한빛출판네트워크

책 내용은 현 시점에서 굉장히 좋은 내용입니다. 데이터 과학에서 주로 사용하는 언어인 파이썬과 R을 다루는 법과 데이터 과학에서 이것으로 어떻게 작업하는지를 설명합니다. 본 책의 독자는 데이터 과학 분야에서 실무를 수행하는 사람으로 정하고 있습니다. 그래서 데이터 과학에 대해서는 자세하게 설명하지 않지만 제 생각에는 데이터 과학이 뭔지 몰라도 이 책과 데이터 과학 책을 병행하여 보면서 학습하면 되지 않을까 생각합니다. 본 책은 각 언어별 역사부터 시작하여 언어를 사용하는 방법, 현대 데이터 과학에서 사용하는 유형을 설명합니다. 데이터 과학을 위한 프로그래밍 언어 학습용 책으로 딱이라고 생각합니다. 최근에 데이터 과학과 딥러닝에 대해서 학습을 하려고 준비 중이었는데 마침 이 책을 받게되어서 크게 도움이 되었습니다. 데이터 과학 학습을 위해 고민 중인 분이 있다면 이 책을 강력히 추천할 예정입니다.

데이터 과학, 통계 등을 시작하고자 할 때 어떤 언어를 선택할지에 대한 기로에 놓이게 된다. 파이썬과 R은 데이터과학 분야에서 주로 사용되는 언어이기도 하다.

보통 다양한 생태계를 이야기할 때는 파이썬을 통계 패키지를 좀 더 사용하고자 한다면 R을 추천하는 편이다. 서로 어떤 언어가 좋고 나쁘고를 떠나서 각 장점을 이해하고 사용하면 좋겠다는 생각을 해왔다. 주로 파이썬을 사용하는 입장에서 R관련 패키지에도 관심을 갖고 있으며 판다스의 주요 기능들이 R에서 영향을 받은 것이 많다는 것도 익히 들어왔다.

이 책은 데이터 과학을 위한 파이썬과 R을 비교해서 설명하고 있다. 이런 책 꼭 필요하다고 생각하고 있었는데 한빛미디어의 나는 리뷰어다를 통해 읽어보게 되었다. 해들리위컴의 tidy data 등의 여러 저널 자료와 ggplot의 철학을 통해 시각화를 이해하는데도 많은 도움이 되었다.

그럼 파이썬 사용자를 위한 R이라면 어떤 내용을 비교하면서 봐야 할까? 이미 파이썬을 통한 데이터과학 패키지 사용경험이 있는 사람이라면 다른 도구를 접했을 때 오히려 혼란스러울 수 있는데 이런 부분을 정리해 주고 있는 점이 좋았다.

또, 반대로 R사용자를 위해 파이썬을 사용할 때 어떤 점을 고려해야하는지에 대한 내용을 읽으면서 반대로 R을 이해하는데도 도움이 되었다.

파이썬과 R은 데이터과학에 사용되는 대표적인 언어로 이 두 언어가 서로 어떤게 더 좋다 나쁘다를 이야기하기 보다 서로의 장점을 이해하고 시너지를 낼 수 있는 방법에 대한 내용도 좋았다. 각 언어로 만들어진 도구마다 장점을 고려해서 사용할 수 있게 알려주고 있다.

시대별 마일스톤을 정리해 준 표가 인상적이었는데 중요한 출판자료, 중심언어, 핵심패키지, 재단과 기업 등을 한 눈에 살펴볼 수 있게 정리한 부분으로 시대적 흐름을 볼 수 있다.

각 데이터의 특성에 따라 어떤 처리를 해주어야 하는지에 대한 내용도 한눈에 볼 수 있다.

테이블 형식, 이미지, 텍스트, 시계열, 공간 정보에 따라 각 언어별 주요 패키지를 비교하고 있다.

데이터 멍잉, EDA, 머신러닝, 딥러닝, 데이터 엔지니어링, 보고서 작성에 대해서 비교한 표이다. 각 패키지별 유사한 기능을 하는 도구에 대한 이해를 돕는다.

두 언어를 한 번에 같이 사용하기보다는 절차를 통해 데이터 파일을 공유하는 형태로 각 언어의 장점을 활용하는 것을 추천하고 있다. 이 부분을 어떻게 설명할지 책을 읽기 전에 궁금한 부분이었는데 데이터 파일 형태로 파이프라인을 만드는 것이 프로세스상 혼란을 줄일 수 있는 방법일 것이라는 것에 동의한다.

요즘은 ChatGPT를 통해 파이썬 코드를 R로 변경해 달라 혹은 반대로 해달라 해도 척척 알아서 언어를 잘 바꿔준다. 하지만 여전히 오류가 많고 해당 지식을 이해하고 있다면 좀 더 시너지를 낼 것 같다는 생각이 드는데 이 책에 이러한 부분이 잘 정리되어 있다.

두껍지 않은 분량에 두 언어의 핵심을 비교하는 내용을 잘 담고있다. 두 언어를 모두 깊게 사용해 보지 않으면 쉽게 정리하기 어려운 내용인데 저자의 내공이 느껴지는 책이었다. 주로 파이썬을 사용하지만 나 또한 R과 관련된 저널이나 관련 패키지의 철학에 대해서는 공감하는 부분이 많은데 이 책을 통해 그러한 부분을 좀 더 잘 정리해볼 수 있는 계기가 되었다.

이 리뷰는 한빛미디어의 나는 리뷰어다 이벤트를 통해 책을 제공받아 작성했습니다.

1. 예시, 실습 관련 구성이 잘 되어있다. 

저는 코딩 관련 서적을 구매할 때, 책의 구성에서 예시나 실습, 코드 등이 얼마나 담겨있는지를 중요하게 고려하는데요.

이 책의 경우에는 읽어보았을 때 절반 이상이 담겨 있어서 충분히 만족스러웠습니다.

또한,

코드를 전부 던져주고 내용을 쭉 써놓는 유형보다는

코드를 부분씩 나누어 해설과 함께 구성되어 있어서 따라가면서 이해하기에도 어려움이 없어서 좋았습니다.

2. R과 파이썬이 적절히 섞어서 구성되어있다.

일반적으로 두 가지 이상의 언어로 되어있는 서적은 어느 하나의 언어로 치중되어 구성되어 있는 편입니다.

처음 제목만으로 봤을 때, 이 책도 저는 R에 초점이 맞춰져 있지 않을까라는 생각으로 읽기 시작했었습니다.

(R이라는 내용이 들어가면서 분석이 메인 주제가 될 것이라고 생각했고, 그래서 R이 위주가 되지 않을까 생각했습니다.)

내용을 다 읽어보니, 제가 생각했던 내용이 아니라 파이썬과 R, 두 언어로 잘 조화롭게 작성되어 있었습니다.

3. 시각적인 자료가 정말 큰 도움이 되었다.

책을 읽으면서 실습을 하다 보면, 이 코드의 결과에 대해서는 생략된 책이 꽤 많습니다.

예를 들어, 그래프가 결과로 출력되야 하는 코드인데 책에는 코드만 있는 경우입니다.

이런 경우에는, 내 결과가 맞는지 의심하면서 공부하거나 틀린걸 바로잡지 못하고 내용을 이어가게 됩니다.

데이터 분석, 시각화 등의 책 에서는 중요한 요소라고 생각하는 부분이고, 그래서 이 부분도 고려사항이었습니다.

이 책에서는 환경 설정부터 시각화 결과까지 이미지가 잘 삽입되어 있어서 책과 비교하며 공부하기에 좋았습니다.

대부분 데이터 사이언스를 하면 파이썬만 공부하게 되는 경우가 많다고 생각됩니다.

이 책을 통해서 파이썬과 R의 시너지를 내서 하나의 도구처럼 사용할 수 있는 방법과 스킬을 배울 수 있었습니다.

또한, 글로만 되어있는 책이 아니다 보니 의심되는 결과에 대해서 찾아보고 할 필요 없이 직관적으로 책과 비교가 가능하여

시간의 낭비 없이 알차게 공부하는 시간을 가질 수 있었다고 생각합니다.

만약에 어느정도 파이썬 또는 R을 공부하신 분이라면

이 책으로 파이썬과 R을 이용한 하나의 테크닉을 만들 수 있는 기회가 될 것 같습니다.

시간이 너무나 빨리 지나갑니다. 어느덧 나는 한빛 리뷰어다!의 두 번째 책이 도착하였거든요. 이번 책 역시 제목을 보고 많은 기대를 했기에 도착하기만을 손꼽아 기다렸습니다. 하지만, 밑의 서평에 자세히 쓰겠지만서도 이번 책은  저의 기대를 완벽하게 충족시켜주진 못했습니다. 책의 잘못은 아니고요, 확실히 이런 얇은 가이드 라인에 가까운 책들은 주인을 잘 만나야 하는 것 같습니다. 얇다는 것은 축약했다는 것이고, 축약했다는 것은 독자가 이미 책이 다루는 내용에 어느정도 통달한 사람이라는 가정을 깔고 있습니다. 저는 그런 사람이 아니었기에 이 책이 제공하는 정보를 다 받아들이지 못한 것 같습니다. 저와 같은 불상사가 생기지 않게 하기 위해 책의 내용을 최대한 잘 정리하고, 정말로 필요한 독자들이 누군지 나름대로 정의해보고자 합니다.

<데이터 과학을 위한 Python과 R>은 R과 Python을 동시에 사용하며 두 언어의 장점을 활용하는 방법을 설명하는 책입니다. 이 책은 두 언어를 활용하는 방법에 대한 간단한 예제와 함께 실습을 제공하여 독자가 각 언어의 핵심 패키지의 장단점을 더 잘 이해할 수 있도록 합니다.

이 책의 시작은 파이썬이나 R을 아는 사람이라면 재미있게 읽을 수 있는 부분으로, 모든 작업을 선호하는 언어(R or 파이썬)로만 해야 한다는 편견을 깨고 두 언어를 함께 사용하는 방법을 알려줍니다. 또한 두 언어 모두에 대한 이론적, 실용적 접근 방식을 다루고 있어 각자의 상황에 맞춰 어떤 언어를 선택하고, 혹은 특정 언어를 연습하기 위해 어느정도의 시간과 노력을 투자해야 하는지를 알려주는 장이라고 보면 좋을 듯 해요.

2장 에서는 Python 사용자를 위한 R, R 사용자를 위한 Python의 환경 구분하여 설명하여 독자가 새로운 언어를 시작하는 데 도움을 줍니다. 이 섹션에서는 각 언어의 기본 기능 및 사용법에 대해 제한적이지만 그 중 유용한 가이드를 제공하는 부분도 있습니다.

3장 에서는 데이터 형식과 워크플로 컨텍스트로 나누어 각 언어가 강점을 가진 영역을 설명합니다. 파이썬은 이미지와 텍스트 처리 및 분석에 강하고, R은 시계열과 공간 정보에 능하다고 하네요. 워크플로우 맥락에서는 EDA와 보고서 작성은 R의 강점이고, 머신러닝, 딥러닝, 데이터 엔지니어링은 Python의 강점이라고 설명하고요.

마지막 4장은 R 진영의 레티큘레이트와 파이썬 진영의 rpy2 모듈 등 파이썬과 R 간의 상호 운용성을 구현하는 데 필요한 패키지를 소개합니다. 그런 다음 미국 농무부에서 제공하는 산불 데이터 세트를 사용하여 RStudio IDE에서 R과 Python을 올바르게 활용하는 방법을 보여줍니다. 얇은 책임에도 마지막에는 직접 연습할 수 있는 사례를 넣었으니 있을건 다 있다고 봐야겠죠....?

그러나 서두에 밝혔다시피 일부 독자분들은 이 책이 특정 측면에서 부족하다고 평가할 수 있을 것입니다. 나만의 느낌일 수도 있기에 다른 서평들도 살펴보았습니다. 역시 설명이 매우 요약적이고 친절하지 않기에, 이 책은 이미 R 또는 Python에 익숙한 데이터 과학 분야의 실무자에게 더 적합하다고 말씀하신 분들이 꽤 있었습니다. 또 책의 전체적인 방향이 R 사용자를 위한 Python과 Python 사용자를 위한 R에 맞춰져 있어 각 도구를 깊게 파고드는 목적이 있는 분들은 적합하지 않다는 의견도 있었네요.

물론 이러한 의견에도 불구하고 이 책은 R과 Python을 상호 운용하는 방법을 배우고자 하는 독자에게 꽤 유용할 겁니다. Python과 R을 함께 사용하는 방법에 대한 힌트를 제공하는 몇 안되는 책이기도 하고요. 두 언어의 강점을 활용하여 생산성을 더 높은 수준으로 끌어올릴 수 있는 방법이 궁금하신 분들이라면 충분히 도움이 될 것입니다.

나름의 결론을 내리자면, '데이터 과학을 위한 Python과 R'은 R과 Python을 함께 사용하는 방법을 배우고자 하는 모든 사람에게 나쁘지 않은 책입니다. 이 책에 단점이 없는 것은 아니지만, 두 언어를 함께 사용할 수 있는 실용적이고 이론적인 접근 방식을 제공하므로 읽어 볼 만한 가치가 있습니다. (물론 제가 지금까지 언급한 독자의 실력에 많이 좌우된다는 점을 꼭 잊지 마시길!)



데이터 분석 언어의 양대 산맥을 정복하자!

- 데이터 과학을 위한 파이썬과 R -

1. 파이썬? R? 데이터 분석 언어 뭐로 시작해야 하죠?

데이터 분석을 배우기 시작할 때 누구나 한 번 쯤 하게 되는 고민이 있습니다.

바로 분석 툴/언어에 관한 것인데요.

데이터 분석을 공부하고 싶은데 어떤 언어가 더 좋은지 혹은 배우기 쉬운지를 고민하게 됩니다.

사실 두 언어는 만들어진 배경이 달라 특성이 좀 다른데요.

R은 통계학자들이 개발한 언어입니다.

통계 분석에 특화되어 있는 언어이기 때문에 상대적으로 배우기 쉽고 아주 자세한 통계 분석이 가능합니다.

파이썬은 범용 프로그래밍 언어로 개발되었기 때문에 확장성이 아주 좋고 데이터 분석 뿐만 아니라 게임제작, 웹 개발, 응용프로그램 개발까지도 가능하죠. 학습 난이도는 R보다 파이썬이 조금 더 어렵습니다.

R과 파이썬의 특성이 조금 다르다보니 데이터 분석을 배울 때

통계를 주로 다루는 학과에서 데이터 분석을 배우면 보통 R을 먼저 접하게 되고,

컴퓨터 공학을 배우는 학과의 경우 파이썬을 먼저 배우게 됩니다.

그리고 막상 실전에서 데이터 분석을 하다보면 파이썬은 파이썬대로 R은 R대로 부족함을 많이 느끼게 되는데요.

파이썬은 데이터 수집, 전처리, 머신러닝, 딥러닝에는 좋지만 통계적 분석이 필요한 탐색적데이터분석(EDA), 시각화, t검정, 분산검정, 회귀분석, 시계열 분석과 같은 분양에서는 부족함이 많습니다.

R은 R대로 데이터 전처리, 머신러닝, 딥러닝 라이브러리가 파이썬에 비해 부족해서 다양한 알고리즘으로 분석하는데 한계가 있죠.

그래서 어느 언어로 시작하더라도 항상 부족함을 느끼게 되는데 그 부분을 해결해줄 수 있는 책이 나왔습니다.

바로 오늘 소개할 "데이터 과학을 위한 파이썬과 R" 입니다.

2. 이 책을 꼭 읽어야 하는 사람은?

이 책은 파이썬이나 R로 데이터 분석을 어느정도 할 줄 알면서 각 언어의 한계나 불편함을 느끼는 사람들에게 추천 합니다. 특히 파이썬과 R의 장점만을 뽑아 함께 사용하고자 하는 데이터 분석가들에게 적극 추천합니다.

파이썬은 할 줄 아는데 R은 잘 모르고, R은 아는데 파이썬은 잘 모르는 사람들에게는 상대 언어의 장점이 무엇이고 사용법에서 어떻게 차이가 있는지를 한 눈에 파악할 수 있습니다. 그리고 어떻게 두 언어를 조합해서 데이터 분석에 활용할 수 있는지를 보여줍니다.

3. 이 책 한 권으로 파이썬과 R을 모두 배울 수 있나요?

그렇지는 않습니다. "데이터 과학을 위한 파이썬과 R"에서는 각 언어의 설치, 설정 방법, 개발 도구 등을 설치하고 각 언어의 데이터 타입 등에 대한 소개는 하고 있지만 언어별 문법을 상세하게 설명하지는 않습니다. 같은 작업을 할 때 파이썬과 R의 문법이 어떻게 다른지 비교할 수는 있지만 개별 언어의 문법은 따로 공부해야 합니다.

4. "데이터 과학을 위한 파이썬과 R"로 공부했을 때 얻을 수 있는 부분은?

파이썬과 R을 강점이 있는 영역에서 교차로 사용하면서 효율적이면서 최적화된 분석 결과를 도출할 수 있는 방법을 배울 수 있습니다.

위의 내용처럼 데이터 로딩, EDA는 R을 사용하고 특성추출, 머신러닝 모델 생성은 파이썬으로, 그리고 대화형 웹 인터페이스를 사용한 서비스는 R을 이용하는 형식입니다.

기본적으로 파이썬은 데이터 전처리, 이미지처리, 자연어처리, 머신러닝, 딥러닝, 데이터 엔지니어링에 강하고, R은 시계열 데이터, 공간정보 데이터, EDA 및 시각화, 인터렉티브 보고서 작성에 강합니다. "데이터 과학을 위한 파이썬과 R"은 각각의 데이터 분석 프로세스에서 두 언어의 강점을 소개하고 융합하는 방법을 보여줌으로써 보다 효율적인 데이터 분석을 할 수 있도록 도와줍니다.

마무리하며..

지금까지 "데이터 과학을 위한 파이썬과 R"에 대해서 소개한 내용을 종합해 보겠습니다.

1. 이 책은 파이썬이나 R중 한가지 언어를 잘 다룰 수 있는 사람들이 보는 책입니다.

2. 파이썬, R에 대한 역사, 사용법의 차이점 등을 비교할 수 있습니다.

3. 데이터 분석 과정에서 각 언어가 어떤 부분에서 강점을 가지고 있는지 비교할 수 있습니다.

4. 파이썬과 R의 강점을 조합하여 데이터 분석을 어떻게 할 수 있는지 알려줍니다.

파이썬이나 R중 한 쪽만 사용할 수 있는 독자중 다른 언어에 대해서도 공부하고 싶고 두 언어의 강점을 모아서 데이터 분석에 활용하고 싶다면 이 책을 통해서 시작하는 것을 추천합니다.

단, 파이썬이나 R의 사용법에 대해서 자세히 다루고 있지 않기 때문에 기본 문법은 따로 공부해야 하고, 추가 패키지 사용법도 찾아서 공부해야 합니다. 그리고, 두 언어를 조합해서 활용하는 부분의 예제가 R을 중심으로 되어 있어 파이썬을 중점적으로 사용하면서 R을 활용하고 싶은 독자에게는 약간 아쉬울 수 있습니다.

본 리뷰는   "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

# 한빛미디어 #데이터과학을위한파이썬과R #파이썬 #R #python #데이터분석



[들어가며]

현재 데이터 분석에서 가장 많이 사용되는 언어는 Python과 R이다. 

오랜 역사와 높은 신뢰도를 가진 R과, 머신러닝 분석이 쉬운 파이썬의 빠른 성장은 두 언어 중 어느 하나를 선택하기 어렵게 한다.

하지만 데이터 분석 실무를 수행하다보면, 데이터의 성격과 분석기법 등 여러가지 여건에 따라서 두 언어를 병행하거나 하나의 언어의 강점을 교차해서 이용하고 싶을 때가 많다. 

이 책은 바로 그럴 때 집어들기 좋다.

파이썬과 R의 기술적 유사점과 차이점에 대해서 모두 설명하며, 두 언어 중에 하나를 사용하는 학습자가 다른 언어를 살펴보기에 최적의 구성이기 때문이다. 

[PART 1 새로운 언어의 발견]

- CHAPTER 1 첫걸음

R와 Python의 기원과 발전 역사, 그리고 두 언어간의 경쟁에 대해서 정리한다. 

[PART 2 새로운 언어 시작하기]

- CHAPTER 2 파이썬 사용자를 위한 R

- CHAPTER 3 R 사용자를 위한 파이썬

R언어 입문과 파이썬 언어 입문이다. 단순히 프로그래밍 문법 설명에서 그치는 것이 아니라, 실제로 효율적으로 구성할 수 있는 다양한 환경과 작업 도구 및 설정을 알려준다. 

[PART 3 현대적 컨텍스트]

- CHAPTER 4 데이터 포맷 컨텍스트

- CHAPTER 5 워크플로 컨텍스트

이미지/텍스트/시계열 데이터와 공간정보 데이터를 다뤄보고, 머신러닝 프로젝트의 전체적인 워크플로를 체험해본다. 

[PART 4 파이썬과 R 함께 사용하기]

- CHAPTER 6 파이썬과 R의 시너지 효과

- CHAPTER 7 데이터 과학 사례 연구

파이썬과 R을 함께 사용했을 때의 시너지 효과에 대해서 알아보고, 간단한 예제에 대한 데이터 분석/시각화/머신러닝 실습을 해볼 수 있다. 

[부록] 파이썬-R 사전

이 책의 백미이다. 패키지관리부터 타입, 속성, 함수, 인덱싱까지 파이썬과 R을 상호 대칭으로  제시하여, 문법을 비교해보고 궁금한 내용을 찾아볼 수 있게 배치했다. 

[결론]

파이썬과 R을 모두 다루는데도 아주 간결한 책이다.

부담없이 가볍게 훑으면서 개념 잡기에 좋다. 

아무래도 현실의 데이터는 머신러닝 입문서의 예제만큼 잘 정리되고 정형화되어있지 않다. 

데이터의 성격과 연계도구와 분석용량 및 주어진 시간 등의 상황에 따라서 적절한 도구를 선택해야 한다.

이 책은 파이썬 사용자를 위한 R 입문과, R 사용자를 위한 파이썬 입문이 모두 가능하다는 뛰어난 장점을 갖고 있다.

둘 중 어느 언어로도 작업할 수 있도록 서로의 기초를 가볍게 흝어보기가 좋아서 만족스러웠다. 

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

이책의 대상 독자는 "데이터 과학 분야의 실무자"이다.

"파이썬 vs. R"이라는 도구 사고 방식에서 벗어나 생산적인 통합 커뮤니티를 만들고자 한다.

이 책을 보려면 "파이썬 or R" 한 언어는 익숙하게 다루어야 한다. 

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

너무 큰 기대를 하고 받아 드려서 그런지 생각보다 실망도 있었다. 기초적인 내용을 다룬다.

책의 전체적인 방향이 정말 R 사용자를 위한 파이썬, 파이썬 사용자를 위한 R이라는 데에 맞추어져 있다.

그러다보니 각 도구에 대한 깊이 잇는 접근이 어려운 구조적인 한계가 있었다.

일종의 하이브리드 접근인데.. 하이브리드 인 만큼 한계가 뚜렷한 상황이랄까.

지극히 개인적인 생각이지만 R과 파이썬 모두를 알아야 하나 싶기도 하고 

둘중 하나를 배우고 나면 나머지 하나는 그이전보다는 더 수월하게 학습되는 부분이 있어 책의 난이도가 상대적으로 낮게 느껴진다.

워크플로에 대해서는 업무에 대한 프로세스를 전체적으로 간단하게나마 살펴볼수 있어 좋았다.

Written on November 20, 2022

 "한빛미디어 <나는 리뷰어다>활동을 위해서 책을 제공받아 작성된 서평입니다."

책을 다 읽고 난 후의 가장 큰 소득은 R과 파이썬이라는 두 언어를상호운용할 수 있는 방법을 알았다는 것이다. 가장 아쉬운 점은 설명이 그다지 상세하고 친절하지는 않다고느껴지는 것이다. 그래서, 머리말 부분을 다시 살펴보니 대상독자를 데이터과학 분야의 실무자로 하고 있고, 책을 최대한 활용하려면 배경지식으로 R이나 파이썬 중 한 언어에는 익숙해야 한다고 미리 밝히고 있음을 다시 확인했다. 개인차가 있는 부분으로 어느 정도 이해해야 할 것같다. 파이썬은데이터분석에 대한 기본 패턴인 데이터 읽기, EDA, 전처리, 훈련/테스트 데이터 분리, 모델 피팅, 분류/예측, 성능평가의 익숙한 문장들만 알고 있고, R은 실무로 사용하고 있지는 않지만 학습자 수준에서 조금 사용해 본 정도의 수준이라 책이 그다지 상세하지 않다고느껴진 것같다. 아울러 한빛미디어나 길벗 등에서 출판되는 IT 책들이경쟁적으로 내용이나 편집면에서 다양하게 독자들을 배려하고 있어 상대적으로 세심하지 않은 것같다고 느껴진 것같다.

책은 Part 01 새로운 언어의 발견에서 각 언어의 역사를 중심으로한 내용이 나온다. Part02 새로운 언어 시작하기에서는 파이썬 사용자를 위한 R, R 사용자를 위한 파이썬에서 각 언어의 사용환경에 대한 설명을 포함해서 기본적인 각 언어의 특징과 사용법을제한적이긴 하지만 따라해 볼 수 있도록 하고 있다.

Part03 현대적 컨텍스트에서는 데이터포맷 컨텍스트와 워크플로 컨텍스트부분으로 나누어 각 언어가 강점을 가지는 영역을 알려주고 있다. 데이터포맷 컨텍스트에서 이미지와 텍스트의처리 및 분석은 파이썬이 강점이 있고, 시계열과 공간정보는 R의손을 들어주고 있다. 워크플로 컨텍스트에서는 EDA, 보고서작성은 R이 강점이 있고 머신러닝, 딥러닝, 데이터 엔지니어링은 파이썬이 여러 도구들과 잘 어울리는 접착제 같은 특성을 들어 강점이 있다고 안내하고 있다.

Part04 파이썬과 R 함께사용하기에서는 파이썬과 R의 상호운용성을 구현하기 위해 필요한 R 진영의reticulate라는 패키지와 파이썬 진영의 rpy2 모듈을소개하고, 이어서 미국 농무부가 제공하는 Wildfires 산불데이터셋을 재료로 RStudio IDE에서 R과 파이썬을적절하게 활용하는 방법을 제시하고 있다.

특히 흥미로왔던 부분은 Part01이었다. ANOVA 분석후 사후검정의 한 방법으로 사용하는 Tukey’ HSD의그 튜키라는 사람이 EDA에 자주 사용하는 박스플랏(상자수염그림)을 개발했다는 사실이나 R Core라는 것이 있고 자발적 기여자 그룹에의해 문서화, 빌드, 테스트, 배포 등의 작업에 필요한 인프라를 포함하는 베이스R을 구현하고 있는데초기 멤버인 존 체임버스, 로스 이하카, 로버트 젠틀맨을포함한 몇 명의 멤버가 여전히 참여하고 있다는 점 등의 흥미로운 사실을 알게 되어 좋았다.

파이썬 진영에서는 창시자인 귀도 반 로섬이라는 네덜란드 프로그래머가 2018년까지파이썬 운영 위원회에 머물면서 자비로운 종신 독재자(BDFL, Benevolent Dictator For Life)라불리며 영향력을 행사했다는 점 등이 흥미로왔다.

Part02 Chapter3 R 사용자를 위한 파이썬은 많이 관심이갔었는데 사용환경 설정에서 원활하게 따라가지 못 해 아쉬웠다. 파이썬 환경이 다양하고 책에서는 그 중VS Code를 사용하는 방법을 비교적 상세하게 안내하고는 있어 VSCode 설치하고, 가상환경 구성하고 일부 패키지 설치하는 것까지는 따라 했다. 이후 Part03 Chapter4 데이터 포맷 컨텍스트에서 이미지데이터를 불러오기 위해 cv2(OpenCV) 패키지 설치하는데 에러가 나서 구글링하니 OpenCV라는 패키지명으로 설치해야 한다고 하고, skimage(scikit-image)패키지 설치하는데 에러가 나서 일단 실습은 포기했더랬다. 저자가 서두에 언급했던 것처럼어느 정도 파이썬이나 R 한 가지 언어에 익숙한 데이터 과학 분야의 실무자를 대상독자로 했기 때문에개인의 역량이 부족한 부분을 자책해야 할 것같다.

Part04 Chapter6 파이썬과 R의 시너지 효과에서는 R 코드를 작성하는 경우 reticulate가 보장하는 상호운영성과 파이썬 코드를 작성하는 경우 rpy2가보장하는 상호운영성에 대해 함수, 객체, 패키지 레벨에서사용할 수 있는 방법을 제시하고 있다.

Part04 Chapter7 데이터 과학 사례 연구에서는 데이터를불러오고, EDA와 데이터 시각화는 R을 이용하고, 피처 엔지니어링과 머신러닝은 파이썬을 이용하고, 동적보고서로 대화형웹 인터페이스는 R을 이용하는 것으로 R과 파이썬이라는 두언어를 상호운용할 수 있는 방법을 제시하고 있다. 

파이썬과 R을 상호운영하는데에 관심이 있는 데이터 과학 분야 실무자에게유익할 것같고, 초보자에게는 온전히 내 것으로 하기에는 좀 무리가 있지 않을까 하는 생각이 든다. 마찬가지로 번역도 약간 의역보다 직역에 가까운 것같다고 개인적으로 생각했는데,저자의 느낌과 의도 표현의 장점은 있으나 초보자에게는 내용 전달에 약점으로 작용하지 않았을까하는 생각이 든다.