📚 교보문고 데이터로 시작하는 Python 분석 & 시각화 프로젝트 🍀

이번 포스팅에서는 교보문고 데이터를 통해 KoNLPy와 WordCloud를 활용해 키워드 추출부터 워드클라우드 시각화까지 한 번에 해보겠습니다!
💡 NanumGothic 폰트만 쓰면 글자가 깨지는 경우가 있을 수 있는데, 다른 폰트를 Fallback(대체 폰트)으로 설정해서 에러를 최소화해봅시다!

1️⃣ 데이터 준비하기 🛍️

📷 교보문고에서 데이터 가져오기

먼저 교보문고 사이트에서 원하는 카테고리 데이터를 엑셀로 추출했다고 가정해볼게요. (실제로는 웹 크롤링, 다운로드, 또는 직접 정리 등 다양한 방법을 사용하실 수 있습니다.)

(위 이미지는 예시입니다. 실제 교보문고 사이트에서 데이터 확인!)

해당 엑셀 파일을 프로젝트 폴더에 넣어 교보문고_카테고리_상품리스트.xlsx 라는 이름으로 저장해둡니다.

2️⃣ 코드 전체 설명 🎀

아래는 NanumGothic 폰트를 우선 사용하되, 폰트에 누락된 글리프가 있으면 다른 폰트로 대체하도록 설정한 전체 코드예요. 이런 방식으로 "missing from current font" 문제를 완화할 수 있습니다.

import os
import pandas as pd
from konlpy.tag import Okt
from collections import Counter
import matplotlib.pyplot as plt
import seaborn as sns
from wordcloud import WordCloud
import matplotlib.font_manager as fm

# -----------------------------
# 1. 폰트 설정
# -----------------------------
# (1) NanumGothic 폰트 (우선 사용)
# (2) 만약 특정 글리프 누락 시 AppleGothic, Malgun Gothic 등 fallback

# 강제로 NanumGothic 폰트 등록
nanum_font_path = '/Users/kimdonghyuk/Library/Fonts/NanumGothic-Regular.ttf'
fm.fontManager.addfont(nanum_font_path)

# 여러 폰트를 순서대로 지정하여 누락된 글리프 문제 완화
plt.rcParams['font.family'] = [
    'NanumGothic',   # 우선 시도
    'AppleGothic',   # macOS 기본 한글 폰트 (fallback)
    'Malgun Gothic', # Windows 기본 한글 폰트 (fallback)
    'sans-serif'     # 기본 sans-serif 폰트
]
plt.rcParams['axes.unicode_minus'] = False  # 음수 기호 깨짐 방지

print("📢 폰트 설정 완료: NanumGothic -> AppleGothic -> Malgun Gothic 순으로 확인합니다!")

# -----------------------------
# 2. 엑셀 데이터 불러오기
# -----------------------------
file_path = '교보문고_카테고리_상품리스트.xlsx'  # 엑셀 파일 경로
df = pd.read_excel(file_path)
print(f"✅ 데이터 로드 성공: {file_path}")

# -----------------------------
# 3. 데이터 전처리
# -----------------------------
required_columns = ['상품명', '정가', '판매가', '할인율', '적립율', '적립예정포인트', '출판사']

# 필요한 컬럼이 모두 있는지 체크
missing_cols = [col for col in required_columns if col not in df.columns]
if missing_cols:
    raise KeyError(f"다음 컬럼들이 누락되었습니다: {missing_cols}")

df = df[required_columns]

numeric_columns = ['정가', '판매가', '할인율', '적립율', '적립예정포인트']
for col in numeric_columns:
    df[col] = df[col].astype(str).str.replace(',', '').str.replace('%', '').astype(float)

print("✅ 데이터 전처리 완료")

# -----------------------------
# 4. 키워드 추출 (KoNLPy)
# -----------------------------
okt = Okt()
stopwords = ['기술', '이론', '기본서', '문제집', '실무', '기출', '필기', '실기']  # 분석 제외할 단어들

all_nouns = []
for title in df['상품명']:
    nouns = okt.nouns(title)  # 명사만 추출
    filtered = [n for n in nouns if n not in stopwords and len(n) > 1]
    all_nouns.extend(filtered)

print("✅ 키워드 추출 완료")

# -----------------------------
# 5. 빈도수 분석
# -----------------------------
word_counts = Counter(all_nouns)
top_keywords = word_counts.most_common(20)
keywords_df = pd.DataFrame(top_keywords, columns=['키워드', '빈도수'])

print("✅ 빈도수 분석 완료")
print(keywords_df.head(10))

# -----------------------------
# 6. 데이터 시각화
# -----------------------------
sns.set(style="whitegrid")

# (1) 막대 그래프 시각화
plt.figure(figsize=(12, 8))
sns.barplot(x='빈도수', y='키워드', data=keywords_df, palette='viridis')
plt.title('🔎 상위 20개 키워드 빈도수')
plt.xlabel('빈도수')
plt.ylabel('키워드')
plt.show()

# (2) 워드클라우드 생성
try:
    wordcloud = WordCloud(
        font_path=nanum_font_path,  # NanumGothic 폰트 지정
        background_color='white',
        width=800,
        height=600
    ).generate_from_frequencies(dict(word_counts))

    plt.figure(figsize=(12, 8))
    plt.imshow(wordcloud, interpolation='bilinear')
    plt.axis('off')
    plt.title('🌟 키워드 워드클라우드')
    plt.show()
except ValueError as e:
    print(f"⚠️ 워드클라우드 생성 중 문제 발생: {e}")

3️⃣ 코드를 단계별로 살펴보기 🧐

1. 폰트 설정

   • matplotlib의 rcParams['font.family']에 여러 폰트를 리스트로 넣어두면, 앞선 폰트에서 글리프가 없으면 뒤쪽 폰트를 사용합니다. 이렇게 하면 missing from current font 에러를 크게 완화할 수 있습니다.

2. 엑셀 파일 읽기

   • pandas로 교보문고에서 추출한 엑셀 파일을 읽어옵니다.

3. 데이터 전처리

   • 필요한 컬럼만 선택하고, 쉼표(,)와 퍼센트(%)를 제거해 숫자형으로 변환합니다.

4. KoNLPy로 키워드 추출

   • Okt 형태소 분석기를 사용해 명사를 추출한 뒤, 불용어 리스트(stopwords)에서 제거합니다.

5. 빈도수 분석 & 시각화

   • collections.Counter로 키워드 빈도수를 계산하고, Seaborn 막대 그래프로 상위 20개 키워드 빈도수를 확인합니다.
   • WordCloud로 워드클라우드를 생성하여 키워드를 직관적으로 파악할 수 있습니다.

4️⃣ 실행 결과 미리보기 🔎

• 상위 20개 키워드 막대 그래프
  각 키워드가 얼마나 많이 등장했는지 한눈에 볼 수 있어요.
• 워드클라우드
  빈도가 높은 단어일수록 크게 표시되는 구름 형태의 시각화로, 인기 키워드를 직관적으로 파악할 수 있습니다.

5️⃣ 마무리 ✨

이번 포스팅에서는 교보문고 데이터를 분석하며, 한글 폰트 이슈를 최소화하기 위해 Fallback 폰트를 지정하는 방법을 살펴봤어요! 😎

• 만약 여전히 missing from current font 메시지가 뜬다면, matplotlib 캐시 삭제와
  

✨
일본 맥에서 한글 폰트 설정이 어려워 한글을 포기했지만, 분석과 시각화를 끝까지 완성했습니다!
폰트 문제로 고생하시는 분들은 저처럼 영어 기반으로 대체하거나, 한글 폰트를 설치해 해결 방법을 찾으시면 좋겠습니다..

궁금한 점이나 추가 의견이 있다면 댓글로 남겨주세요!
여러분의 분석에도 도움이 되었길 바랍니다. 🙌

데이터 출처: 교보문고
참고 라이브러리:

• pandas
• KoNLPy
• matplotlib
• seaborn
• WordCloud

감사합니다! 💖 즐거운 데이터 분석 되세요!