Agent Viz Seminar

Day 2 — 시각화 관점과 차트

의도에 맞는 차트를 고르고, 엑셀에서 그리기 번거로운 분포·인터랙티브 차트까지 Python으로 그려 봅니다.

강의 이해 성공 조건

오늘 모듈 (약 3시간 · 통역 포함)

M0오프닝10–15분M15대 의도 (짧게)35–45분M2점수 분포 차트35–45분BREAK휴식10–15분M3교환 추이 + 미니 비평35–45분M4마감15–25분
M0

오프닝

10–15분

성공 조건과 오늘 그릴 차트 미리보기.

의도 카드 읽기

무엇을 하나요

5대 의도(비교·분포·구성·관계·추이) 이름을 한번 봅니다.

왜 하나요

차트 종류보다 “무슨 질문인지”가 먼저입니다.

따라 하기

  1. 아래 모듈에서 표로 다시 나옵니다. 지금은 이름만 익힙니다.

닫는 성공 조건: #1

M1

5대 의도 (짧게)

35–45분

의도 → 추천 차트 맵을 외국어대학 예시로 연결합니다.

통역이 길면 표만 보여주고 바로 M2 실습으로. 최근 시각화 관점은 심화 탭.

의도 맵

무엇을 하나요

비교=막대, 분포=상자/히스토그램, 추이=선 등 짝을 기억합니다.

왜 하나요

메뉴판이 있으면 식당에서 고르기 쉽듯, 차트도 질문 메뉴가 있으면 쉽습니다. 평균 막대만 반복하면 “퍼짐·관계·필터로 파고들기” 같은 질문은 놓치기 쉽습니다.

따라 하기

  1. 비교: 전공별 지원자 수 → bar
  2. 분포: 어학 점수 퍼짐 → box (엑셀에서 손작업이 번거로운 편)
  3. 추이: 연도별 교환학생 → line
  4. 관계·구성은 Day 3에서 필터·산점도 등으로 확장합니다.
  5. 오늘 실습은 분포+추이(또는 비교)에 집중합니다.

닫는 성공 조건: #1

M2

점수 분포 차트

35–45분

language_scores.csv로 전공별 점수 분포(box) 또는 평균 비교(bar).

box / bar 그리기

무엇을 하나요

프롬프트로 plotly 차트를 생성합니다.

왜 하나요

평균 막대만 보면 퍼짐을 못 봅니다. 게다가 이 데이터는 시험마다 max_score가 달라(예: HSK 300 vs Oral 100) 원점수 box만 그리면 전공 비교가 왜곡될 수 있습니다. plotly로 분포를 보고, 가능하면 score/max_score로 정규화해 보세요.

따라 하기

  1. Cursor에서 어제와 같은 폴더를 엽니다.
  2. 아래 프롬프트를 붙여 넣습니다.
  3. 원점수 box를 본 뒤, “score를 max_score로 나눈 비율로도 그려 줘”라고 한 번 더 부탁합니다.

그대로 붙여 넣을 말

KO
data/language_scores.csv를 읽어 (1) major_lang별 score 원점수 plotly box plot (2) score/max_score 비율(%)로도 box plot을 그려 줘. 두 결과가 전공 순위를 어떻게 바꾸는지 한 문장으로 설명해 줘.
VI
Đọc data/language_scores.csv và vẽ (1) plotly box score thô theo major_lang (2) box theo tỷ lệ score/max_score. Giải thích một câu hai kết quả đổi thứ hạng ngành thế nào.

예상 결과 미리보기

샘플 데이터로 미리 그려 둔 결과입니다. 같은 프롬프트를 실행하면 비슷한 모양을 보게 됩니다.

샘플 결과

원점수 vs 정규화(%) box — 스케일 함정과 전공별 퍼짐을 함께 보는 예시.

호버로 값을 확인하고, 두 차트에서 전공 순서가 바뀌는지 보세요.

성공하면 이렇게 보입니다

원점수·비율 box가 보이고, 스케일 때문에 해석이 달라질 수 있음을 말할 수 있습니다.

닫는 성공 조건: #1, #2

BREAK

휴식

10–15분

짧은 휴식

휴식

무엇을 하나요

쉽니다.

왜 하나요

다음 차트 실습을 위해

따라 하기

  1. 스트레칭
M3

교환 추이 + 미니 비평

35–45분

exchange_programs.csv로 line chart, 같은 데이터로 “나쁜 차트” 한 가지를 이야기합니다.

연도별 outbound 추이

무엇을 하나요

outbound만 모아 연도별 합계 line chart.

왜 하나요

국제교류 “늘었나?” 질문입니다. 이 데이터에는 2020–21 급락(코로나)과 이후 Korea 비중 확대가 숨어 있어, 단순 파이보다 line(+국가 분해)이 메시지를 살립니다.

따라 하기

  1. 프롬프트를 붙여 넣고 실행합니다.
  2. 2020–21 구간과 이후 Korea 비중을 말로 확인해 봅니다.

그대로 붙여 넣을 말

KO
data/exchange_programs.csv에서 direction=outbound만 사용해 (1) year별 count 합계 plotly line (2) 같은 기간 partner_country별 비중 변화를 짧게 해석해 줘. 2020–21에 무슨 일이 보이는지 한 문장.
VI
Trong exchange_programs.csv, chỉ outbound: (1) line plotly tổng count theo year (2) giải thích ngắn đổi tỷ trọng partner_country. Một câu về 2020–21.

예상 결과 미리보기

샘플 데이터로 미리 그려 둔 결과입니다. 같은 프롬프트를 실행하면 비슷한 모양을 보게 됩니다.

샘플 결과

outbound 연도별 합계 line — 2020–21 급락 후 회복, Korea 의존 확대 예시.

꺾인 구간과 회복기 국가 구성을 함께 보세요.

닫는 성공 조건: #2

같은 데이터, 다른 메시지

무엇을 하나요

AI에게 “나쁜 차트 예시와 개선안”을 물어봅니다.

왜 하나요

성공 조건 #3: 차트가 메시지를 바꾼다는 감각. “늘었나?”에 파이 조각을 쓰면 코로나 단절이 안 보입니다.

따라 하기

  1. 아래 프롬프트를 실행하고, 팀에서 한 문장으로 발표합니다.

그대로 붙여 넣을 말

KO
방금 쓴 exchange outbound 데이터로, 오해를 부르기 쉬운 차트(예: 연도 무시 파이)와 더 나은 대안(line/stacked)을 쉬운 말로 비교해 줘.
VI
Với outbound vừa dùng, so sánh biểu đồ dễ hiểu nhầm (vd pie bỏ năm) và lựa chọn tốt hơn (line/stacked), lời dễ hiểu.

예상 결과 미리보기

샘플 데이터로 미리 그려 둔 결과입니다. 같은 프롬프트를 실행하면 비슷한 모양을 보게 됩니다.

샘플 결과

같은 outbound: Pie(추세 숨김) vs Line(코로나 단절·회복 명확).

“늘었나?”에는 line이 더 잘 답합니다.

닫는 성공 조건: #3

M4

마감

15–25분

성공 조건 체크

체크

무엇을 하나요

상단 성공 조건에 체크

왜 하나요

내일 Streamlit으로 이어집니다

따라 하기

  1. 의도 2개를 짝에게 말해 봅니다.

닫는 성공 조건: #1, #2, #3

핵심 체크리스트