128. 칼로리 식단 기록 및 체지방 변동 실습
실전 데이터 분석 128: 에너지 보존 법칙에 따른 다이어트 대사 통계
📊 실습 개요 (Tutorial Overview)
본 실습은 실제 비즈니스 및 학계에서 자주 마주하는 칼로리 식단 기록 및 체지방 변동를 주제로 다룹니다. 수집된 실제 통계 데이터셋을 바탕으로 Pandas 라이브러리를 통해 결측치를 과학적으로 정제하고, Seaborn 시각화를 통해 다중 요인의 입체적인 상관 경향을 진단합니다.
🛠️ 핵심 분석 실습 역량 (Core Skills)
- 결측치 mean 대치 (`fillna`): 모바일 생체 검진 기기 전원 방전 또는 환자 기재 미비으로 발생한 단백질섭취량 변수의 빈칸을 안전하게 채웁니다.
- 상관 시너지 데이터 분석 및 해석: 단변수 빈도 분포 점검 및 독립/종속 다변수 결합 시각화를 통해 실무 가설을 증명합니다.
🧐 실무 도메인 지식 가이드 (Domain Knowledge Guide)
💰 금융 및 핀테크 (Finance & FinTech) 금융 데이터 분석은 자산의 리스크 관리(Credit Risk), 투자 자산 평가, 이상 금융 거래 감지(FDS) 등을 해결하기 위한 통계적 검정 분야입니다.
- 리스크와 대출 부도(Default): 대출 연체 여부나 투자 손실 위험은 금융 자산 건전성을 지키기 위해 고도화된 스코어링 모형으로 분석됩니다.
- 소득 대비 부채 비율(DTI): 개인이 갚을 수 있는 능력 한도를 객관적으로 판단하는 지표로 금융 신용 여신 관리의 핵심 척도입니다.
- 자산 변동성(Volatility): 주가나 크립토 시세의 표준편차는 위험 자산의 위험도를 계산(VaR)하고 투자 포트폴리오를 다변화하는 기준이 됩니다.
Step 1: 데이터 불러오기 및 기본 정보 확인 (Data Load)
제공된 CSV 파일을 분석 컴퓨터로 불러와 로드하고, 컬럼의 타입 및 데이터 구조를 확인합니다.
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 한글 폰트 설정
import koreanize_matplotlib
sns.set_theme(style="whitegrid")
# 데이터 로드
df = pd.read_csv('./diet_caloric_balance.csv')
print(df.info())
print(df.head())
💻 [실행 결과]
<class 'pandas.DataFrame'> RangeIndex: 1000 entries, 0 to 999 Data columns (total 6 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 UserID 1000 non-null int64 1 CalorieDeficit 1000 non-null float64 2 CarbsRatio_Percent 1000 non-null float64 3 ProteinIntake_g 985 non-null float64 4 WeightChange_Kg 1000 non-null float64 5 MetabolicRate 1000 non-null float64 dtypes: float64(5), int64(1) memory usage: 47.0 KB None UserID CalorieDeficit ... WeightChange_Kg MetabolicRate 0 1280001 90.0 ... 64.9 44.4 1 1280002 115.5 ... 94.3 56.3 2 1280003 117.5 ... 81.6 31.6 3 1280004 68.7 ... 99.0 37.5 4 1280005 111.5 ... 120.9 36.3 [5 rows x 6 columns]
RangeIndex: 1000 entries, 0 to 999
Data columns (total 6 columns):
# Column Non-Null Count Dtype
— —— ————– —–
0 UserID 1000 non-null int64
1 CalorieDeficit 1000 non-null float64
2 CarbsRatio_Percent 1000 non-null float64
3 ProteinIntake_g 985 non-null float64
4 WeightChange_Kg 1000 non-null float64
5 MetabolicRate 1000 non-null float64
dtypes: float64(5), int64(1)
memory usage: 47.0 KB
UserID CalorieDeficit CarbsRatio_Percent ProteinIntake_g WeightChange_Kg MetabolicRate 0 1280001 90.0 51.1 136.5 64.9 44.4 1 1280002 115.5 42.9 97.3 94.3 56.3 2 1280003 117.5 59.8 99.9 81.6 31.6 3 1280004 68.7 43.6 124.0 99.0 37.5 4 1280005 111.5 53.6 75.7 120.9 36.3 ```
Step 2: 결측치 및 데이터 정제 (Data Cleaning)
수집 과정에서 빈칸으로 기록된 결측값(NaN)의 존재 여부를 진단하고, 데이터 도메인 성격에 부합하는 통계 수치 대입 기법으로 정제합니다.
# 1. 컬럼별 결측치 개수 확인
print("--- 정제 전 결측치 확인 ---")
print(df.isnull().sum())
# 2. 결측치 전처리 및 대치 수행
mean_val = df['ProteinIntake_g'].mean().round(1)
df['ProteinIntake_g'] = df['ProteinIntake_g'].fillna(mean_val)
print(df.isnull().sum())
💻 [실행 결과]
--- 정제 전 결측치 확인 --- UserID 0 CalorieDeficit 0 CarbsRatio_Percent 0 ProteinIntake_g 15 WeightChange_Kg 0 MetabolicRate 0 dtype: int64 UserID 0 CalorieDeficit 0 CarbsRatio_Percent 0 ProteinIntake_g 0 WeightChange_Kg 0 MetabolicRate 0 dtype: int64
CalorieDeficit 0 CarbsRatio_Percent 0 ProteinIntake_g 15 WeightChange_Kg 0 MetabolicRate 0
— 정제 후 결측치 확인 — UserID 0 CalorieDeficit 0 CarbsRatio_Percent 0 ProteinIntake_g 0 WeightChange_Kg 0 MetabolicRate 0 ```
💡 분석가의 통찰 (Analyst’s Insight)
- 평균 대입 적용의 비즈니스 및 통계적 근거: 단백질섭취량 지표는 평시 상태에서 정규분포 중심에 수렴하므로, 누락된 값을 피실험자 및 이용자 평균값으로 메워 왜곡을 최소화합니다.
Step 3: 단변수 분포 분석 (Univariate EDA)
가장 먼저 핵심 변수가 전체 데이터에서 어떤 빈도와 분포를 가졌는지 단일 변수 시각화를 통해 파악해 봅니다.
plt.figure(figsize=(8, 5))
# 단변수 분석 그래프 생성
sns.histplot(data=df, x='WeightChange_Kg', kde=True, color='teal')
plt.title('칼로리 식단 기록 및 체지방 변동 빈도 분포', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 시각화 차트 읽는 법 & 인사이트
- 밀도 집중 대역 확인: WeightChange_Kg 변수의 종형 곡선 또는 비대칭 스케일을 관찰하여, 다수가 모여 있는 주류 대역과 이상 극단치 구간을 감별합니다.
Step 4: 다변수 상관관계 및 이상치 분석 (Multivariate EDA)
두 개 이상의 변수를 동시에 결합하여, 조건에 따른 수치 차이나 독립 변수와 종속 변수 간의 통계적 경향을 분석합니다.
plt.figure(figsize=(9, 6))
# 다변수 분석 그래프 생성
sns.scatterplot(data=df, x='CalorieDeficit', y='WeightChange_Kg', hue='ProteinIntake_g', palette='coolwarm', alpha=0.8)
plt.title('CalorieDeficit와 WeightChange_Kg 상관성 및 ProteinIntake_g 대조', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 코드 딥다이브 & 비즈니스 통찰 (Analyst’s Insight)
- 분산 경향과 위험 타겟 집중 진단: X축과 Y축 간의 선형 양/음의 관계선 흐름 속에서, ProteinIntake_g 색상 점들이 특정한 영역에 쏠려 있는지 판독하여 다중 요인의 연계 시너지를 증명합니다.
Step 5: 통계적 직관과 해석 (Statistical Logic)
💡 [분석 도메인 통계 지식 한눈에 보기] 본 실습은 칼로리 식단 기록 및 체지방 변동를 판독하기 위한 의사결정 프레임워크를 제공합니다.
- 단순 평균(Mean) 비교의 함정을 방어하기 위해 집단 간의 표준편차(Standard Deviation) 분산을 대조하고, 다변수 회귀 검증을 통해 우연의 일치가 아님을 유의 수준(p-value)을 통해 입증하는 의사결정 습관이 중요합니다.
🎯 30분 강의 마무리 및 심화 과제
오늘 우리는 실전 데이터셋을 분석하여 판다스로 데이터를 가공 및 정제하고, 시각화를 활용하여 핵심 변수 간의 통계적 유의성을 검증했습니다. 데이터 속에서 숨겨진 패턴을 올바른 시각으로 탐색하는 능력이 데이터 사이언티스트의 가장 강력한 무기입니다.
📝 심화 과제 (Advanced Challenge)
- 결측치를 채우기 전과 후의 통계량 변화 대조: 전후의 평균값 및 분산 격차를 코드로 구해 설명력을 확인하세요.
- 타겟 변수 기준 그룹화 비교: 타겟 레이블값 유무에 따른 핵심 피처들의 중간값 테이블 요약을 출력해 분석해 보세요.