대시보드 개념
차트를 대시보드로 결합하기
대시보드 개념은(는) CoddyKit의 무료 Python Academy 강의입니다. 이것은 4개 중 3번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Python Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Python Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
차트에서 대시보드로
하나의 차트는 하나의 질문에 답합니다. 대시보드는 서로 관련된 여러 차트를 함께 배치하여, 전체 상황을 한눈에 파악할 수 있게 합니다.
대시보드를 만들려면 어떤 차트를 함께 배치할지, 어떻게 배열할지, 서로 어떤 관계를 갖게 할지 결정해야 합니다.
Plotly의 서브플롯
여러 Plotly 차트를 하나의 Figure에 배치하려면 plotly.subplots의 make_subplots(rows, cols)를 사용하십시오. 그런 다음 fig.add_trace(trace, row=1, col=2)를 사용해 각 트레이스를 특정 셀에 추가합니다.
이는 Matplotlib의 서브플롯 격자에 해당하는 Plotly 방식입니다.
격자 계획하기
코딩하기 전에 격자를 그려 보십시오. 행과 열을 몇 개로 할지, 각 셀에 무엇을 넣을지 결정합니다. 계산 방법은 어떤 격자 배열과도 같습니다.
panels = ['Revenue trend', 'Top products', 'Region map', 'Conversion %']
rows, cols = 2, 2
for i, p in enumerate(panels):
r = i // cols + 1
c = i % cols + 1
print('row', r, 'col', c, '->', p)혼합 차트 유형
대시보드는 보통 여러 유형을 섞어 사용합니다. 추세에는 선 차트, 순위에는 막대 차트, 주요 지표에는 숫자를 사용합니다. make_subplots는 이 모든 유형을 담을 수 있으며, specs 인수로 셀마다 유형을 설정할 수 있습니다. 예를 들어 원형 차트에는 type='domain'이 필요합니다.
KPI 카드
대시보드는 흔히 큰 단일 숫자인 KPI로 시작합니다. Plotly의 Indicator 트레이스는 값, 목표와 비교한 선택적 변동량, 게이지를 표시합니다.
변동량은 간단히 현재 값에서 이전 값을 뺀 값입니다.
current = 1280
previous = 1150
delta = current - previous
pct = delta / previous * 100
print('Value:', current)
print('Delta:', '+' + str(delta), '(' + format(pct, '.1f') + '%)')공통 제목과 레이아웃
fig.update_layout(title_text='Sales Dashboard')로 대시보드 전체 제목을 하나 지정하고, make_subplots의 subplot_titles 인수로 패널별 제목을 지정하십시오. 일관된 레이아웃을 사용하면 패널들이 하나의 제품처럼 느껴집니다.
웹 대시보드를 위한 Dash
드롭다운과 필터가 있는 대화형 웹 대시보드에는 Plotly의 자매 프레임워크인 Dash가 표준으로 사용됩니다. Dash는 Plotly Figure를 HTML 제어 기능 및 입력이 바뀔 때 차트를 업데이트하는 콜백과 결합합니다.
보고서에는 서브플롯으로 구성한 정적 Figure면 충분하지만, 실시간 앱에는 Dash가 적합합니다.
콜백의 핵심 개념
Dash 콜백은 드롭다운 값과 같은 입력을 차트와 같은 출력에 매핑합니다. 입력이 바뀌면 함수가 다시 실행되고 새 Figure를 반환합니다. 입력을 넣으면 Figure가 나오는 패턴입니다.
def update_chart(selected_region):
data = {'North': [1, 2, 3], 'South': [3, 2, 1]}
series = data.get(selected_region, [])
return {'region': selected_region, 'values': series}
print(update_chart('North'))
print(update_chart('South'))레이아웃 원칙
좋은 대시보드는 다음과 같은 계층 구조를 따릅니다:
- 가장 중요한 KPI는 시선이 가장 먼저 머무는 왼쪽 위에 배치합니다
- 지원 세부 정보를 보여 주는 차트는 아래에 배치합니다
- 하나의 계열이 어디서나 같은 의미를 갖도록 색상을 일관되게 사용합니다
내용을 지나치게 빽빽하게 배치하지 마십시오. 여백은 이해를 돕습니다.
성능 고려
차트가 많고 데이터 집합이 크면 대시보드가 느려질 수 있습니다. 차트를 그리기 전에 데이터를 집계하고, 점의 수를 제한하며, 입력이 바뀐 패널만 다시 계산하십시오. 반응이 빠른 대시보드는 사용되지만, 느린 대시보드는 외면받습니다.
필터와 교차 필터링
고급 대시보드에서는 한 번의 선택으로 여러 차트를 동시에 업데이트할 수 있는데, 이를 교차 필터링이라고 합니다. 지도에서 한 지역을 클릭하면 추세 패널과 순위 패널이 해당 지역으로 필터링됩니다.
Dash에서는 콜백으로 이 기능을 연결합니다. 선택한 값이 모든 종속 차트가 읽는 입력이 됩니다.
빠른 확인
대시보드 개념을 확인해 보십시오.
복습
차트가 대시보드로 발전하는 과정을 배웠습니다:
- 격자를 만들 때
make_subplots(rows, cols)와add_trace(..., row=, col=)를 사용합니다 - 차트 유형을 섞고 KPI
Indicator카드를 앞세웁니다 - Dash는 입력에서 Figure로 이어지는 콜백을 통해 대화형 제어 기능을 추가합니다
- 시각적 계층 구조를 따르고 성능을 살핍니다
자주 묻는 질문
“대시보드 개념” 강의는 무료인가요?
네 — “대시보드 개념” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Python Academy 강의 전체를 잠금 해제할 수 있습니다. Python Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
“대시보드 개념”에서 뭘 배우나요?
차트를 대시보드로 결합하기 브라우저에서 직접 실행하는 실습 코드로 Python Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
Python Academy을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 Python Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 3번째 강의입니다.
“대시보드 개념” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 Python Academy 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 Python Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.