데이터 전처리 프롬프트 작성법: Pandas·엑셀·SQL

데이터 분석에서 가장 시간이 많이 드는 일은 분석 자체보다 데이터를 정리하는 일입니다. 빈 칸 채우기, 날짜 형식 맞추기, 중복 지우기, 엉망인 컬럼 나누기 같은 전처리 작업은 반복적이어서 AI에게 맡기기 좋습니다. 이 글에서는 AI에게 전처리 코드나 방법을 정확하게 받아 내는 프롬프트 작성법을 정리합니다.

데이터를 통째로 넣지 말고 구조를 알려 주기

수천 행짜리 데이터를 그대로 붙여 넣을 필요는 없습니다. 오히려 개인정보 유출 위험만 커집니다. AI에게 필요한 것은 데이터의 구조입니다.

• 컬럼 이름과 각 컬럼의 의미
• 데이터 형식(숫자, 날짜, 문자 등)
• 문제가 있는 값의 예시 몇 줄(실제 고객 정보는 가짜 값으로 바꿔서)
• 전체 행 수와 사용하는 도구(엑셀, 파이썬, SQL 등)

결과를 어떤 형태로 받을지 정하기

같은 전처리도 어떤 도구로 할지에 따라 결과물이 달라집니다.

• 파이썬(Pandas) 스크립트: 같은 작업을 반복하거나 데이터가 클 때
• 엑셀 수식·매크로: 코딩 없이 시트 안에서 해결하고 싶을 때
• SQL 쿼리: 데이터가 데이터베이스에 있을 때

전처리 프롬프트 예시

너는 10년 차 데이터 분석가야.
아래 주문 데이터를 분석할 수 있게 정리하는 Python(Pandas) 코드를 만들어 줘.

[데이터 구조] orders.csv, 약 5만 행
- order_id: 주문번호(중복 있음)
- order_date: 주문일 (예: 2026-03-05, 2026.3.5, 20260305 처럼 형식이 섞여 있음)
- region: 지역 (빈 칸 있음)
- amount: 결제 금액 (예: "12,000", "12000원" 처럼 문자로 저장됨)

[처리할 일]
1. order_id 기준으로 중복 행 제거(가장 마지막 행 유지)
2. order_date를 날짜 형식으로 통일
3. amount를 숫자로 변환
4. region 빈 칸은 '미상'으로 채우기

[출력]
- 바로 실행 가능한 .py 코드와 각 단계별 주석
- 처리 전후 행 수를 출력하는 코드 포함
- 변환에 실패한 값은 지우지 말고 따로 모아 확인할 수 있게 해 줘

마지막 조건이 중요합니다. 형식이 이상한 값을 AI가 임의로 지우거나 0으로 바꾸게 두면, 나중에 분석 결과가 왜 이상한지 찾기 어려워집니다.

빈 값(결측치) 처리는 신중하게

빈 값을 평균이나 0으로 채우는 것은 간단하지만, 분석 결과를 왜곡할 수 있습니다. 예를 들어 결제 금액의 빈 칸을 0으로 채우면 평균 결제 금액이 실제보다 낮게 나옵니다. 처리 방법을 정하기 어렵다면 “빈 값을 처리할 수 있는 방법 3가지와 각각의 장단점을 먼저 설명해 줘”라고 요청해서 상황에 맞는 방법을 고르세요.

받은 코드 검증하기

• 원본 파일은 백업해 두고 복사본으로 먼저 실행해 보세요.
• 처리 전후 행 수, 합계, 빈 값 개수를 비교해 의도와 다르게 바뀐 곳이 없는지 확인하세요.
• 에러가 나면 에러 메시지 전체를 그대로 다시 AI에게 보여 주면 대부분 바로 고쳐 줍니다.

AI 프롬프트 빌더에서 목적을 ‘전처리’로 고르면 ‘결측치 처리’, ‘데이터 타입 및 형식 변환’(날짜 형식 표준화, JSON 컬럼 펼치기 등) 같은 처리 방법과, ‘최종 출력 및 코드 스타일’에서 Pandas 스크립트·엑셀 수식/매크로·SQL 쿼리·마크다운 표 같은 출력 형태를 골라 전처리 프롬프트를 만들 수 있습니다.