JSON과 CSV

In Python JSON과 CSV 데이터를 다루는 Methode lernen wir. 이 두 가지는 가장 널리 사용되는 데이터 교환 형식.

JSON 다루기 📦

JSON(JavaScript Object Notation)은 데이터를 저장하고 전송하는 경량 형식.

Grundlegend 사용법

import json

# Python 객체 → JSON 문자열
data = {
    'name': '홍길동',
    'age': 30,
    'city': '서울',
    'hobbies': ['독서', '등산', '요리']
}

json_string = json.dumps(data)
print(json_string)
# {"name": "홍길동", "age": 30, "city": "서울", "hobbies": ["독서", "등산", "요리"]}

# JSON 문자열 → Python 객체
parsed_data = json.loads(json_string)
print(parsed_data['name'])  # 홍길동

파일로 저장하고 읽기

import json

# JSON 파일로 저장
data = {
    'users': [
        {'id': 1, 'name': '김철수', 'email': 'kim@example.com'},
        {'id': 2, 'name': '이영희', 'email': 'lee@example.com'},
    ]
}

with open('users.json', 'w', encoding='utf-8') as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

# JSON Dateien lesen
with open('users.json', 'r', encoding='utf-8') as f:
    loaded_data = json.load(f)
    print(loaded_data)

JSON 포맷팅 옵션

import json

data = {'name': '홍길동', 'age': 30, 'skills': ['Python', 'JavaScript']}

# 들여쓰기 없음 (압축)
compact = json.dumps(data)
print(compact)
# {"name": "홍길동", "age": 30, "skills": ["Python", "JavaScript"]}

# 들여쓰기 2칸 (읽기 쉽게)
pretty = json.dumps(data, indent=2, ensure_ascii=False)
print(pretty)
# {
#   "name": "홍길동",
#   "age": 30,
#   "skills": [
#     "Python",
#     "JavaScript"
#   ]
# }

# 키 정렬
sorted_json = json.dumps(data, sort_keys=True, indent=2, ensure_ascii=False)
print(sorted_json)

복잡한 데이터 타입 처리

import json
from datetime import datetime
from decimal import Decimal

class DateTimeEncoder(json.JSONEncoder):
    """datetime을 JSON으로 직렬화"""
    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat()
        if isinstance(obj, Decimal):
            return float(obj)
        return super().default(obj)

# 사용 Beispiel
data = {
    'timestamp': datetime.now(),
    'amount': Decimal('123.45')
}

json_string = json.dumps(data, cls=DateTimeEncoder, indent=2)
print(json_string)

CSV 다루기 📊

CSV(Comma-Separated Values)는 표 형식 데이터를 저장하는 간단한 형식.

Grundlegend CSV 쓰기

import csv

# CSV Dateien schreiben
data = [
    ['이름', '나이', '도시'],
    ['홍길동', 30, '서울'],
    ['김철수', 25, '부산'],
    ['이영희', 28, '대구']
]

with open('users.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerows(data)

CSV 읽기

import csv

# CSV Dateien lesen
with open('users.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)
# ['이름', '나이', '도시']
# ['홍길동', '30', '서울']
# ...

DictReader: 딕셔너리로 읽기

import csv

# 헤더를 키로 사용하여 읽기
with open('users.csv', 'r', encoding='utf-8') as f:
    reader = csv.DictReader(f)
    for row in reader:
        print(f"{row['이름']}은 {row['나이']}세이고 {row['도시']}에 삽니다.")
# 홍길동은 30세이고 서울에 삽니다.
# 김철수는 25세이고 부산에 삽니다.

DictWriter: 딕셔너리로 쓰기

import csv

# 딕셔너리 데이터를 CSV로 저장
users = [
    {'name': '홍길동', 'age': 30, 'city': '서울'},
    {'name': '김철수', 'age': 25, 'city': '부산'},
    {'name': '이영희', 'age': 28, 'city': '대구'}
]

with open('users_dict.csv', 'w', newline='', encoding='utf-8') as f:
    fieldnames = ['name', 'age', 'city']
    writer = csv.DictWriter(f, fieldnames=fieldnames)

    writer.writeheader()  # 헤더 쓰기
    writer.writerows(users)  # 모든 행 쓰기

CSV 옵션

import csv

# 구분자 변경 (탭, 세미콜론 등)
with open('data.tsv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f, delimiter='\t')
    writer.writerow(['이름', '나이'])
    writer.writerow(['홍길동', 30])

# 인용 스타일
with open('quoted.csv', 'w', newline='', encoding='utf-8') as f:
    # QUOTE_ALL: 모든 필드를 인용
    writer = csv.writer(f, quoting=csv.QUOTE_ALL)
    writer.writerow(['이름', '나이'])

    # QUOTE_MINIMAL: 필요한 경우만 인용 (Grundlegend값)
    writer = csv.writer(f, quoting=csv.QUOTE_MINIMAL)
    writer.writerow(['홍길동', 30])

실전 Beispiel 💡

Beispiel 1: API 응답 파싱

import json
import urllib.request

def fetch_and_parse_json(url):
    """JSON API 호출 및 파싱"""
    try:
        with urllib.request.urlopen(url) as response:
            data = response.read()
            return json.loads(data)
    except Exception as e:
        print(f'에러 발생: {e}')
        return None

# 사용 Beispiel (실제 API 사용)
# url = 'https://api.example.com/users'
# users = fetch_and_parse_json(url)

# 로컬 JSON Dateien lesen Beispiel
def load_user_data(filename):
    """사용자 데이터 로드"""
    try:
        with open(filename, 'r', encoding='utf-8') as f:
            return json.load(f)
    except FileNotFoundError:
        print(f'파일을 찾을 수 없습니다: {filename}')
        return []
    except json.JSONDecodeError as e:
        print(f'JSON 파싱 에러: {e}')
        return []

# users = load_user_data('users.json')
# for user in users:
#     print(f"{user['name']}: {user['email']}")

Beispiel 2: 설정 파일 관리

import json
from pathlib import Path

class Config:
    """JSON 설정 파일 관리자"""

    def __init__(self, config_file='config.json'):
        self.config_file = Path(config_file)
        self.data = self.load()

    def load(self):
        """설정 파일 로드"""
        if self.config_file.exists():
            with open(self.config_file, 'r', encoding='utf-8') as f:
                return json.load(f)
        return self.get_default()

    def save(self):
        """설정 파일 저장"""
        with open(self.config_file, 'w', encoding='utf-8') as f:
            json.dump(self.data, f, indent=2, ensure_ascii=False)

    def get(self, key, default=None):
        """설정 값 가져오기"""
        return self.data.get(key, default)

    def set(self, key, value):
        """설정 값 설정하기"""
        self.data[key] = value
        self.save()

    def get_default(self):
        """Grundlegend 설정"""
        return {
            'app_name': 'MyApp',
            'version': '1.0.0',
            'debug': False,
            'max_connections': 100
        }

# 사용 Beispiel
config = Config()
print(f"앱 이름: {config.get('app_name')}")

config.set('debug', True)
print(f"디버그 모드: {config.get('debug')}")

Beispiel 3: CSV에서 JSON으로 변환

import csv
import json

def csv_to_json(csv_file, json_file):
    """CSV 파일을 JSON으로 변환"""
    data = []

    with open(csv_file, 'r', encoding='utf-8') as f:
        reader = csv.DictReader(f)
        for row in reader:
            # 숫자 타입 변환
            for key, value in row.items():
                if value.isdigit():
                    row[key] = int(value)
                elif value.replace('.', '', 1).isdigit():
                    row[key] = float(value)
            data.append(row)

    with open(json_file, 'w', encoding='utf-8') as f:
        json.dump(data, f, indent=2, ensure_ascii=False)

    print(f'{csv_file} → {json_file} 변환 완료')
    return data

# 사용 Beispiel
# data = csv_to_json('users.csv', 'users.json')

Beispiel 4: JSON에서 CSV로 변환

import json
import csv

def json_to_csv(json_file, csv_file):
    """JSON 파일을 CSV로 변환"""
    with open(json_file, 'r', encoding='utf-8') as f:
        data = json.load(f)

    if not data:
        print('데이터가 비어있습니다')
        return

    # 첫 번째 항목에서 키 추출
    if isinstance(data, list):
        fieldnames = list(data[0].keys())
    else:
        # 단일 객체인 경우
        data = [data]
        fieldnames = list(data[0].keys())

    with open(csv_file, 'w', newline='', encoding='utf-8') as f:
        writer = csv.DictWriter(f, fieldnames=fieldnames)
        writer.writeheader()
        writer.writerows(data)

    print(f'{json_file} → {csv_file} 변환 완료')

# 사용 Beispiel
# json_to_csv('users.json', 'users_output.csv')

Beispiel 5: 엑셀 데이터 처리 (CSV 사용)

import csv
from collections import defaultdict

class SalesAnalyzer:
    """판매 데이터 분석기"""

    def __init__(self, csv_file):
        self.data = self.load_data(csv_file)

    def load_data(self, csv_file):
        """CSV 데이터 로드"""
        data = []
        with open(csv_file, 'r', encoding='utf-8') as f:
            reader = csv.DictReader(f)
            for row in reader:
                # 숫자 변환
                row['amount'] = float(row['amount'])
                row['quantity'] = int(row['quantity'])
                data.append(row)
        return data

    def total_sales(self):
        """총 매출"""
        return sum(item['amount'] for item in self.data)

    def sales_by_product(self):
        """제품별 매출"""
        sales = defaultdict(float)
        for item in self.data:
            sales[item['product']] += item['amount']
        return dict(sales)

    def top_products(self, n=5):
        """상위 N개 제품"""
        sales = self.sales_by_product()
        sorted_products = sorted(sales.items(), key=lambda x: x[1], reverse=True)
        return sorted_products[:n]

    def generate_report(self, output_file):
        """리포트 생성"""
        report = {
            'total_sales': self.total_sales(),
            'product_count': len(self.sales_by_product()),
            'top_products': [
                {'product': name, 'sales': amount}
                for name, amount in self.top_products()
            ]
        }

        with open(output_file, 'w', encoding='utf-8') as f:
            json.dump(report, f, indent=2, ensure_ascii=False)

        return report

# 사용 Beispiel (CSV 파일 생성)
sample_data = [
    ['product', 'quantity', 'amount'],
    ['노트북', 5, 5000000],
    ['마우스', 20, 500000],
    ['키보드', 15, 1500000],
    ['노트북', 3, 3000000],
]

with open('sales.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerows(sample_data)

# analyzer = SalesAnalyzer('sales.csv')
# print(f'총 매출: {analyzer.total_sales():,}원')
# print(f'제품별 매출: {analyzer.sales_by_product()}')
# analyzer.generate_report('sales_report.json')

Beispiel 6: 중첩된 JSON 처리

import json

def flatten_json(nested_json, parent_key='', separator='_'):
    """중첩된 JSON을 평탄화"""
    items = []

    for key, value in nested_json.items():
        new_key = f'{parent_key}{separator}{key}' if parent_key else key

        if isinstance(value, dict):
            items.extend(flatten_json(value, new_key, separator).items())
        elif isinstance(value, list):
            for i, item in enumerate(value):
                if isinstance(item, dict):
                    items.extend(flatten_json(item, f'{new_key}_{i}', separator).items())
                else:
                    items.append((f'{new_key}_{i}', item))
        else:
            items.append((new_key, value))

    return dict(items)

# 사용 Beispiel
nested_data = {
    'name': '홍길동',
    'address': {
        'city': '서울',
        'street': '강남대로',
        'zipcode': '12345'
    },
    'phones': [
        {'type': 'home', 'number': '02-1234-5678'},
        {'type': 'mobile', 'number': '010-1234-5678'}
    ]
}

flat = flatten_json(nested_data)
print(json.dumps(flat, indent=2, ensure_ascii=False))

Beispiel 7: CSV 데이터 필터링 및 정렬

import csv

class CSVProcessor:
    """CSV 데이터 처리기"""

    def __init__(self, filename):
        self.filename = filename
        self.data = self.load()

    def load(self):
        """CSV 로드"""
        with open(self.filename, 'r', encoding='utf-8') as f:
            reader = csv.DictReader(f)
            return list(reader)

    def filter(self, condition):
        """조건에 맞는 행만 필터링"""
        return [row for row in self.data if condition(row)]

    def sort(self, key, reverse=False):
        """정렬"""
        return sorted(self.data, key=lambda x: x[key], reverse=reverse)

    def save(self, data, output_file):
        """결과 저장"""
        if not data:
            print('저장할 데이터가 없습니다')
            return

        fieldnames = list(data[0].keys())

        with open(output_file, 'w', newline='', encoding='utf-8') as f:
            writer = csv.DictWriter(f, fieldnames=fieldnames)
            writer.writeheader()
            writer.writerows(data)

        print(f'{output_file} 저장 완료')

# 사용 Beispiel (샘플 CSV 생성)
sample_data = [
    ['name', 'age', 'city', 'salary'],
    ['홍길동', '30', '서울', '50000'],
    ['김철수', '25', '부산', '40000'],
    ['이영희', '35', '서울', '60000'],
    ['박민수', '28', '대구', '45000'],
]

with open('employees.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerows(sample_data)

# processor = CSVProcessor('employees.csv')

# 서울에 사는 직원만 필터링
# seoul_employees = processor.filter(lambda row: row['city'] == '서울')
# processor.save(seoul_employees, 'seoul_employees.csv')

# 나이로 정렬
# sorted_by_age = processor.sort('age', reverse=True)
# processor.save(sorted_by_age, 'employees_sorted.csv')

Beispiel 8: JSON 스키마 검증

import json

class JSONValidator:
    """간단한 JSON 스키마 검증기"""

    @staticmethod
    def validate_user(data):
        """사용자 데이터 검증"""
        required_fields = ['name', 'email', 'age']
        errors = []

        # 필수 필드 확인
        for field in required_fields:
            if field not in data:
                errors.append(f'필수 필드 누락: {field}')

        # 타입 확인
        if 'name' in data and not isinstance(data['name'], str):
            errors.append('name은 문자열이어야 ')

        if 'age' in data:
            try:
                age = int(data['age'])
                if age < 0 or age > 150:
                    errors.append('age는 0-150 사이여야 ')
            except ValueError:
                errors.append('age는 숫자여야 ')

        if 'email' in data and '@' not in data['email']:
            errors.append('유효하지 않은 이메일')

        return len(errors) == 0, errors

    @staticmethod
    def validate_batch(data_list):
        """여러 데이터 검증"""
        results = []

        for i, data in enumerate(data_list):
            is_valid, errors = JSONValidator.validate_user(data)
            results.append({
                'index': i,
                'valid': is_valid,
                'errors': errors,
                'data': data
            })

        return results

# 사용 Beispiel
users = [
    {'name': '홍길동', 'email': 'hong@example.com', 'age': 30},
    {'name': '김철수', 'email': 'invalid-email', 'age': 25},
    {'email': 'lee@example.com', 'age': 28},  # name 누락
    {'name': '박민수', 'email': 'park@example.com', 'age': 200},  # 잘못된 age
]

results = JSONValidator.validate_batch(users)

for result in results:
    print(f"\n항목 {result['index']}:")
    if result['valid']:
        print('  ✓ 유효')
    else:
        print('  ✗ 유효하지 않음')
        for error in result['errors']:
            print(f'    - {error}')

Beispiel 9: 대용량 JSON 스트리밍

import json

def process_large_json_file(filename):
    """대용량 JSON 파일을 청크 단위로 처리"""
    with open(filename, 'r', encoding='utf-8') as f:
        # JSON 배열을 스트리밍으로 처리
        decoder = json.JSONDecoder()
        buffer = ''

        for line in f:
            buffer += line
            try:
                # JSON 객체 파싱 시도
                obj, index = decoder.raw_decode(buffer)
                yield obj

                # 파싱된 부분 제거
                buffer = buffer[index:].lstrip()
            except json.JSONDecodeError:
                # 아직 완전한 객체가 아님, 계속 읽기
                continue

# 사용 Beispiel
# for item in process_large_json_file('large_data.json'):
#     process_item(item)

Beispiel 10: CSV와 JSON 통합 데이터 관리

import csv
import json
from pathlib import Path

class DataManager:
    """CSV와 JSON을 통합 관리하는 Klasse"""

    def __init__(self, data_dir='data'):
        self.data_dir = Path(data_dir)
        self.data_dir.mkdir(exist_ok=True)

    def save(self, data, filename, format='json'):
        """데이터 저장 (JSON 또는 CSV)"""
        filepath = self.data_dir / filename

        if format == 'json':
            with open(filepath, 'w', encoding='utf-8') as f:
                json.dump(data, f, indent=2, ensure_ascii=False)
        elif format == 'csv':
            if not data:
                return

            with open(filepath, 'w', newline='', encoding='utf-8') as f:
                if isinstance(data[0], dict):
                    writer = csv.DictWriter(f, fieldnames=data[0].keys())
                    writer.writeheader()
                    writer.writerows(data)
                else:
                    writer = csv.writer(f)
                    writer.writerows(data)

        print(f'{filepath} 저장 완료')

    def load(self, filename):
        """데이터 로드 (자동 형식 감지)"""
        filepath = self.data_dir / filename

        if not filepath.exists():
            print(f'파일이 없습니다: {filepath}')
            return None

        # 확장자로 형식 판단
        if filepath.suffix == '.json':
            with open(filepath, 'r', encoding='utf-8') as f:
                return json.load(f)
        elif filepath.suffix == '.csv':
            with open(filepath, 'r', encoding='utf-8') as f:
                reader = csv.DictReader(f)
                return list(reader)

        return None

    def convert(self, input_file, output_file):
        """파일 형식 변환"""
        data = self.load(input_file)
        if data is None:
            return

        output_format = Path(output_file).suffix[1:]  # .json → json
        self.save(data, output_file, format=output_format)
        print(f'{input_file} → {output_file} 변환 완료')

# 사용 Beispiel
manager = DataManager()

# JSON 저장
users = [
    {'id': 1, 'name': '홍길동', 'age': 30},
    {'id': 2, 'name': '김철수', 'age': 25},
]
manager.save(users, 'users.json', format='json')

# CSV 저장
manager.save(users, 'users.csv', format='csv')

# 로드
loaded_users = manager.load('users.json')
print(loaded_users)

# 변환
# manager.convert('users.json', 'users_converted.csv')

Häufig gestellte Fragen ❓

Q1: JSON에서 한글이 \uXXXX로 표시되는 문제는?

import json

data = {'name': '홍길동'}

# 나쁨: \uXXXX로 인코딩
json_str = json.dumps(data)
print(json_str)  # {"name": "\ud64d\uae38\ub3d9"}

# 좋음: 한글 그대로 유지
json_str = json.dumps(data, ensure_ascii=False)
print(json_str)  # {"name": "홍길동"}

Q2: CSV에서 줄바꿈이 있는 데이터를 처리하는 Methode은?

import csv

# 줄바꿈이 포함된 데이터
data = [
    ['name', 'description'],
    ['Product A', 'This is\na multi-line\ndescription'],
]

# CSV로 저장 (자동으로 인용 처리)
with open('products.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerows(data)

# 읽을 때도 자동으로 처리
with open('products.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

Q3: JSON에 주석을 추가할 수 있나요?

# JSON 표준은 주석을 지원하지 않지만,
# 데이터에 _comment 필드를 추가할 수 있습니다

config = {
    '_comment': '이것은 설정 파일',
    'debug': True,
    'max_connections': 100,
    'database': {
        '_comment': '데이터베이스 설정',
        'host': 'localhost',
        'port': 5432
    }
}

# 또는 JSONC, JSON5 같은 확장 형식 사용

Q4: CSV 첫 줄이 헤더가 아닐 때는?

import csv

# 헤더 직접 지정
with open('no_header.csv', 'r', encoding='utf-8') as f:
    reader = csv.DictReader(f, fieldnames=['name', 'age', 'city'])
    for row in reader:
        print(row)

Q5: JSON 파일이 깨졌는지 확인하는 Methode은?

import json

def is_valid_json(filename):
    """JSON 파일 유효성 검사"""
    try:
        with open(filename, 'r', encoding='utf-8') as f:
            json.load(f)
        return True
    except json.JSONDecodeError as e:
        print(f'JSON 에러: {e}')
        return False
    except FileNotFoundError:
        print(f'파일이 없습니다: {filename}')
        return False

# 사용
if is_valid_json('data.json'):
    print('유효한 JSON 파일')

Performance-Tipps 🚀

JSON 성능

import json

# 좋음: 파일 직접 사용
with open('data.json', 'r') as f:
    data = json.load(f)  # 파일에서 직접 로드

# 나쁨: 불필요한 중간 단계
with open('data.json', 'r') as f:
    content = f.read()  # 전체를 문자열로 읽고
    data = json.loads(content)  # 다시 파싱

CSV 성능

import csv

# 대용량 CSV는 DictReader보다 reader가 빠름
# 하지만 DictReader가 더 편리함

# 빠름 (speichereffizient)
with open('large.csv', 'r') as f:
    reader = csv.reader(f)
    for row in reader:
        process(row)

# 느림 (모든 데이터를 메모리에)
with open('large.csv', 'r') as f:
    reader = csv.reader(f)
    all_rows = list(reader)  # 메모리에 전체 로드

Nächste Schritte

• 정규표현식: JSON/CSV 데이터 검증과 파싱
• 파일 입출력: 파일 시스템 고급 작업
• pandas: 대용량 데이터 분석
• requests: API에서 JSON 데이터 받기