데이터 과학 분야에는 80/20 법칙이라는 개념이 있다. 엄밀한 의미에서 법칙이라기 보다는 경험적인 관찰에 가까운 것인데, 데이터 분석 작업을 수행하는 과정에서 소비되는 자원(시간과 인력) 중 실제 모델링과 분석 작업에 들어가는 자원은 20%밖에 되지 않고, 80%의 자원은 데이터를 찾고, 정제하고, 재구성하는 작업에 소비된다는 것이다. 데이터는 늘 모자라고, 기껏 수집한 데이터는 누락된 내용이 있고 형식이 맞지 않는다. 분석 결과는 직관과 들어맞지 않는데, 아무래도 데이터에 이상한 값이 포함된 탓 같다. 실제 데이터 분석 작업을 수행해 본 사람이라면 누구나 이러한 생각에 공감할 것이다.

  우리가 대부분의 수업에서 다루는 예제 데이터들은 시행착오를 줄일 수 있도록 대체로 전처리 작업이 완료된 ‘깨끗한’ 데이터이다. 이 교재에서는 보다 현실적인 ‘더러운’ 데이터들을 수집하고, 수집한 데이터들을 분석 목적에 부합하도록 정제하는 전처 리 작업의 기초들을 다룬다. 각각의 요소들(웹 스크래핑, API 프로그래밍, 결측치 채워 넣기 등)을 깊이 있게 다루려면 여러 권의 책이 필요할 것이기에, 가장 일반적이고 기본적인 기법들을 소개하고, 해당 기법을 실제 데이터에 사용해 볼 수 있도록 적절한 예 제들을 준비하였다.

  이 교재에는 많은 파이썬 예제 코드가 포함되어 있다. 저자의 홈페이지를 통해 이 코드들을 바로 내려받을 수 있지만, 데이터 처리는 체계적인 학문이라기보다 몸에 체득되는 실용적인 기술에 가깝기 때문에, 이 코드들을 그저 실행해 보는 것에 그치지 않고 직접 입력하고 시행착오를 겪으며 스스로가 유용하게 다룰 수 있는 도구로 만들어 가는 것을 추천한다. 시행착오를 겪으며 스스로가 유용하게 다룰 수 있는 도구로 만들어 가는 것을 추천한다.