자료와 정보
개념
관찰이나 측정으로 얻은 가공 전의 사실이 자료(data) 입니다. 숫자·문자·그림·소리처럼 그 자체로는 아직 의미가 잘 드러나지 않습니다. 이 자료를 문제 해결에 도움이 되도록 정리·가공한 것이 정보(information) 이고, 정보가 쌓여 판단의 근거가 되면 지식이 됩니다.
\[\text{자료(data)} \;\longrightarrow\; \text{정보(information)} \;\longrightarrow\; \text{지식(knowledge)}\]
중등 「정보」 교과서는 자료를 “컴퓨터가 처리할 수 있는 문자·숫자·소리·그림 형태의 것”, 정보를 “관찰이나 측정을 통해 수집한 자료를 실제 문제에 도움이 될 수 있도록 정리한 지식” 으로 구분합니다. 통계는 바로 이 자료 → 정보 변환을 다루는 과목입니다.
자료는 값의 성격에 따라 나뉩니다. 인구수·키·가격처럼 크기를 재는 수치형(양적) 자료와, 행정구역·성별·선호도처럼 종류를 나누는 범주형(질적) 자료입니다. 어떤 유형이냐에 따라 쓸 수 있는 그래프와 대푯값이 달라지므로, 분석에 앞서 자료의 유형부터 확인해야 합니다.
문제를 데이터로 해결할 때는 대체로 네 단계를 거칩니다 — ① 문제 분석(무엇이 필요한가) → ② 자료 수집(인터넷·설문으로 모으기) → ③ 분류·관리(스프레드시트로 정렬·선택·분석) → ④ 공유(정리한 결과를 함께 보기). 아래 앱은 이 가운데 ③의 핵심인 정렬을 다룹니다. 같은 표라도 정렬하고 상위 몇 개만 추리면, 뒤섞인 자료가 곧바로 읽히는 정보로 바뀝니다.
만지며 배우기
#| '!! shinylive warning !!': |
#| shinylive does not work in self-contained HTML documents.
#| Please set `embed-resources: false` in your metadata.
#| standalone: true
#| viewerHeight: 680
from shiny import App, render, ui
ACCENT = "#2563eb"
# 우리나라 시도별 인구수 — 중등 「정보」 교과서 예시 표
# (matplotlib 대신 HTML 막대를 쓰는 이유: Pyodide에는 한글 폰트가 없어
# 차트 축 라벨의 한글이 깨진다. HTML 막대는 브라우저 폰트로 그려 정상 표시된다.)
POP = [
("서울", 10022181), ("부산", 3513777), ("대구", 2487829),
("인천", 2925815), ("광주", 1472199), ("대전", 1518775),
("울산", 1173534), ("세종", 210884), ("경기", 12522606),
("강원", 1549507), ("충북", 1583952), ("충남", 2077649),
("전북", 1869711), ("전남", 1908996), ("경북", 2702826),
("경남", 3364702), ("제주", 624395),
]
POP_MAX = max(p for _, p in POP)
app_ui = ui.page_sidebar(
ui.sidebar(
ui.input_select(
"order", "정렬 기준",
{"desc": "인구 많은 순", "asc": "인구 적은 순", "name": "가나다 순"},
selected="desc",
),
ui.input_slider("topn", "상위 몇 개 시도만 보기", min=3, max=17, value=8, step=1),
width=250,
),
ui.card(
ui.card_header("시도별 인구수 — 정렬하면 뒤섞인 자료가 정보가 됩니다"),
ui.output_ui("bars"),
),
ui.card(ui.output_ui("readout")),
fillable=True,
)
def server(input, output, session):
def arranged():
data = list(POP)
if input.order() == "desc":
data.sort(key=lambda r: r[1], reverse=True)
elif input.order() == "asc":
data.sort(key=lambda r: r[1])
else:
data.sort(key=lambda r: r[0])
# 가나다 순일 때는 전체를, 크기순일 때는 상위 N개를 보여 준다
if input.order() == "name":
return data
return data[: input.topn()]
@render.ui
def bars():
rows = ""
for name, p in arranged():
w = p / POP_MAX * 100
rows += (
'<div style="display:flex; align-items:center; margin:5px 0;">'
f'<div style="width:44px; text-align:right; padding-right:10px;'
f' font-size:0.9em; flex:none;">{name}</div>'
f'<div style="height:19px; width:{w:.1f}%; background:{ACCENT};'
f' border-radius:3px; flex:none;"></div>'
f'<div style="padding-left:8px; font-size:0.82em; color:#6b7280;'
f' flex:none;">{p/10000:,.0f}만</div></div>'
)
return ui.HTML(f'<div style="padding:0.4em 0.2em;">{rows}</div>')
@render.ui
def readout():
data = arranged()
top = max(POP, key=lambda r: r[1])
bot = min(POP, key=lambda r: r[1])
total = sum(r[1] for r in POP)
return ui.HTML(
'<p class="hs-readline">'
f"17개 시도 인구를 모두 더하면 약 {total/10000:,.0f}만 명입니다. "
f"가장 많은 곳은 {top[0]}({top[1]:,}명), 가장 적은 곳은 {bot[0]}({bot[1]:,}명)로 "
f"약 {top[1]/bot[1]:.0f}배 차이가 납니다. "
"정렬 기준과 개수를 바꿔 보세요. 표의 숫자는 그대로지만, "
"무엇을 위로 올리고 몇 개만 남기느냐에 따라 전혀 다른 사실이 눈에 들어옵니다. "
"이것이 자료를 정보로 바꾸는 가장 기본적인 가공입니다.</p>"
)
app = App(app_ui, server)정렬과 상위 N개 추리기는 sorted 한 줄이면 됩니다.
pop = [
("서울", 10022181), ("경기", 12522606), ("부산", 3513777),
("세종", 210884), ("제주", 624395),
]
# 인구 많은 순으로 정렬 (뒤섞인 자료 → 읽히는 정보)
ranked = sorted(pop, key=lambda r: r[1], reverse=True)
for name, n in ranked[:3]: # 상위 3개만
print(f"{name}: {n:,}명")스스로 확인
숫자 하나만 놓고 보면 아직 가공 전의 자료입니다. 이 값을 17개 시도와 함께 인구 많은 순으로 정렬해 “서울이 두 번째로 인구가 많다”처럼 문제 해결에 쓸 수 있게 정리하면 비로소 정보가 됩니다. 같은 값도 정리·해석의 목적에 따라 자료가 되기도, 정보가 되기도 합니다.
행정구역(서울·부산…)은 종류를 나누는 범주형(질적) 자료, 인구수는 크기를 재는 수치형(양적) 자료입니다. 범주형은 막대그래프·원그래프로, 수치형은 히스토그램· 상자그림으로 요약하는 것이 자연스럽습니다. 다음 모듈부터 이 그래프들을 하나씩 다룹니다.