✅ 1. Python 기본 라이브러리 (9개)

from IPython.display import Image  # Jupyter Notebook에서 이미지 표시
from collections import Counter  # 리스트 요소 개수 세기
from datetime import datetime, timedelta  # 날짜 및 시간 처리
from math import ceil  # 올림 함수 (반올림X, 올림!)
import itertools  # 반복자(iterators) 생성
import time  # 시간 관련 함수 (sleep 등)
import warnings  # 경고 메시지 무시 또는 표시 설정
import keyword  # 파이썬 예약어 목록 확인

---

✅ 2. 데이터 처리 및 분석 (19개)

import numpy as np  # 배열 및 행렬 연산
import pandas as pd  # 데이터프레임 조작
from pandas.plotting import scatter_matrix  # 산점도 행렬
from pandas_profiling import ProfileReport  # 자동 데이터 분석 리포트 생성
import pingouin as pg  # 고급 통계 분석
from patsy import dmatrices  # R 스타일 데이터 변환
from pmdarima import auto_arima  # 최적 ARIMA 모델 선택
import scipy  # 과학 계산 라이브러리
from scipy import stats  # 통계 분석
from scipy.cluster.hierarchy import dendrogram, linkage, fcluster  # 계층적 군집 분석

from scipy.stats import chi2_contingency, chisquare, gmean  # 통계 검정 및 기하평균
from scipy.stats import norm, sem, t, shapiro  # 정규성 검정 및 t-검정

---

✅ 3. 데이터 시각화 (8개)

import matplotlib.pyplot as plt  # 기본 그래프 플로팅
from matplotlib import font_manager, rc  # 폰트 설정
import seaborn as sns  # 고급 시각화 라이브러리
import graphviz  # 다이어그램 및 그래프 생성
import pydot, pydotplus  # 다이어그램 생성
import mglearn  # 머신러닝 시각화 도구

---

✅ 4. 머신러닝 (sklearn) - 총 49개

✔ 머신러닝 모델 학습, 평가, 데이터 전처리

A. 머신러닝 알고리즘 (25개)

1️⃣ 앙상블 모델 (6개)

from sklearn.ensemble import RandomForestClassifier, RandomForestRegressor  # 랜덤 포레스트
from sklearn.ensemble import AdaBoostClassifier, AdaBoostRegressor    # 어댑티브 부스팅
from sklearn.ensemble import BaggingClassifier, BaggingRegressor      # 배깅

2️⃣ 선형 모델 (7개)

from sklearn.linear_model import LinearRegression, LogisticRegression, Ridge  # 선형 회귀, 로지스틱 회귀, 릿지
from sklearn.linear_model import Lasso, ElasticNet, SGDRegressor, QuantileRegressor  # 라쏘, 엘라스틱넷, SGD, 분위수 회귀

3️⃣ 트리 모델 (2개)

from sklearn.tree import DecisionTreeClassifier, DecisionTreeRegressor  # 결정 트리

4️⃣ 베이지안 모델 (3개)

from sklearn.naive_bayes import BernoulliNB, GaussianNB, MultinomialNB  # 나이브 베이즈 모델

5️⃣ 군집화 & 차원축소 (7개)

from sklearn.cluster import KMeans, DBSCAN  # 군집화
from sklearn.decomposition import PCA  # 차원축소
from sklearn.neighbors import KNeighborsClassifier, KNeighborsRegressor, NearestNeighbors  # KNN 및 최근접 이웃 탐색

---

B. 데이터 전처리 & 피처 엔지니어링 (7개)

from sklearn.preprocessing import LabelEncoder  # 레이블 인코딩
from sklearn.preprocessing import MinMaxScaler, StandardScaler, RobustScaler, MaxAbsScaler  # 스케일링
from sklearn.preprocessing import PolynomialFeatures  # 다항식 변환
from sklearn.impute import KNNImputer  # KNN 기반 결측치 처리

---

C. 모델 평가 & 검증 (17개)

1️⃣ 성능 평가 지표 (9개)

from sklearn.metrics import accuracy_score, precision_score, recall_score  # 분류 성능 평가
from sklearn.metrics import f1_score, r2_score, roc_auc_score  # F1점수, 결정계수(R2), AUC
from sklearn.metrics import mean_absolute_error, mean_squared_error, mean_squared_log_error  # 회귀 평가 지표

2️⃣ 평가 도구 (4개)

from sklearn.metrics import confusion_matrix, plot_roc_curve, classification_report, calinski_harabasz_score  # 평가 도구

3️⃣ 모델 검증 & 최적화 (4개)

from sklearn.model_selection import train_test_split, cross_val_score, GridSearchCV, KFold  # 데이터 분할, 검증, 최적화

---

✅ 5. 통계 및 가설 검정 (9개)

import statsmodels.api as sm  # 기본 API (OLS, GLM 등)
from statsmodels.formula.api import ols, logit  # 수식 기반 회귀 (OLS, 로지스틱)
from statsmodels.stats.anova import anova_lm  # ANOVA 분석

from statsmodels.stats.multicomp import MultiComparison, pairwise_tukeyhsd  # 다중 비교 검정
from statsmodels.stats.outliers_influence import variance_inflation_factor  # 다중공선성 분석
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf  # 시계열 ACF/PACF 플롯

---

✅ 6. 시계열 분석 (4개)

from statsmodels.tsa.arima.model import ARIMA  # ARIMA 모델
from statsmodels.tsa.arima_process import ArmaProcess  # ARMA 프로세스
from statsmodels.tsa.stattools import adfuller  # 단위근 검정 (ADF)
from statsmodels.tsa.seasonal import seasonal_decompose  # 계절성 분해

---

✅ 7. 부스팅 모델 (4개)

from xgboost import XGBClassifier, XGBRegressor, plot_importance  # XGBoost 모델
import lightgbm as lgb  # LightGBM 모델

---

✅ 📊 전체 import 문 개수 요약

카테고리	개수
Python 기본 라이브러리	9개
데이터 처리 및 분석	19개
데이터 시각화	8개
머신러닝 (sklearn)	49개
통계 및 가설 검정	9개
시계열 분석	4개
부스팅 모델	4개
총합	✅ 102개

✔ 총 102개의 import 문이 사용됨. 🚀
✔ 각 카테고리를 나누어 암기하면 효율적!
✔ 시험 대비 시 개수를 정확히 기억하는 것이 중요! ✅