭션 처리 유형
    - Enterprise Applications: 회사 내 데이터 (ex. 고객 관계 데이터, 제품 마케팅 세일즈)
    - Third - Party : Google Analytics와 같은 외부소스에서 수집되는 데이터
    - Web/Log: 사용자의 로그데이터
  - Data Lake: 원시 형태의 다양한 유형의 데이터 저장
  - Data Warehouse : 회사의 금융, 마케팅, 영업 부서와 같이 특정 조직의 목적을 위해 가공된 데이터
   - BI/Analytics: Business Intelligence(BI)는 의사결정에 사용된 데이터를 수집하고 분석하는 프로세스

**2. 탐색적 데이터 분석 (EDA)**
- **탐색적 데이터 분석(Exploratory Data Analysis, EDA)**: 데이터 시각화, 기술통계 등의 방법을 통해 데이터를 이해하고 탐구하는 과정
- **시각화를 이용한 EDA 예시**
  - `countplot` : 범주형 자료의 빈도 수 시각화
  - `barplot` : 범주형 자료의 시각화
  - `boxplot` : 수치형 & 범주형 자료의 시각화
  - `histogram` : 수치형 자료 빈도 시각화
  - `scatterplot` : 수치형 자료끼리의 관계 시각화
  - `pairplot` : 전체 변수에 대한 시각화

• 문자열의 일부를 잘라내기로 추출하는 함수

  SUBSTR(문자열, 시작위치, 길이)

▶ LEFT()

• 문자열 일부를 왼쪽부터 잘라내어 반환하는 함수

  LEFT(문자열, 길이)

▶ RIGHT()

• 문자열 일부를 오른쪽부터 잘라내어 반환하는 함수

  RIGHT(문자열, 길이)

▶ SUBSTRING_INDEX()

• 구분자와 구분자의 숫자만큼 잘라내어 반환하는 함수

  SUBSTRING_INDEX(문자열, 구분자, 구분자 Index)

GROUP_CONCAT([DISTINCT] column_name [ORDER BY column_name ASC|DESC] [SEPARATOR 'string'])

• GROUP_CONCAT : 여러 행의 데이터를 그룹화하여 하나의 행에 문자열로 통합 가능
  • DISCINCT : 중복된 값을 제거하고 연결
  • column_name : 연결할 컬럼 이름 지정
  • ORDER BY : 연결된 값 순서 지정
  • SEPARATOR : 각 값 사이에 삽입할 구분자 지정, 기본값은 ,

기본 사용

SELECT category_id, GROUP_CONCAT(product_name) AS product_list
FROM products
GROUP BY category_id;

• 결과

• 단순선형회귀: 하나의 독립변수와 하나의 종속변수 간의 관계를 직선으로 모델링하는 방법
• 다중선형회귀: 두 개 이상의 독립변수와 하나의 종속변수 간의 관계를 모델링
• 범주형 변수: 수치형 데이터가 아닌 주로 문자형 데이터로 이루어져 있는 변수
  • (예시) 순서가 있는 범주형 변수: 옷의 사이즈, 수능 등급 등
  • (예시) 순서가 없는 범주형 변수: 성별, 지역 등
• 다항회귀:
  • 독립 변수의 다항식을 사용하여 종속 변수를 예측
  • 데이터가 곡선적 경향을 따를 때 사용
• 스플라인 회귀:
  • 독립 변수의 구간별로 다른 회귀식을 적용하여 복잡한 관계를 모델링
  • 구간마다 다른 다항식을 사용하여 전체적으로 매끄러운 곡선 생성

▶ 통계학 기초 : 5. 상관관계

• 피어슨 상관계수: 두 연속형 변수 간의 선형 관계를 측정하는 지표
  • 비선형 관계에서는 사용할 수 없음
• 비모수 상관계수: 데이터가 정규분포를 따르지 않거나 변수들이 순서형 데이터일 때 사용하는 상관계수
  • 예시 : 스피어만 상관계수, 켄달의 타우 상관계수 등..
• 상호정보 상관계수: 두 변수 간의 정보의존성을 바탕으로 비선형 관계를 탐지
  • 두 변수가 범주형 변수일 때, 비선형적이고 복잡한 관계를 탐지하고자 할 때 사용

▶ 통계학 기초 : 6. 가설검정의 주의점

• 재현 가능성 : 우연히 결과가 나오는 것이 아닌, 항상 일관된 결과가 나오는지 확인해야함
• p-해킹: 데이터 분석을 반복하여 p-값을 인위적으로 낮추는 행위 (데이터 분석 결과의 신뢰성을 저하시킴)
• 선택적 보고: 유의미한 결과만을 보고하고 유의미하지 않은 결과는 보고하지 않는 행위 (마찬가지로 데이터 분석의 결과를 왜곡하고 신뢰성을 저하시킴)
• 자료 수집 중단 시점 결정: 데이터 수집을 시작하기 전에 언제 수집을 중단할지 명확하게 결정해야함. (원하는 결과가 나올 때 까지 데이터를 계속 수집할 가능성 존재)
• 데이터 탐색과 검증 분리: 데이터 탐색을 통해 가설을 설정하고, 이를 검증하기 위해 독립적인 데이터셋 사용 → 데이터 과적합을 방지하고 결과의 신뢰성을 높임

▶ 머신러닝 기초 : 1. 머신러닝의 기초

• 머신러닝 관련 용어 정의
  • AI: 인간의 지능을 요구하는 업무를 수행하기 위한 시스템
  • Machine Learning: 관측된 패턴을 기반으로 의사결정을 하기 위한 알고리즘
  • Deep Learning: AI를 포괄하여 통계학과 컴퓨터 공학을 바탕으로 발전한 융합학문
  • Data Analysis : 데이터 집계, 통계 분석, 머신러닝을 포함한 행위
• 머신러닝의 종류
  • 지도 학습 ( Supervised Learning )
    • 문제와 정답을 모두 알려주고 학습시키는 방법 > 예측, 분류
  • 비지도 학습 ( Unsupervised Learning )
    • 답을 가르쳐주지 않고 학습시키는 방법 > 연관 규칙, 군집
  • 강화학습 (Reinforcement Learning)
    • 보상을 통해 상은 최대화, 벌은 최소화하는 방향으로 강화하는 학습 > 보상

TIMESTAMPDIFF(unit, datetime1, datetime2)

• TIMESTAMPDIFF : 두 날짜 또는 시간 간의 특정 단위로 간격 반환
  • unit : 반환할 간격의 단위 지정 (예: SECOND, MINUTE, HOUR, DAY, WEEK, MONTH, YEAR)
  • datetime1 : 시작 시간
  • datetime2 : 끝 시간
  • 결과 : datetime2 - datetime1에 해당하는 간격
• 예시 ```sql
• • 두 시간 사이의 간격을 분 단위로 계산 SELECT TIMESTAMPDIFF(MINUTE, '2025-01-01 12:00:00', '2025-01-01 13:30:00');
• • 결과 : 90

-- 두 날짜 사이의 간격을 일 단위로 계산 SELECT TIMESTAMPDIFF(DAY, '2025-01-01', '2025-01-10'); -- 결과: 9

### ▶ `TIMEDIFF`
```sql
TIMEDIFF(time1, time2)

• TIMEDIFF(time1, time2) : 두 시간의 차이를 HH:MM:SS 형식으로 반환
  • time1, time2: 비교할 두 시간 값 (DATETIME 또는 TIME 형식 가능)
  • 결과: time2-time1에 해당하는 차이를 HH:MM:SS 형식으로 반환 ```sql
• • 두 시간의 차이 계산 SELECT TIMEDIFF('13:30:00', '12:00:00');
• • 결과 : '01:30:00'

-- 두 DATETIME의 시간 차이 계산 SELECT TIMEDIFF('2025-01-01 13:30:00', '2025-01-01 12:00:00'); -- 결과: '01:30:00'

### ▶ `UNIX_TIMESTAMP`를 활용한 직접 계산
```python
-- 두 시간 간의 차이를 초 단위로 계산
SELECT UNIX_TIMESTAMP('2025-01-01 13:30:00') - UNIX_TIMESTAMP('2025-01-01 12:00:00') AS seconds_diff;
-- 결과: 5400 (1시간 30분 = 5400초)

-- 초 단위 차이를 분 단위로 변환
SELECT (UNIX_TIMESTAMP('2025-01-01 13:30:00') - UNIX_TIMESTAMP('2025-01-01 12:00:00')) / 60 AS minutes_diff;
-- 결과: 90

• 직접 계산 : 시간 간격을 초, 분, 시간 등으로 계산하려면 UNIX_TIMESTAMP와 산술 연산 사용

▶ 단위 요약

1. 모집단 - 표본 관련 함수

• numpy.random.normal : 정규분포를 따르는 난수 생성

  numpy.random.normal(loc=0.0, scale=1.0, size=None)

  • loc : float
    • 정규분포의 평균
    • 기본값 : 0.0
  • scale : float
    • 정규분포의 표준편차
    • 기본값: 1.0
  • size : int / tuple of ints
    • 출력 배열의 크기 = 데이터 개수
    • 기본값: None → 스칼라 값 반환

• numpy.random.choice : 지정된 배열에서 무작위로 선택된 요소를 반환하는 기능 제공

  numpy.random.choice(a, size=None, replace=True, p=None)

• a : 1-D array-like / int
  • 샘플링한 원본 배열
  • 정수인 경우 np.arange(a)와 동일하게 간주
• size : int / tuple of ints
  • 출력 배열의 크기
  • 기본값 : None, 단일 값 반환
• replace : boolean
  • 복원 추출 여부
  • True면 동일한 요소 여러 번 선택 가능
  • 기본값 : True
• p : 1-D array-like (optional)
  • 각 요소가 선택될 확률
  • 배열의 합은 1이어야 함

• plt.hist : Matplotlib 라이브러리에서 히스토그램을 그리는 함수

  plt.hist(population, bins=50, alpha=0.5, label='population', color = 'blue')
  plt.hist(sample, bins=50, alpha=0.5, label='sample', color='red')

  • bins
    • 히스토그램 빈(bins)의 개수 또는 경계
  • alpha
    • 히스토그램 막대의 투명도
    • 0(투명) - 1 (반투명) 사이의 값
  • label
    • 히스토그램의 레이블 지정
    • 범례 추가 시 사용
  • color
    • 히스토그램 막대의 색상 지정

2. 표본오차 - 신뢰구간

• 표본오차 (Sampling Error)

  • 표본에서 계산된 통계량과 모집단의 진짜 값 간의 차이
  • 표본의 크기가 클수록 표본 오차는 작아짐
  • 무작위 추출 방법을 사용할 경우 표본오차를 줄일 수 있음 (모든 모집단 요소가 선택될 동등한 기회를 가지게 해야함)

• 신뢰구간 (Confidence Interval)

  • 모집단의 특정 파라미터(예: 평균, 비율)에 대해 추정된 값이 포함될 것으로 기대되는 범위
  • 신뢰구간 = 표본평균 ± z × 표준오차
    • z = 신뢰 수준에 해당하는 z-값

• stats.t.interval : 주어진 신뢰수준에서 t-분포를 사용하여 신뢰구간 계산

  scipy.stats.t.interval(alpha, df, loc=0, scale=1)

• alpha

  • 신뢰수준(confidence level)을 의미
  • 신뢰수준 95% > alpha 0.95로 설정

• df

  • 자유도(degrees of freedom)을 나타냄
  • 일반적으로 표본 크기에서 1을 뺀 값으로 설정

• loc

  • 위치 (parameter of location)
  • 일반적으로 표본 평균을 설정

• scale

  • 스케일 (parameter of scale)
  • 일반적으로 표본 표준오차를 설정
  • 표본 표준오차 : 표본 표준편차를 표본 크기의 제곱근으로 나눈 값
    • scale = sample_std / sqrt(n)

• 표준오차와 표준편차의 차이?

  • 표준편차: 표본 조사로 얻은 각 관측값과 표본 평균의 차이
  • 표준오차: 표준편차를 표본크기의 제곱근으로 나눈 값
    • 표본평균 추정값의 변동성을 의미
    • 표준오차가 작을수록 신뢰구간이 좁아지고, 커질수록 신뢰구간이 넓어짐

3. 정규분포

• 정규분포

  • 대부분의 데이터가 평균 주위에 몰려있는 종 모양의 대칭 분포
  • 평균을 중심으로 좌우대칭, 평균에서 멀어질수록 데이터의 빈도가 감소
  • 표준편차 = 분포의 퍼짐 정도를 나타냄

• 정규분포 그래프 그리기

# 정규분포 생성
normal_dist = np.random.normal(170, 10, 1000)

# 히스토그램으로 시각화
plt.hist(normal_dist, bins=30, density=True, alpha=0.6, color='g')

# 정규분포 곡선 추가
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = stats.norm.pdf(x, 170, 10)
plt.plot(x, p, 'k', linewidth=2)
plt.title('normal distribution histogram')
plt.show()

4. 긴 꼬리 분포

• 긴 꼬리 분포 (Long-Tailed Distribution)

  • 대부분의 데이터가 분포의 한쪽 끝에 몰려있고, 반대쪽으로 긴 꼬리가 이어지는 형태의 분포
  • 특정한 하나의 분포를 의미하지 않으며 여러 종류의 분포를 포함 → 파레토 분포, 지프의 법칙, 멱함수..
  • 데이터 수가 아무리 많아져도 정규분포가 되지 않음

• *긴 꼬리 분포 그래프 그리기 *

# 긴 꼬리 분포 생성 (예: 소득 데이터)
long_tail = np.random.exponential(1, 1000)

# 히스토그램으로 시각화
plt.hist(long_tail, bins=30, density=True, alpha=0.6, color='b')
plt.title('long tail distribution histogram')
plt.show()

5. 스튜던트 t 분포

• 스튜던트 t 분포

  • 모집단의 표준편차를 알 수 없고, 표본의 크기가 작은 경우(일반적으로 30 미만)에 사용되는 분포
  • 정규분포와 유사하지만, 표본의 크기가 작을수록 꼬리가 두꺼워지는 특징

• *스튜던트 t 분포 그래프 그리기 *

  # 스튜던트 t 분포 생성
  t_dist = np.random.standard_t(df=10, size=1000)
  

히스토그램으로 시각화

plt.hist(t_dist, bins=30, density=True, alpha=0.6, color='r')

스튜던트 t 분포 곡선 추가

x = np.linspace(-4, 4, 100) p = stats.t.pdf(x, df=10) plt.plot(x, p, 'k', linewidth=2) plt.title('student t distribution histogram') plt.show()

#### 6. 카이제곱 분포
- 카이제곱 분포
  - 범주형 데이터의 독립성 검정이나 적합도 검정에 사용되는 분포
  - 자유도에 따라 모양이 달라짐
  - 상관관계나 인과관계를 판별하고자 하는 원인의 독립변수가 완벽하게 서로 다른 질적 자료일 때 활용 
  → 예 : 성별이나 나이에 따른 선거 후보 지지율

- **카이제곱 분포의 실사용례**
  - 독립성 검정 : 두 범주형 변수가 관계가 있는지 확인할 때 사용
    - 예시 1 - 성별과 직업 선택 간의 독립성 검토
    - 예시 2 - 성별이 후보 지지율에 끼치는 영향 검토
  - 적합도 검정 : 관측한 값들이 특정 분포에 해당하는지 검정할 때 사용
     - 예시 1 - 주사위의 각 면이 동일한 확률으로 나오는지 검토
     - 예시 2 - 노란 완두, 녹색 완두가 3:1 비율 발생 → 실험 데이터가 그렇게 나오는지 검토

- **카이제곱 그래프 그리기**
![](https://velog.velcdn.com/images/dayeon_data/post/8eca1079-0364-4f1d-958d-91c2a7e0b6fe/image.png)

```python
# 카이제곱분포 생성
chi2_dist = np.random.chisquare(df=2, size=1000)

# 히스토그램으로 시각화
plt.hist(chi2_dist, bins=30, density=True, alpha=0.6, color='m')

# 카이제곱분포 곡선 추가
x = np.linspace(0, 10, 100)
p = stats.chi2.pdf(x, df=2)
plt.plot(x, p, 'k', linewidth=2)
plt.title('chi2 distribution histogram')
plt.show()

7. 이항분포

• 이항분포

  • 성공 / 실패와 같은 두 가지 결과를 가지는 실험을 여러 번 반복했을 때 성공 횟수의 분포
  • 성공확률을 p라고 할 때, 성공의 횟수를 확률적으로 나타냄
  • 실험횟수(n)과 성공확률(p)로 정의됨
  • 이항분포 그래프 그리기

    # 이항분포 생성 
    binom_dist = np.random.binomial(n=10, p=0.5, size=1000)
    

히스토그램으로 시각화

plt.hist(binom_dist, bins=10, density=True, alpha=0.6, color='y') plt.title('binomial distribution histogram') plt.show()

#### 8. 푸아송 분포 
- **푸아송 분포**
   - 단위 시간 또는 단위 면적 당 발생하는 사건의 수를 모델링 할 때 사용하는 분포
   - 평균 발생률 ` λ`를 가진 사건이 주어진 시간 또는 공간 내에서 몇 번 발생하는지를 나타냄

- **푸아송 분포 그래프 그리기**
![](https://velog.velcdn.com/images/dayeon_data/post/1915c449-5f2d-4d7d-9396-a42e13d40f0b/image.png)

```python
from scipy.stats import poisson

# 푸아송 분포 파라미터 설정
lambda_value = 4 # 평균 발생률
x = np.arange(0, 15) # 사건 발생 횟수 범위

# 푸아송 분포 확률 질량 함수 계산
poisson_pmf = poisson.pmf(x, lambda_value)

# 그래프 그리기
plt.figure(figsize=(10,6))
plt.bar(x, poisson_pmf, alpha = 0.6, color = 'b', label = f'Poisson PMF (lambda={lambda_value})')
plt.xlabel('Number of Events')
plt.ylabel('Probability')
plt.title('Poisson Distribution')
plt.legend()
plt.grid(True)
plt.show()

9. 분포 정리하기

• 분포들 간의 관계

  • 중심극한정리 : 대부분의 경우 데이터 수가 많아지면 정규분포에 수렴 → 긴 꼬리 분포는 데이터가 많아도 정규분포가 되지 않음
  • 데이터가 적을 경우에는 각 상황에 맞는 분포 선택

• 분포 고르기 팁!

  • 데이터 수가 충분하다 → 정규분포
  • 데이터 수가 작다 → 스튜던트 t 분포
  • 일부 데이터가 전체적으로 큰 영향을 미친다 → 롱 테일 분포
  • 범주형 데이터의 독립성 검정이나 적합도 검정 → 카이 제곱 분포
  • 결과가 두 개(성공, 실패)만 나오는 상황 → 이항 분포
  • 특정 시간, 공간에서 발생하는 사건 → 푸아송 분포

1. 통계학 수식

• $X$ : 확률 변수
• $x$ : 확률 변수의 실제 값
• $\sum$ : 데이터의 합
• $\mu$ : 모집단의 평균

  2. 자료형의 종류

• 범주형 자료
  • 명목형 자료 : 순서가 의미없는 자료
  • 순서형 자료 : 순서가 의미있는 자료

• 수치형 자료

  • 이산형 자료: 두 데이터 구간이 유한한 자료
  • 연속형 자료: 두 데이터 구간이 무한한 자료

    3. 중심 경향치

• 범주형 요약 : 최빈값(Mode) 사용

• 수치형 요약 : 평균(Mean), 중앙값(Median) 사용

  4. 산포도: 데이터의 퍼짐 정도를 나타내는 방법

• IQR (Inter Quantile Range): 백분위 기준 75%(Q3)와 백분위 기준 25%(Q1)의 차이

• 분산 : 평균 기준으로 데이터가 퍼진 정도 $Var = \sigma^2 = \frac{1}{n} \displaystyle\sum_{i=1}^{n}{(x_i-\mu)}^2$

  • 표준 편차: 분산의 제곱근 $\sigma = \sqrt{Var}$
  • 변동계수: 값 스케일에 따라 분산이 달라지는 것을 보정하기 위한 방법 $CV=\frac{표준편차}{평균}$

    5. Numpy 자주 쓰는 함수

• 기본 통계 함수

  • mean() : 데이터의 평균값 계산
  • median() : 데이터의 중앙값 계산
  • std() : 데이터의 표준편차 계산
  • var() : 데이터의 분산 계산
  • sum() : 데이터의 합계 계산
  • prod() : 데이터의 곱 계산

• 퍼센타일 및 백분위 함수

  • percentile() : 데이터의 특정 퍼센타일 값 계산
  • quantile() : 데이터의 특정 분위 값 계산

• 최소값 / 최대값 관련 함수

  • min() : 데이터의 최소값 반환
  • max() : 데이터의 최대값 반환
  • argmin() : 최소값의 인덱스 반환
  • argmax() : 최대값의 인덱스 반환

• 데이터 생성 및 처리 함수

  • histogram() : 데이터에서 히스토그램 계산
  • unique() : 데이터에서 고유값 반환
  • bincount() : 정수 배열의 값의 빈도 계산

• 랜덤 데이터 생성

  • np.random.seed()
    • 난수 생성의 초기값 설정으로 재현 가능성 보장
    • 예시: np.seed(42)
  • np.random.rand()
    • 0~1 사이 균등분포에서 난수 생성
    • 예시: np.random.rand(3,2)
  • np.random.randn()
    • 표준정규분포에서 난수 생성
    • 예시: np.random.randn(4)
  • np.random.randint()
    • 정수 난수 생성
    • 예시: np.random.randint(1,10,size=5)
  • np.random.uniform()
    • 균등 분포에서 난수 생성
    • 예시: np.random.uniform(0,10, size=5)
  • np.random.normal()
    • 정해진 평균과 표준편차에서 난수 생성
    • 예시: np.random.normal(0,1,size=10
  • np.random.choice()
    • 주어진 배열에서 임의의 값을 샘플링
    • 예시: np.random.choice([1,2,3], sice=2, replace=False)

▶ 통계학 라이브세션 : 2회차

■ 추가 참고 자료 - https://wikidocs.net/198620

1. 모집단과 표본집단

• 모집단(Population)

  • 표본의 전체가 되는 집단 (궁극적으로 관심있는 집단)
  • 모수(Parameter) : 모집단의 특징

• 표본집단(Sample)

  • 모집단에서 특정한 방법(sampling method)를 이용하여 뽑아낸 임의의 집단

  • 특징들을 통계량(Statistic)이라고 함

    2. 샘플링 편향

  • 모집단의 특정 개인이나 그룹이 다른 개인이나 그룹보다 표본에 포함될 가능성이 높아 표본이 편향되거나 대표성을 갖지 못하는 상황

    3. 기술통계 vs 추론통계

  • 기술통계: 데이터의 특징을 이리저리 살펴보는 과정

  • 추론통계: 표본으로부터 모집단을 추정(Estimation)하는 과정

    4. 분포(Distribution)

  • 데이터가 특정 값 중심으로 흩어진 형태를 나타내는 통계적 개념

  • 이산형 vs 연속형

  • 이산형 - 데이터 사이에 끊어짐이 있는 경우. 즉, 소수점 형태로 표현되지 못하는 데이터.

  • 연속형 - 데이터와 데이터 사이에 끊어짐이 없이 연속적으로 이어진 경우. 즉, 소수점 형태로 표현할 수 있는 데이터

  • 이산 확률 분포 vs 연속 확률 분포

  • 이산확률분포 - 확률질량함수(PMF)를 사용하여 각 값에 대한 확률 나타냄

  • 연속확률분포 - 확률밀도함수(PDF)를 사용하여 특정 구간에 대한 확률 계산

  • 장점

  • 데이터의 요약(중앙값, 평균, 분산) 등에 대한 수식 표현 가능

  • 모집단을 추정하는 가설의 기반

    5. 베르누이 분포 (Bernoulli Distribution)

  • 확률 변수가 취할 수 있는 경우가 2가지인 경우 (예 - 동전 던지기, 클릭 등)

  • 확률 질량 함수: 특정 값이 발생할 확률을 나타내는 함수

  • 베르누이 확률 질량 함수 수식

  $P(X=x) = p^x(1-p)^{1-x},$ $x \in {{0,1}}$

  • $P$ : 확률
  • $X$ : 확률 변수 → $X=1$은 성공, $X=0$은 실패를 나타냄
  • $x$ : 확률 변수의 실제 값
  • $p$ : 확률 실제값

    6. 이항 분포(Bionomial Distribution)

  • 베르누이 시행을 독립적으로 반복하여 결과를 관찰하는 경우 사용
  • 이진(binary) 결과를 가지는 시행에서 성공 횟수의 확률분포를 나타내는데 사용

• 이항 분포의 조건
  • 각 시행은 두 가지 가능한 결과 중 하나인 '성공'과 '실패'로 나뉨
  • 각 시행은 독립적. 이전 시행의 결과는 현재 시행에 영향을 주지 않음.
  • 각 시행에서의 성공 확률은 고정. 동일한 성공 확률로 시행이 반복됨.

• 이항 분포 표현식 $B(n,p)$
  • $n$ : 시행횟수
  • $p$ : 성공확률

• 이항 분포의 확률 질량 함수 수식

  $P=(X=k) = {n}C_{k}p^k(1-p)^{n-k}$

  • $P=(X=k)$ : 확률 변수 $X$가 $k$라는 값을 가질 확률

  • $n$ : 독립 시행의 총 횟수

  • $k$ : 성공한 횟수 (예: 동전을 10번 던져 3번 앞면이 나온다면 $k=3$

  • ${n}C_{k}$ : 조합, 즉, $n$번 시행 중에서 $k$번 성공하는 경우의 수

    • 계산식 $nC_k = \binom{n}{k} = \frac{n!}{k!(n-k)!}$

  • $p$ : 성공 확률 (각각의 시행에서 성공할 확률)

    • 예를 들어, 동전을 던질 때 앞면이 나올 확률은 $p=0.5$

  • $p^k$: 성공 확률 $p$가 $k$번 발생할 확률

    • 예: $p=0.5$, $k=3$이라면 $p^k = (0.5)^3 =0.125$

  • $(1-p)$ : 실패 확률 (각각의 시행에서 실패할 확률)

    • 예: 성공 확률이 $p=0.3$이라면 실패 확률은 $1-p=0.7$

  • $(1-p)^{n-k}$

    • 실패 확률 $(1-p)$가 $n-k$번 발생할 확률을 나타냄

      • 예: $n=5$, $k=2$, $1-p=0.7$이라면 $(1-p)^{n-k}=(0.7)^{5-2}=(0.7)^3=0.343$

• *이항 분포의 정규 근사 *

  $B(n, p) \approx N\left(np, \sqrt{np(1-p)}\right)$

  • 좌변 : $B(n, p)$

    • 이항 분포 : $n$번의 독립적인 시행에서 성공 확률이 $p$인 분포

  • 우변 : $N(\mu, \sigma^2)$

    • 정규 분포로 근사된 표현
      • $\mu = np$ : 평균적으로 성공할 횟수
      • $\sigma = \sqrt{np(1-p)}$: 이항 분포의 표준편차

  • 정규 근사 조건

    • $n$이 충분히 크고 $p$가 0이나 1에 너무 치우치지 않은 경우, 해당 데이터를 정규분포로 간주할 수 있음
    • $n\cdot p\geq5$
    • $n\cdot (1-p) \geq5$

7. 균등 분포(Uniform Distribution)

• 모든 값이나 구간이 동일한 확률을 가지는 분포
  • 이산 균등 분포: 특정한 정수 값들이 동일한 확률을 가짐
  • 연속 균등 분포: 특정 구간 내에서 모든 값이 동일한 확률 밀도를 가짐

8. 정규분포(Normal Distribution)

• 평균을 기준으로 좌우대칭
• 종모양으로 봉우리가 1개인 연속 확률 분포
• 자연 현상의 경우, 대부분 이 분포를 따름

• 정규 분포의 장점

  • 평균과 표준편차를 알고 있으면 전체 데이터의 몇 %에 포함되는지 알 수 있음

• 정규 분포 표현식

  $N\sim(\mu, \sigma^2)$

  • 확률 변수 $N$이 평균 $\mu$, 분산 $\sigma^2$를 가지는 정규분포를 따른다는 의미

9. 왜도와 첨도

• 왜도(skewness): 확률의 비대칭 정도를 나타내는 측도

  • 긴꼬리 분포라고도 하며 보통 결제 금액, 월급과 같은 수치가 right skewness 특성을 띈다.

• 첨도(kurtosis) : 종모양의 뾰족한 정도를 나타내는 측도

  • 첨도가 정규분포보다 낮으면 뭉툭한 모양으로 이상치가 적음
  • 첨도가 정규분포보다 높으면 꼬리(tail)가 길고 이상치가 많음

10. 표준정규분포

• $\mu = 0,\sigma = 1$인 정규 분포 ( 평균이 0이고 표준편차가 1인 정규 분포)
• 달성하기 위하여 모든 데이터에 대해 '정규화' 수행
  • 정규화(Nomalization) : 어떤 대상을 규칙이나 기준에 따른 상태로 만드는 방법
  • 추론 통계에서는 '모든 데이터에서 평균을 빼고 표준편차를 나누는 방법'을 말함
  • 또한 모든 Z값에 대해서 계산해 놓은 표가 있는데 이를 표준정규분포표라고 함
  • 아래의 표는 Z값의 왼쪽 끝부터 해당하는 X값 까지 누적된 확률값을 제공

11. Scipy 모듈

• 공학, 사회과학 등에 자주 사용하는 기초통계 모듈과 함수를 모아놓은 라이브러리

• Scipy 자주 쓰는 라이브러리

  • stats : 통계 분석과 확률 분포 관련 함수 제공
  • norm : 정규 분포 관련 함수 (PDF, CDF, 랜덤 샘플링 등)
  • uniform : 균등 분포
  • bernoulli : 베르누이 분포
  • binom : 이항분포
  • ttest_ind : 독립 두 표본에 대한 t-검정
  • ttest_rel : 대응표본 t-검정
  • mannwhiteneyu : Mann-Whitney U 비모수 검정
  • chi2_contingency : 카이제곱 독립성 검정
  • shapiro : Shapiro-Wilk 정규성 검정
  • kstest : Kolmogorov-Smirnov 검정 (분포 적합성 검정)
  • probplot : Q-Q plot 생성 (정규성 시각화)
  • pearsonr : Pearson 상관계수 계산
  • spearmanr : Spearman 순위 상관계수 계산
  • describe : 기술 통계량 제공 (평균, 표준편차 등)

• scipy.stats 메소드 ▶ scipy.stats 메뉴얼

  • rvs : 난수 생성

    • Numpy의 Random 모듈에 대응
    • scipy.stats.norm.rvs(loc= 1150, scale = 150, size = 1, random_state= None)
    • loc : 평균
    • scale : 표준편차
    • size : 생성할 데이터 갯수
    • random_state : 시드 설정

  • pdf : 특정 위치의 확률 구하기

    • pdf ⇒ Probability density function(확률밀도함수)
    • scipy.stats.norm.pdf(x = 1380, loc = 1150, scale = 150)
    • x : 구할 x축 값
    • loc : 평균
    • scale : 표준편차

  • cdf : 누적확률 분포 구하기

    • cdf ⇒ cumulative density function(누적밀도함수, pdf의 적분값)
    • pdf와 전달인자는 같으나 누적된 확률(밑변 넓이)를 구함
    • scipy.stats.norm.cdf(x = 1380, loc = 1150, scale = 150)
    • x : 구할 x축 값
    • loc : 평균
    • scale : 표준편차

  • ppf : 백분율을 알때 거꾸로 x 값 구하기

    • ppf: percent point function
    • cdf의 역함수
    • scipy.stats.norm.ppf(q = 0.937, loc = 1150, scale = 150)
      • q : 백분율
      • loc : 평균
      • scale : 표준편차

▶ 통계학 기초 1주차

1. 기술 통계

• 데이터를 요약하고 설명하는 통계 방법
  • 주로 평균, 중앙값, 분산, 표준편차 등을 사용 → 데이터를 특정 대표 값으로 요약

    2. 추론 통계

  • 표본 데이터를 통해 모집단의 특성을 추정하고 가설을 검정하는 통계 방법
    • 주로 신뢰구간, 가설검정 등을 사용

• 신뢰 구간 (Confidence Interval)
  • 모집단의 평균이 특정 범위 내에 있을 것이라는 확률을 나타냄
  • 일반적으로 95%의 신뢰 구간 사용

• 가설 검정 (Hypothesis Testing)
  • 가설검정은 모집단에 대한 가설을 검증하기 위해 사용
  • 귀무가설(H0) : 검증하고자 하는 가설이 틀렸음을 나타내는 기본 가설
  • 대립가설(H1) : 그 반대 가설로 주장하는 바를 나타냄
  • p-value를 통해 귀무가설을 기각할지 여부를 결정

3. 다양한 분석 방법

• 위치 추정: 데이터의 중심을 확인하는 방법 → 대표적으로 평균, 중앙값 확인

• 변이추정: 데이터들이 서로 얼마나 다른지 확인하는 방법 → 분산, 표준편차, 범위(range) 등을 사용

  • 데이터 분포 탐색: 데이터의 값들이 어떻게 이루어져 있는지 확인 → 히스토그램, 박스 플롯: 데이터의 분포를 시각적으로 표현하는 대표적인 방식
  • 이진 데이터와 범주 데이터 탐색: 데이터들이 서로 얼마나 다른지 확인 → 최빈값(개수가 가장 많은 값)을 주로 사용 → 파이 차트, 바 그래프: 이진 데이터와 범주 데이터의 분포를 표현하는 대표적인 방법
  • 상관관계: 데이터끼리 서로 관련이 있는지 확인하는 방법 → 상관계수 : 두 변수 간의 관계 측정
  • 인과관계와 상관관계의 차이
    • 상관관계: 두 변수 간의 관계를 나타냄
    • 인과관계: 한 변수가 다른 변수에 미치는 영향을 나타냄

• 두 개 이상의 변수 탐색 : 여러 데이터들끼리 서로 관련이 있는지 확인 → 다변량 분석 : 여러 변수 간의 관계를 분석하는 방법

• Numpy 라이브러리에서 제공하는 함수
• 지정된 범위 내에서 일정 간격으로 배열을 생성하는 데 사용
• Python의 range와 비슷하지만, 정수 뿐만 아니라 부동소수점 간격도 지원한다는 점에서 더 유용함

1. 사용법

numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None)

• start (optional)
  • 생성할 배열의 시작 값 지정
  • 기본값 = 0
• stop
  • 배열 생성이 멈출 값을 지정
  • stop은 포함되지 않음
• step (optional)
  • 값들 간의 간격 지정
  • 기본값 = 1
• dtype (optional)
  • 생성된 배열의 데이터 타입 지정
  • 지정하지 않으면 입력값에 따라 자동 추론
• like (optional)
  • 배열 생성 시 참조할 객체 지정
  • 주로 Numpy API 호환성을 위해 사용

    2. 반환값

• 지정된 범위와 간격에 따라 생성된 Numpy 배열 반환

  3. 예제

• 정수 간격으로 배열 생성

  import numpy as np
  arr = np.arange(5)
  print(arr)  # 출력: [0 1 2 3 4]

• start와 stop 지정

  arr = np.arange(2, 8)
  print(arr)  # 출력: [2 3 4 5 6 7]

• 소수점 간격

  arr = np.arange(0, 2, 0.5)
  print(arr)  # 출력: [0.  0.5  1.  1.5]

• dtype 지정

  arr = np.arange(1, 5, dtype=float)
  print(arr)  # 출력: [1. 2. 3. 4.]

  4. 주의사항

• 소수점 간격 사용 시, 부동소수점 오차로 인해 예상과 약간 다른 결과가 나올 수 있음 → 필요 시 np.linspace를 사용하는 것이 더 나을 수도 있음

print(f'변수: {변수: 타입 지시자}'

*▶ 예시 *

• 소수점 자리수 포맷팅
  • print(f'변수: {변수명: .nf}') : 변수를 소수점 n번째 자리까지 반올림하여 표시

    a = 10
    print(f"a: {a:.2f}")
    

''' [출력] a: 10.00 '''

- **백분율**
  - `print(f'변수: {변수명: .n%}')`
    - 소수점 2자리까지 % 형태로 출력
```python
percent = 0.8299
print(f'퍼센트: {percent:.2%}')

'''
[출력]
퍼센트: 82.99%
'''

• 부동 소수점 출력
  • print(f'변수: {변수명: g}')
  • 소수점이 있을 때만 float 형태로 출력

    _list = [2.0, 1.3, 1.0]
    

for _ in list: print(f"{:g}")

''' [출력] 2 1.3 1 '''
```

분석 작업 하느라 기록하는 걸 뒷전으로 했었는데, 다음부터는 효율적으로 작업해서 꼭 중간 과정을 기록할 수 있도록 해야겠다.

1. 잘한 점

• 주어진 데이터에 대해 계속 고민하고 논리적인 오류가 없는지 점검한 점. 앞으로 계속 유지해야 하는 태도라고 생각한다.

2. 문제점

• 첫 번째 프로젝트를 진행했을 때랑 같은 문제인 것 같은데, 이번에도 잘 안됐다. 데이터셋에 대한 명확한 이해가 되지 않은 상태에서 먼저 작업을 진행해서 비효율적으로 작업한 점이 아쉬웠다.
• 컬럼 하나 하나가 의미하는 바가 뭔지 정확하게 파악하고 싶어서 처음에 컬럼 네이밍이랑 일부 값들만 주구장창 들여다 봤는데, 전체적인 추이를 분석해보는게 더 효율적인 것 같다. 일부 값만 봐서는 백날 들여다봐도 별 인사이트를 얻어낼 수 없다는 점을 깨달았다..

3. 해결 방안

• 이 부분은 아직 내공이 부족해서 그런 것 같기도 하다. 공개되어 있는 다양한 데이터셋들로 데이터를 뜯어보는 연습을 하면 좋을 것 같다.
• 추가적으로 데이터가 뭘 말하고 있는 건지 이 데이터를 통해 어떤 의미를 도출해낼 수 있는지 생각해보는 연습이 필요하다는 생각이 들었다.
• 데이터 자체랑 친해지기..!! 그리고 컬럼의 의미를 파악하는 것만 중요한 게 아니라, 컬럼 내부의 값들이 어떤 양상을 띄고 있는지 파악하는 것도 중요하다. 앞으로 분석 작업을 할 때는 이러한 점을 반영해서 작업 효율을 높여야겠다.

1. 고객별 지출 비용 환산

• customer_id의 유니크 값 기준으로 총 지출 group

  # 고객당 총 지출 비용 환산
  customer_amount = transcript.groupby('customer_id')['amount'].sum().reset_index()
  

hisoplot 활용하여 값 분포 조회

sns.histplot(data = customer_amount, x = 'amount', bins = 50, kde=True)

- 결과 테이블
![](https://velog.velcdn.com/images/dayeon_data/post/f5959c40-0d18-417d-9988-903a58130c90/image.png)
- 값 분포 그래프
![](https://velog.velcdn.com/images/dayeon_data/post/58541bb8-574d-4520-b0cd-3276c42fdf36/image.png)

**2. 지출 구간 Group화 진행**
- 100달러 단위로 구간을 나누고 총 매출 대비 매출 비율 계산
> 특정 구간의 고객들이 전체 매출에서 얼마나 많은 비중의 매출을 내고 있는지 확인하는 작업 진행
```python
# 지출 금액 구간 컬럼 생성
customer_amount['지출 금액 구간'] = pd.cut(customer_amount['amount'], bins=range(0, int(customer_amount['amount'].max())+ 100, 100), right=False)

# 각 구간별 매출 비중 집계
total_amount = customer_amount['amount'].sum()
bins_amount = customer_amount.groupby('지출 금액 구간').sum('amount')
bins_amount['percent'] = round(bins_amount/total_amount * 100,2)

bins_amount

• 총 지출 100~200 달러 미만에 해당하는 고객들이 전체 매출의 35% 가량 발생 시키고 있음
• 총 지출 0 ~ 300 미만에 해당하는 고객 → 전체 매출의 78.41%
• 결과 테이블

3. 지출 금액 0 ~ 300 달러 구간 프로모션 데이터 분석

# 총 지출 금액 300달러 미만인 고객 필터링
filt_amount = customer_amount[customer_amount['amount'] < 300]

# 필터링 고객 id 기준으로 transcript 테이블 머지
trans_filt_amount = pd.merge(filt_amount, transcript, how = 'left', on = 'customer_id')

# amount_x 컬럼명 수정
trans_filt_amount = trans_filt_amount.rename(columns={'amount_x':'total_amount'})

# event type이 view인 행만 조회
trans_filt_view = trans_filt_amount.loc[trans_filt_amount['event'] == 'offer viewed']

# event type이 completed인 행만 조회
trans_filt_completed = trans_filt_amount.loc[trans_filt_amount['event'] == 'offer completed']

# 프로모션 정보 테이블과 view 테이블 머지
promotion_view = pd.merge(trans_filt_view, portfolio, how='left', on='offer_id')

# offer type의 고유값 개수 조회
print(promotion_view['channels'].value_counts(), promotion_view['offer_type'].value_counts())

# 프로모션 정보 테이블과 completed 테이블 머지
promotion_completed = pd.merge(trans_filt_completed, portfolio, how='left', on='offer_id')

# offer type의 고유값 개수 조회
print(promotion_completed['channels'].value_counts(), promotion_completed['offer_type'].value_counts())

• 조회 수 연산
  • web, email, mobile, social 채널의 프로모션의 조회수가 가장 높음
  • BOGO 타입의 프로모션 조회수가 가장 높음
• 완료 수 연산
  • web, email, mobile, social 채널 의 프로모션의 완료 수가 가장 많음
  • Discouunt 타입의 프로모션 완료 수가 가장 많음

4. 지출 금액 100 ~ 200 달러 구간 프로모션 데이터 분석

# 총 지출 금액 100-200달러 미만인 고객 필터링
filt_amount = customer_amount[(customer_amount['amount'] >=100)&(customer_amount['amount'] < 200)]

# 필터링 고객 id 기준으로 transcript 테이블 머지
trans_filt_amount = pd.merge(filt_amount, transcript, how = 'left', on = 'customer_id')

# amount_x 컬럼명 수정
trans_filt_amount = trans_filt_amount.rename(columns={'amount_x':'total_amount'})

# event type이 view인 행만 조회
trans_filt_view = trans_filt_amount.loc[trans_filt_amount['event'] == 'offer viewed']

# event type이 completed인 행만 조회
trans_filt_completed = trans_filt_amount.loc[trans_filt_amount['event'] == 'offer completed']

# 프로모션 정보 테이블과 view 테이블 머지
promotion_view = pd.merge(trans_filt_view, portfolio, how='left', on='offer_id')

# offer type의 고유값 개수 조회
print(promotion_view['channels'].value_counts(), promotion_view['offer_type'].value_counts())

• 조회 수 계산
  • web, email, mobile, social 채널의 프로모션의 조회수가 가장 높음
  • BOGO 타입의 프로모션 조회수가 가장 높음
• 완료 수 계산
  • web, email, mobile, social 채널 의 프로모션의 완료 수가 가장 많음
  • Discouunt 타입의 프로모션 완료 수가 가장 많음

5. 결제 횟수, 객단가, 총 결제 금액 간 상관관계 분석

• 구매 빈도 + 객단가 계산 코드

  # 고객당 총 지출 비용 환산 (전체 기간 기준)
  customer_amount = transcript.groupby('customer_id')['amount'].sum().reset_index()
  

고객당 총 결제 횟수 계산

customer_trans_count= transcript[transcript['event']=='transaction'].groupby('customer_id')['event'].count().reset_index()

테이블 머지

merge_table = pd.merge(customer_amount, customer_trans_count, on='customer_id')

객단가 계산 - 구매 기록 없는 고객 제외

merge_table['객단가'] = merge_table['amount'] / merge_table['event']

merge_table

- 구매 횟수 + 객단가 계산 테이블
![](https://velog.velcdn.com/images/dayeon_data/post/90076779-89a2-49e0-8940-9badca7a25f9/image.png)
- Heatmap 시각화
![](https://velog.velcdn.com/images/dayeon_data/post/8369c899-f460-465d-b772-e0c32170ea57/image.png)

- 상관관계 분석 코드
```python
columns = merge_table[['amount', 'event', '객단가']]

corr_matrix = columns.corr()
corr_matrix

sns.heatmap(corr_matrix, annot = True, cmap='coolwarm')

[ 객단가 - 총 결제 금액 간의 상관 계수 ] ⇒ 0.77 강한 양적 상관 관계

6. 총 지출 금액 상위 N% 고객의 지출 조회

# 상위 10% 기준 계산 - 구매 기록 없는 고객 제외
threshold_10 = merge_table['amount'].quantile(0.90)

# 상위 20% 기준 계산 - 구매 기록 없는 고객 제외
threshold_20 = merge_table['amount'].quantile(0.80)

# 상위 10% 고객 필터링 - 1,622명
top_10_percent = merge_table[merge_table['amount'] >= threshold_10]

# 상위 10% 고객 지출 / 전체 매출 - 35%
(top_10_percent['amount'].sum()/transcript['amount'].sum()) * 100

# 상위 20% 고객 필터링 - 3,240명
top_20_percent = merge_table[merge_table['amount'] >= threshold_20]

# 상위 20% 고객 지출 / 전체 매출 - 53%
(top_20_percent['amount'].sum()/transcript['amount'].sum()) * 100

• 상위 10% 고객의 매출이 전체 매출의 35% 차지 → min : 229.37 / max : 1608.69
• 상위 20% 고객의 매출이 전체 매출의 53% 차지 → min: 170.66 / max : 1608.69

• 주어진 반복 가능한 객체나 인자들 중에서 가장 큰 값을 반환하는 파이썬 내장함수

  max(iterable, *[, key, default])
  max(arg1, arg2, *args[, key])

• 1. 첫 번째 사용법(iterable)*
• max()는 반복 가능한 객체(iterable)에서 가장 큰 값 반환
• 선택적으로 key 매개변수를 사용하여 사용자 정의 기준에 따라 비교 가능
• 비어있는 iterable한 객체를 처리하려면 default 인수를 제공해야 함

  numbers = [1, 3, 2, 5, 4]
  print(max(numbers))  # 출력: 5

  strings = ["apple", "banana", "cherry"]
  print(max(strings, key=len))  # 출력: "banana" (길이를 기준으로 비교)

  empty_list = []
  print(max(empty_list, default="No elements"))  # 출력: "No elements"

• 2. 두 번째 사용법 (arg1, arg2, args)
• 두 개 이상의 인자를 개별적으로 전달 가능
• 이 경우 큰 인자를 반환
• 선택적으로 key 매개변수 사용 가능

  print(max(1, 3, 2, 5, 4))  # 출력: 5

  print(max("apple", "banana", "cherry", key=len))  # 출력: "banana"

• 3. 매개변수*
• iterable : 반복 가능한 객체 (리스트, 튜플, 문자열 등)
• arg1, arg2, *args : 개별 인자들
• key: 비교를 위한 사용자 정의 기준을 제공하는 함수
• default : 빈 반복 가능한 객체에서 반환할 기본값
  • iterable이 비어 있으면 default가 없을 경우 예외(ValueError)가 발생

선정 데이터: 스타벅스 마케팅 데이터

• 스타벅스 프로모션 제안 관련 고객 데이터
• 총 3개의 테이블로 프로모션 정보를 담은 portfolio 테이블, 고객 행동 기록 데이터를 담은 transcript 테이블, 고객 정보를 담은 profile 테이블로 구성

Raw Data 구조

1. Portfolio 테이블

✅ Portfolio 테이블 설명 → 프로모션 정보 테이블 수신 가능한 프로모션 제안에 대한 정보와 각 프로모션의 유형, 프로모션 기간, 보상 그리고 해당 프로모션이 고객에게 어떻게 배포 되었는지에 대한 기본 정보

1-1) reward

• 제안을 완료했을 때 제공되는 보상 ( → 단위 확인되면 좋을 것 같은데.. )

1-2) channels

• 마케팅 채널 → 문자열 리스트로 구성
• 리스트 포함 요소 : web / email / mobile / social

1-3) difficulty

• 오퍼를 완료하기 위해 필요한 최소 지출액 ( → 얘도 단위 확인되면 좋을 것 같다..ㅜㅜ )

*1-4) duration *

• 기간 ( → 컬럼 설명에 UNKNOWN으로 되어 있어서 어떻게 처리할지 더 생각해봐야 할 것 같다. )

*1-5) offer_type *

• 프로모션 제안 유형 : 1+1(BOGO), 할인, 정보 제공
• 고유값 : Bogo, infomational, discount

1-6) id

• 오퍼 id
• portfolio 테이블과 연결할 때 사용

2. Profile 테이블

*✅ profile 테이블 설명 → 고객 정보 테이블 *

• 각 사람에 대한 연령, 급여, 성별과 같은 차원 데이터를 포함
• 각 기록에는 하나의 고유한 고객이 포함되어 있음

2-1) gender

• • 고객의 성별 (일부 항목에는 M 또는 F 대신 'O'(기타)를 포함하고 있음)
• 결측치 : 2,175
• 성별 데이터 기준으로 분류 시 O, Nan은 데이터에서 제거
  • 총 17,000건의 데이터 중 2,387 건이 O , Nan 에 해당

    # gender 컬럼의 Value_count
    profile['gender'].value_counts(dropna=False)
    

''' gender M 8484 F 6129 NaN 2175 O 212 '''

**2-2) age**
- 고객의 나이
- 결측치 : 0 / min 값 : 118 / max 값: 18
```python
# age 컬럼 결측치 조회
null_cnt = profile['age'].isna().sum()

# min, max 값 조회
max_age = max(profile['age'])
min_age = min(profile['age'])


print(f'결측치: {null_cnt}')
print(f'max: {max_age}, min: {min_age}')

2-3) id

• 고객 id
• transcript 테이블의 person과 연결
• 결측치 : 0 / 중복값 : 0

  # id 컬럼 null값 조회
  profile['id'].isna().sum()
  

중복값 개수 조회

profile['id'].duplicated().sum()

**2-4) became_member_on**
- 고객이 앱 계정을 생성한 날짜
- 결측치 : 0 , min: 20230729, max: 20180726
-  dtype ⇒ int (형 변환 작업 필요)
```python
# became_member_on 결측치 조회
profile['became_member_on'].isna().sum()

# dtype 조회
profile['became_member_on'].dtypes

# min, max 값 조회
max(profile['became_member_on']) 
min(profile['became_member_on'])

2-5) income

• 고객의 수입
• 결측치: 2,175 , max: 120,000, min: 30,000

  # income 결측치 조회
  profile['income'].isna().sum()
  

min, max 값 조회

max(profile['income'].dropna()) min(profile['income'].dropna())

→ max 연산자 사용 했더니 결과값이 `nan`으로 나왔다 .. ⇒ 결측값 제거 후 다시 연산해서 해결!

---
#### 3. transcript 테이블
![](https://velog.velcdn.com/images/dayeon_data/post/a25b1b22-e043-4705-99be-7e75ad013874/image.png)

> **✅ transcript 테이블 설명 ⇒** 프로모션 수신 기록 테이블
- 기록에는 고객이 받은 프로모션 오퍼의 여러 단계가 표시
- 프로모션 수신의 고유 값은 수신, 보기, 완료 
- 고객이 고객이 된 이후 시간 동안 수행한 다양한 거래도 확인 가능
- 모든 기록을 통해 스타벅스와 상호작용한 날짜와 금액도 확인 가능

**3-1) person**
- 고객 id 
- `profile` 테이블의 `id` 와 연결

**3-2) event**
- record의 유형
- 고유 값 : offer received / offer viewed / transction / offer 
completed
* value_count 그래프
![](https://velog.velcdn.com/images/dayeon_data/post/b03f7a5b-0231-4789-a62d-2586174185ad/image.png)
```python
# event 컬럼의 Value Count
event_value_cnt = transcript['event'].value_counts(dropna=False)
event_value_cnt = pd.DataFrame(event_value_cnt).reset_index()
event_value_cnt

bar = plt.bar(event_value_cnt['event'], event_value_cnt['count'])

for rect in bar:
    height = rect.get_height()
    plt.text(rect.get_x() + rect.get_width()/2.0, height, '%.1f' % height, ha='center', va='bottom', size = 9)

3-3) value

• record 유형에 따른 프로모션 ID or 거래 금액을 나타냄
• 문자열 Dictionary → 전처리 작업 필요

3-4) time

• 시간 (시간 단위) → 정확한 의미는 알지 못하겠으나.. 가입 후 해당 행동까지 소요된 시간을 의미하는 건가..? → 더 탐구해봐야 할 필요성..!
• Data는 t=0에서 시작

간단한 전처리 작업

1. Profile 테이블

• became_member_on 컬럼
  • dtype → int ⇒ datetime 형태로 변환

    profile['became_member_on'] = pd.to_datetime(profile['became_member_on'])

  • age 컬럼
    • 이상치 판별에 대한 기준이 필요할 듯..
    • age가 80 이상인 행 수 = 3,277
    • age가 90 이상인 행 수 = 2,446
    • 전체 행 수 = 17,000

      # df.shape = (행 개수, 열 개수) 튜플 반환
      

80세 이상 데이터 수

profile[profile['age'] >= 80].shape[0]

90세 이상 데이터 수

profile[profile['age'] >= 90].shape[0]

#### 2. transcript 테이블
- value 컬럼
  - transcript의 value 컬럼 = 문자열 Dictionary 형태로 구성
  - `json` 형태의 데이터를 꺼내 개별 컬럼에 추가해주는 작업 진행
![](https://velog.velcdn.com/images/dayeon_data/post/e0dd5b39-3a70-497e-98e4-88b3dbccacb8/image.png)

**[ 세부 작업 내용 ]**
- transcript의 value 컬럼 정규화
  - `pd.json_normalize()` 바로 적용하려 했는데 에러 발생
  - value 컬럼의 첫번째 값을 뽑아봤더니 string 형태
![](https://velog.velcdn.com/images/dayeon_data/post/a867e4a4-460b-4aa7-b535-75c48945c02d/image.png)
  -  `ast` 모듈의 `literal_eval` 사용하여 Dict 타입으로 변환
- 정상적으로 데이터 변환되는 것 확인
![](https://velog.velcdn.com/images/dayeon_data/post/d1568cf6-da95-4790-a5bc-1feb8822e37f/image.png)
- 리스트 컴프리헨션 사용하여 value 컬럼의 데이터 타입 교체
- `json_normalize` 활용하여 별도의 테이블로 추출
```python
# value 컬럼 데이터 형 변환
transcript['value'] = [literal_eval(x) for x in transcript['value']]

# json_normalize() : 딕셔너리 => 테이블로 변환
value_df = pd.json_normalize(transcript['value'])

value_df

• offer id를 표시하는 컬럼이 두 개로 나눠짐 (offer_id , offer id) → offer_id의 결측 값을 offer id 의 값으로 대체

  # offer_id 컬럼의 결측값에 offer id 컬럼값 입력
  value_df['offer_id'] = value_df['offer_id'].fillna(value_df['offer id'])

• 기존 테이블에 value 테이블의 값 집어넣기

  # 기존 테이블(transcript)에 value 값 합치기
  transcript['value_offer_id'] = value_df['offer_id']
  transcript['value_amount'] = value_df['amount']
  transcript['value_reward'] = value_df['reward']

수정 데이터 구조

문제 ▶ 프로그래머스 링크 길이가 같은 두 1차원 정수 배열 a, b가 매개변수로 주어집니다. a와 b의 내적을 return 하도록 solution 함수를 완성해주세요. 이때, a와 b의 내적은 a[0]*b[0] + a[1]*b[1] + ... + a[n-1]*b[n-1] 입니다. (n은 a, b의 길이)

# 오답 코드
def solution(a,b):
    answer = 0
    for num_a in a:
        for num_b in b:
            answer += num_a * num_b 
    return answer

• 오답: 이중 for문을 돌렸는데 정답이 이상하게 나왔다! → for문 2개를 하나씩 돌리면 결과값이 나오지 않을까? = 멍청한 생각이었음.. → 아래 코드에서는 첫 번째 for문이 한 번 돌 때마다 두 번째 for문은 list의 원소를 다 출력해 버린다. → 즉, a[0]*b[0] + a[0]*b[1] + … + a[0]*b[-1] ⇒ 이딴 식으로 결과 값이 나오는 것!

• 해결 방안 1: for i in range (0, len(list))로 숫자를 뽑아 인덱스 번호를 할당해서 계산하기

  def solution(a, b):
    answer = 0
    for i in range(0,len(a)):
        answer += a[i] * b[i]
    return answer

• 해결 방안 2: zip() 사용하기 → 사실 이 방법을 몰라서 이중 for문을 돌리는 우매한 선택을 해버렸던 것..

  def solution(a, b):
    answer = 0
    for n1, n2 in zip(a, b):
        answer += n1 * n2
    return answer

[문제] 문자열 내림차순으로 배치하기 문자열 s에 나타나는 문자를 큰것부터 작은 순으로 정렬해 새로운 문자열을 리턴하는 함수, solution을 완성해주세요. s는 영문 대소문자로만 구성되어 있으며, 대문자는 소문자보다 작은 것으로 간주합니다.

# 정답 코드
def solution(s):
    answer = ''
    s = sorted(list(s), reverse = True)   
    answer = ''.join(s)
    return answer

• 입력된 문자열 s를 list()로 형 변환 해준 뒤, sorted() 함수를 사용하여 순서 뒤집기
• join() 사용하여 리스트 내부의 요소들 문자열 형태로 재정렬

[▶ TIP] sorted() 함수의 문자열 정렬

** 1. 정렬 기준**

• 유니코드 코드 포인트 순서
  • 각 문자의 유니코드 값에 따라 정렬
  • 유니코드 값은 ord() 함수를 사용하여 확인
• 대소문자 구분
  • 소문자의 유니코드 값은 대문자보다 큼
  • 따라서 기본 정렬에서는 대문자가 소문자보다 앞에 위치
• 사전 순서
  • 같은 문자를 여러 개 포함하는 경우, 입력된 문자열에서 나타난 순서를 기준으로 정렬

2. 사용 예제

• 문자열 정렬

  text = "HelloWorld"
  sorted_text = sorted(text)
  print(sorted_text)  # 출력: ['H', 'W', 'd', 'e', 'l', 'l', 'l', 'o', 'o', 'r']

• 대소문자 혼합 문자열 정렬

  text = "aAbBcC"
  sorted_text = sorted(text)
  print(sorted_text)  # 출력: ['A', 'B', 'C', 'a', 'b', 'c']

• 역순 정렬

  text = "HelloWorld"
  sorted_text = sorted(text, reverse=True)
  print(sorted_text)  # 출력: ['r', 'o', 'o', 'l', 'l', 'l', 'e', 'd', 'W', 'H']

3. 정렬 기준 커스터마이징

• 대소문자를 무시한 정렬
  • key=str.lower를 사용하여 대소문자 구분 없이 정렬

text = "aAbBcC"
sorted_text = ''.join(sorted(text, key=str.lower))
print(sorted_text)  # 출력: aAbBcC

• 유니코드 역순 정렬

  text = "HelloWorld"
  sorted_text = ''.join(sorted(text, key=ord, reverse=True))
  print(sorted_text)  # 출력: rllloWdHeo