Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
스프레드시트 방식의 한계를 극복하기 위해 Python의 pandas를 활용한 재현 가능한 데이터 분석 워크플로를 제안합니다. Excel과 pandas를 상호 보완적인 도구로 정의하며, 데이터의 검증, 버전 관리 및 자동화를 위한 체계적인 가이드를 제공합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기스프레드시트 중심의 분석 작업은 비즈니스 분석(Business Analytics), 운영 보고(Operations Reporting), 응용 연구(Applied Research) 분야에서 여전히 흔히 사용되지만, 수식, 수동 편집, 복사-붙여넣기 갱신을 통해 비대해지는 워크북은 대규모로 감사(Audit)하고, 재현(Reproduce)하며, 거버넌스(Govern)를 구축하기 어렵습니다. 표 형식(Tabular)의 작업에 반복 가능성(Repeatability), 검증(Validation), 버전 관리(Version Control), 자동 갱신(Automated Refresh), 또는 통계 및 머신러닝(Machine Learning)과의 통합이 필요할 때, 분석가들에게는 익숙한 테이블 개념을 유지하면서도 가정을 명시적으로 만드는 변환 계층(Transformation Layer)이 필요합니다. 본 논문은 Python의 pandas 라이브러리를 해당 계층으로 다룹니다. 즉, pandas를 Excel의 전면적인 대체재가 아닌, 스프레드시트 관행과 연구 수준의 워크플로(Workflows) 사이를 잇는 실용적인 가교로 정의합니다. 본 논문은 Excel에서 pandas로의 마이그레이션 매핑(Migration Mapping), 9가지 워크플로 카테고리에 대한 분류 체계(Taxonomy), 비즈니스 분석 및 응용 연구에서 추출한 7가지 엔드 투 엔드(End-to-end) 사례, 실패 모드 카탈로그(Failure-mode Catalog), 그리고 거버넌스가 적용된 표 형식 작업을 위한 재사용 가능한 코드 레시피(Code Recipes)를 제공합니다. pandas는 표 형식의 분석이 반복 가능하고, 감사 가능하며, 방어 가능(Defensible)해야 할 때 가장 유용하며, Excel은 워크북이 필요한 이해관계자들을 위한 익숙한 입력 및 출력 인터페이스로 남을 수 있습니다.