Ch8. Python 기초 — 실전 프로젝트와 Python 활용 분야

Python 기초 시리즈를 마무리하며

지금까지 7개 챕터에 걸쳐 파이썬의 핵심 문법을 체계적으로 학습했습니다. 마지막 챕터에서는 그동안 배운 내용을 종합하여 실전 프로젝트를 작성하고, 파이썬이 어떤 분야에서 어떻게 활용되는지, 그리고 취업·진로와 어떻게 연결되는지 살펴봅니다.

Python으로 할 수 있는 것들

1. 업무 자동화

반복적인 작업을 파이썬 스크립트로 자동화하면 수십 시간의 작업을 몇 초로 줄일 수 있습니다.

파일/폴더 일괄 이름 변경
엑셀 보고서 자동 생성
이메일 자동 발송
웹 크롤링 및 스크래핑
PDF 자동 처리

2. 데이터 분석 및 시각화

pandas로 데이터 정제·분석
matplotlib/seaborn으로 그래프 생성
통계 분석 및 리포트 작성

3. 인공지능 및 머신러닝

scikit-learn으로 머신러닝 모델 구축
TensorFlow/PyTorch로 딥러닝
자연어 처리 (NLP)

4. 웹 개발

Django: 대규모 웹 서비스
Flask: 경량 웹 프레임워크
FastAPI: 고성능 REST API

5. 임베디드 및 IoT

Raspberry Pi 제어
센서 데이터 처리
MicroPython으로 마이크로컨트롤러 프로그래밍

실전 프로젝트 1: 파일 정리 자동화 스크립트

다운로드 폴더의 파일을 확장자별로 자동 분류합니다.

import os
import shutil
from datetime import datetime

def organize_files(source_dir):
    """
    지정된 디렉토리의 파일을 확장자별로 분류합니다.
    """
    # 확장자별 폴더 매핑
    categories = {
        "이미지": [".jpg", ".jpeg", ".png", ".gif", ".bmp", ".svg", ".webp"],
        "문서": [".pdf", ".doc", ".docx", ".txt", ".hwp", ".pptx", ".xlsx"],
        "동영상": [".mp4", ".avi", ".mov", ".mkv", ".wmv"],
        "음악": [".mp3", ".wav", ".flac", ".aac"],
        "압축파일": [".zip", ".rar", ".7z", ".tar", ".gz"],
        "코드": [".py", ".js", ".html", ".css", ".java", ".cpp"],
    }

    # 역방향 매핑: 확장자 → 카테고리명
    ext_to_category = {}
    for category, extensions in categories.items():
        for ext in extensions:
            ext_to_category[ext] = category

    moved_count = 0
    log_entries = []

    for filename in os.listdir(source_dir):
        filepath = os.path.join(source_dir, filename)

        # 폴더는 건너뜀
        if os.path.isdir(filepath):
            continue

        # 확장자 추출
        _, ext = os.path.splitext(filename)
        ext = ext.lower()

        # 카테고리 결정
        category = ext_to_category.get(ext, "기타")

        # 대상 폴더 생성
        dest_dir = os.path.join(source_dir, category)
        os.makedirs(dest_dir, exist_ok=True)

        # 파일 이동
        dest_path = os.path.join(dest_dir, filename)
        shutil.move(filepath, dest_path)
        moved_count += 1

        log_msg = f"{filename} → {category}/"
        log_entries.append(log_msg)
        print(f"이동: {log_msg}")

    # 로그 파일 저장
    log_filename = f"organize_log_{datetime.now().strftime('%Y%m%d_%H%M%S')}.txt"
    log_path = os.path.join(source_dir, log_filename)
    with open(log_path, "w", encoding="utf-8") as f:
        f.write(f"파일 정리 완료: {datetime.now()}\n")
        f.write(f"총 {moved_count}개 파일 이동\n\n")
        f.write("\n".join(log_entries))

    print(f"\n완료! 총 {moved_count}개 파일을 정리했습니다.")
    print(f"로그: {log_path}")

# 실행 예시
# organize_files("/Users/username/Downloads")

실전 프로젝트 2: 성적 분석 리포트 생성기

CSV 파일의 학생 성적 데이터를 분석하고 리포트를 출력합니다.

import pandas as pd
import numpy as np
from datetime import date

def analyze_grades(csv_path):
    """성적 CSV 파일을 분석하고 리포트를 생성합니다."""

    # 데이터 로드
    try:
        df = pd.read_csv(csv_path, encoding="utf-8-sig")
    except FileNotFoundError:
        print(f"오류: '{csv_path}' 파일을 찾을 수 없습니다.")
        return

    # 필요한 열 확인
    required_cols = ["학번", "이름", "국어", "영어", "수학"]
    missing = [c for c in required_cols if c not in df.columns]
    if missing:
        print(f"오류: 필수 열이 없습니다: {missing}")
        return

    # 평균 계산
    subjects = ["국어", "영어", "수학"]
    df["평균"] = df[subjects].mean(axis=1).round(1)

    # 등급 산정
    def to_grade(score):
        if score >= 90: return "A"
        elif score >= 80: return "B"
        elif score >= 70: return "C"
        elif score >= 60: return "D"
        else: return "F"

    df["등급"] = df["평균"].apply(to_grade)
    df["석차"] = df["평균"].rank(ascending=False, method="min").astype(int)

    # 리포트 헤더
    separator = "=" * 60
    print(separator)
    print(f"  성적 분석 리포트 — {date.today()}")
    print(separator)
    print(f"  총 학생 수: {len(df)}명")
    print()

    # 과목별 통계
    print("[ 과목별 통계 ]")
    stats = df[subjects].agg(["mean", "max", "min", "std"]).round(1)
    stats.index = ["평균", "최고", "최저", "표준편차"]
    print(stats.to_string())
    print()

    # 등급 분포
    print("[ 등급 분포 ]")
    for grade in ["A", "B", "C", "D", "F"]:
        count = len(df[df["등급"] == grade])
        bar = "█" * count
        print(f"  {grade}: {bar} ({count}명)")
    print()

    # 상위 5명
    print("[ 상위 5명 ]")
    top5 = df.nsmallest(5, "석차")[["석차", "이름", "평균", "등급"]]
    print(top5.to_string(index=False))
    print()

    # 결과 저장
    output_path = csv_path.replace(".csv", "_분석결과.csv")
    df.to_csv(output_path, index=False, encoding="utf-8-sig")
    print(f"분석 결과 저장: {output_path}")

# analyze_grades("students.csv")

실전 프로젝트 3: 간단한 단어장 앱 (CLI)

JSON 파일을 사용한 영단어 암기 프로그램입니다.

import json
import random
import os

WORDBOOK_FILE = "wordbook.json"

def load_wordbook():
    if os.path.exists(WORDBOOK_FILE):
        with open(WORDBOOK_FILE, "r", encoding="utf-8") as f:
            return json.load(f)
    return {}

def save_wordbook(wb):
    with open(WORDBOOK_FILE, "w", encoding="utf-8") as f:
        json.dump(wb, f, ensure_ascii=False, indent=2)

def add_word(wb):
    word = input("영단어: ").strip()
    meaning = input("뜻: ").strip()
    if word and meaning:
        wb[word] = meaning
        save_wordbook(wb)
        print(f"'{word}' 추가 완료!")

def quiz(wb):
    if len(wb) < 2:
        print("단어가 2개 이상 필요합니다.")
        return
    words = list(wb.keys())
    word = random.choice(words)
    print(f"\n문제: '{word}'의 뜻은?")
    answer = input("답: ").strip()
    correct = wb[word]
    if answer == correct:
        print("정답!")
    else:
        print(f"오답! 정답: {correct}")

def list_words(wb):
    if not wb:
        print("저장된 단어가 없습니다.")
        return
    print(f"\n{'단어':15s} {'뜻'}")
    print("-" * 35)
    for word, meaning in sorted(wb.items()):
        print(f"{word:15s} {meaning}")

def main():
    wb = load_wordbook()
    while True:
        print("\n=== 단어장 ===")
        print("1. 단어 추가  2. 퀴즈  3. 목록  4. 종료")
        choice = input("선택: ").strip()
        if choice == "1":
            add_word(wb)
        elif choice == "2":
            quiz(wb)
        elif choice == "3":
            list_words(wb)
        elif choice == "4":
            print("종료합니다.")
            break
        else:
            print("1~4 중 선택해주세요.")

# main()

Python 취업 활용 로드맵

직무별 주요 스킬

직무	핵심 기술	추천 프레임워크
데이터 분석가	pandas, numpy, matplotlib	seaborn, plotly
데이터 사이언티스트	scikit-learn, 통계학	XGBoost, LightGBM
ML 엔지니어	딥러닝, MLOps	TensorFlow, PyTorch
백엔드 개발자	REST API, DB 설계	Django, FastAPI
자동화 엔지니어	스크래핑, RPA	Selenium, BeautifulSoup
퀀트/핀테크	금융 수학, 통계	QuantLib, zipline

단계별 학습 로드맵

1단계 — 기초 (0~3개월)

Python 문법 마스터 (이 시리즈 완성!)
git/GitHub 기초
간단한 CLI 프로젝트 2~3개

2단계 — 심화 (3~6개월)

OOP(객체지향 프로그래밍) 이해
데이터베이스 기초 (SQLite, PostgreSQL)
원하는 분야 라이브러리 집중 학습

3단계 — 프로젝트 (6~12개월)

실전 프로젝트 GitHub에 공개
포트폴리오 구성
Kaggle 참여 (데이터 분야) 또는 오픈소스 기여

4단계 — 취업 준비

코딩 테스트 준비 (프로그래머스, 백준)
기술 면접 대비
인턴십 및 공채 지원

Python 커뮤니티 및 학습 자료

자료	설명	링크
공식 문서	파이썬 공식 튜토리얼	docs.python.org/ko
프로그래머스	코딩 테스트 실전 연습	programmers.co.kr
Kaggle	데이터 분석 실전	kaggle.com
PyPI	패키지 검색	pypi.org
Stack Overflow	기술 Q&A	stackoverflow.com
파이콘 한국	파이썬 컨퍼런스	pycon.kr

시리즈 전체 복습 요약

챕터	주제	핵심 키워드
Ch1	소개·설치	설치, IDLE, VS Code, print()
Ch2	변수·타입	int, float, str, bool, 형변환, input()
Ch3	조건·반복	if/elif/else, for, while, break, continue
Ch4	함수·모듈	def, return, args, *kwargs, import
Ch5	자료구조	list, tuple, dict, set, 컴프리헨션
Ch6	파일·예외	open(), with, try/except/finally
Ch7	numpy·pandas	ndarray, DataFrame, 데이터 분석
Ch8	실전·활용	자동화, 프로젝트, 취업 로드맵

모의고사 10문항 — Python 기초 종합

이 시리즈에서 배운 모든 내용을 아우르는 종합 모의고사입니다.

[문제 1] 다음 코드의 출력 결과를 쓰세요.

x = [1, 2, 3, 4, 5]
print(x[1:4:2])
print(x[::-1][::2])

[정답 1]

x[1:4:2] → [2, 4] (인덱스 1~3에서 2칸 간격: 인덱스 1, 3의 값)
x[::-1][::2] → [5, 3, 1] (역순 [5,4,3,2,1]에서 2칸 간격)

[문제 2] 아래 함수의 반환값을 쓰세요.

def mystery(n):
    if n <= 1:
        return n
    return mystery(n-1) + mystery(n-2)

print(mystery(6))

[정답 2] 8 — 피보나치 수열 함수입니다. mystery(1)=1, mystery(2)=1, mystery(3)=2, mystery(4)=3, mystery(5)=5, mystery(6)=8.

[문제 3] 다음 중 올바른 딕셔너리 키로 사용할 수 없는 것을 모두 고르세요. ① "hello" ② 42 ③ [1, 2, 3] ④ (1, 2) ⑤ True

[정답 3] ③ [1, 2, 3] — 리스트는 변경 가능(mutable)하므로 딕셔너리 키로 사용할 수 없습니다. 키는 반드시 해시 가능한(hashable) 타입이어야 하며, 문자열, 정수, 튜플, 불리언은 모두 키로 사용 가능합니다.

[문제 4] 다음 코드에서 오류가 발생하는 라인과 오류 종류를 쓰고, 수정 방법을 설명하세요.

def divide(a, b):
    return a / b

result = divide(10, 0)
print(result)

[정답 4] 4번 라인 divide(10, 0) 에서 ZeroDivisionError가 발생합니다. 수정 방법:

def divide(a, b):
    try:
        return a / b
    except ZeroDivisionError:
        print("0으로 나눌 수 없습니다.")
        return None

[문제 5] 리스트 컴프리헨션으로 다음 조건을 만족하는 코드를 작성하세요. 1~100 사이 숫자 중 3의 배수이거나 7의 배수인 숫자의 합계를 구하세요.

[정답 5]

total = sum([x for x in range(1, 101) if x % 3 == 0 or x % 7 == 0])
print(total)   # 2208

[문제 6] 다음 코드를 실행하면 파일에 어떤 내용이 저장되나요?

data = ["사과", "바나나", "딸기"]
with open("fruits.txt", "w", encoding="utf-8") as f:
    for item in data:
        f.write(item + "\n")

[정답 6] fruits.txt 파일에 다음 내용이 저장됩니다:

사과
바나나
딸기

각 항목 뒤에 \n(줄바꿈)이 추가되므로 세 줄로 저장됩니다.

[문제 7] *args와 **kwargs를 모두 받는 함수 log_event를 정의하세요. 이 함수는 위치 인수들은 번호를 매겨 출력하고, 키워드 인수들은 키=값 형식으로 출력해야 합니다.

[정답 7]

def log_event(*args, **kwargs):
    print("위치 인수:")
    for i, arg in enumerate(args, 1):
        print(f"  {i}. {arg}")
    print("키워드 인수:")
    for key, value in kwargs.items():
        print(f"  {key}={value}")

log_event("이벤트A", "이벤트B", user="홍길동", level="INFO")

[문제 8] numpy 배열 a = np.array([1,2,3,4,5,6,7,8,9])를 3×3 행렬로 변환하고, 대각선(왼쪽 위 → 오른쪽 아래) 요소의 합을 구하는 코드를 작성하세요.

[정답 8]

import numpy as np
a = np.array([1,2,3,4,5,6,7,8,9])
mat = a.reshape(3, 3)
diagonal_sum = np.trace(mat)   # 또는 sum(mat[i][i] for i in range(3))
print(mat)
print(f"대각선 합: {diagonal_sum}")   # 1+5+9 = 15

[문제 9] 다음 pandas 관련 코드에서 빈칸을 채우세요.

import pandas as pd
data = {"이름": ["A","B","C","D"], "점수": [85, 92, 70, 88]}
df = pd.DataFrame(data)

# 점수가 85 이상인 행만 필터링
high = df[_______________]

# 점수 기준 내림차순 정렬
sorted_df = df._______________("점수", ascending=False)

# 점수 평균 출력
avg = df["점수"]._______()

[정답 9]

high = df[df["점수"] >= 85]
sorted_df = df.sort_values("점수", ascending=False)
avg = df["점수"].mean()

[문제 10] 아래 코드는 학생 성적을 처리합니다. 실행 결과를 예측하고, 코드의 의도를 설명하세요.

students = {
    "김철수": [80, 85, 90],
    "이영희": [95, 88, 92],
    "박민준": [70, 60, 75],
}

result = {
    name: {"평균": sum(scores)/len(scores), "합격": sum(scores)/len(scores) >= 80}
    for name, scores in students.items()
}

for name, info in result.items():
    status = "합격" if info["합격"] else "불합격"
    print(f"{name}: {info['평균']:.1f}점 — {status}")

[정답 10] 출력:

김철수: 85.0점 — 합격
이영희: 91.7점 — 합격
박민준: 68.3점 — 불합격

코드 의도: 딕셔너리 컴프리헨션을 사용하여 각 학생의 성적 리스트로부터 평균과 합격 여부(평균 80점 이상)를 계산해 새로운 딕셔너리를 만들고, 결과를 f-string으로 출력합니다.

실전 퀴즈 5문항

Q1. 파이썬에서 **OOP(객체지향 프로그래밍)**의 4가지 핵심 개념을 나열하고 간단히 설명하세요.

A1.

캡슐화(Encapsulation): 데이터와 메서드를 하나의 클래스로 묶고 외부에서의 접근을 제한합니다.
상속(Inheritance): 부모 클래스의 속성과 메서드를 자식 클래스가 물려받아 재사용합니다.
다형성(Polymorphism): 같은 이름의 메서드가 클래스에 따라 다르게 동작합니다.
추상화(Abstraction): 복잡한 내부 구현을 숨기고 필요한 인터페이스만 노출합니다.

Q2. 파이썬을 이용한 업무 자동화에서 가장 많이 쓰이는 라이브러리 3가지를 들고 각각의 용도를 설명하세요.

A2.

pandas: CSV/Excel 데이터 처리, 보고서 자동 생성
openpyxl/xlwings: Excel 파일 읽기·쓰기, 서식 지정, 차트 생성
selenium/playwright: 웹 브라우저 자동화, 웹 스크래핑, 반복 입력 작업 자동화

Q3. 프로젝트 폴더에 requirements.txt를 만들어 놓는 이유는 무엇이며, 어떻게 생성하나요?

A3. requirements.txt는 프로젝트에 사용된 모든 패키지와 버전을 기록한 파일입니다. 다른 환경(팀원 PC, 서버 등)에서 동일한 패키지를 쉽게 설치할 수 있어 **재현성(reproducibility)**을 보장합니다.

# 현재 환경의 패키지 목록 저장
pip freeze > requirements.txt

# 다른 환경에서 동일하게 설치
pip install -r requirements.txt

Q4. 데이터 분석 직무에서 Python과 함께 알아야 할 필수 기술 스택을 3가지 이상 나열하세요.

A4.

SQL: 데이터베이스 쿼리, 데이터 추출
pandas/numpy: 데이터 조작과 수치 계산
matplotlib/seaborn: 데이터 시각화
통계학 기초: 평균, 분산, 가설 검정, 상관관계
Jupyter Notebook: 분석 과정 문서화, 대화형 실행
git/GitHub: 코드 버전 관리 및 협업

Q5. Python을 처음 배우는 사람이 실력을 빠르게 키우는 가장 효과적인 방법은 무엇인가요?

A5. 가장 효과적인 방법은 실제 문제를 해결하는 프로젝트를 만드는 것입니다. 구체적으로:

본인이 필요한 것을 자동화 — 반복하는 작업을 파이썬으로 해결 (가장 동기부여가 큼)
작은 프로젝트를 완성 — 완벽하지 않아도 실행되는 프로그램을 완성하는 경험 축적
코딩 테스트 풀기 — 프로그래머스 Level 1부터 매일 1~2문제
코드 리뷰 받기 — GitHub에 올리고 다른 사람의 풀이와 비교
에러를 두려워하지 않기 — 오류 메시지를 읽고 이해하는 것이 실력 향상의 핵심

OIYO 편집부