본문으로 건너뛰기

데이터 사이언스를 위한 Cursor와 Jupyter Notebooks 사용

Cursor Jupyter Notebooks

Cursor 1.0+는 Jupyter Notebooks에 대한 네이티브 지원을 추가하여 데이터 사이언스 워크플로우를 위한 훌륭한 환경을 제공합니다. 이 가이드는 기본 편집부터 AI 지원 데이터 분석까지 Cursor에서 .ipynb 파일을 설정하고 사용하는 방법을 다룹니다.

사전 요구 사항​

  • Cursor 버전 1.0 이상
  • Python 3.8+ 설치됨
  • Jupyter 패키지 설치됨 (pip install jupyter)
  • .ipynb 파일 또는 노트북이 포함된 프로젝트

Cursor에서 Jupyter Notebooks 열기​

방법 1: 직접 열기​

  1. Cursor 열기
  2. File > Open Folder로 이동하여 프로젝트 선택
  3. 탐색기에서 .ipynb 파일 클릭
  4. Cursor가 내장 편집기에서 노트북을 엽니다

방법 2: 터미널에서​

# 프로젝트로 이동
cd ~/data-science-project

# Cursor에서 열기
cursor .

방법 3: 새 노트북 생성​

  1. 탐색기 사이드바에서 마우스 오른쪽 버튼 클릭
  2. New File 선택
  3. 이름을 analysis.ipynb로 지정
  4. Cursor가 빈 노트북을 생성합니다

Cursor의 노트북 인터페이스​

셀 유형​

Cursor는 세 가지 셀 유형을 지원합니다:

셀 유형용도단축키
CodePython 코드 실행Y
Markdown문서 작성M
Raw서식 없는 텍스트R

기본 작업​

작업단축키
셀 실행Shift + Enter
셀 실행하고 아래에 삽입Alt + Enter
위에 셀 추가A
아래에 셀 추가B
셀 삭제D, D
줄 번번호 전환L

셀 도구 모음​

각 셀에는 다음이 포함된 도구 모음이 있습니다:

  • 실행 버튼 (▶️) — 셀 실행
  • 셀 유형 선택기 — Code/Markdown/Raw 전환
  • 위/아래 이동 — 셀 재정렬
  • 삭제 — 셀 제거

커널에 연결​

커널 선택​

  1. .ipynb 파일 열기
  2. 오른쪽 상단의 Select Kernel 클릭
  3. 사용 가능한 옵션 중에서 선택:
    • Python 환경(conda, venv, pyenv)
    • 원격 커널(JupyterHub, 원격 서버)
    • 기존 Jupyter 세션

가상 환경 생성​

# 가상 환경 생성
python -m venv venv

# 활성화
source venv/bin/activate  # macOS/Linux
venv\Scripts\activate     # Windows

# 패키지 설치
pip install jupyter numpy pandas matplotlib seaborn scikit-learn

환경을 커널로 등록​

# ipykernel 설치
pip install ipykernel

# 환경 등록
python -m ipykernel install --user --name=myproject --display-name="Python (MyProject)"

AI 지원 데이터 분석​

DataFrame 분석​

  1. 코드 셀에서 데이터 로드:
import pandas as pd

df = pd.read_csv('data.csv')
df.head()
  1. 출력을 보려면 셀 실행
  2. 출력 테이블 선택
  3. 마우스 오른쪽 버튼 클릭 후 Add to Chat 선택(또는 @notebook 사용)
  4. Cursor에 질문:
이 데이터셋을 분석하세요. 핵심 패턴과 인사이트는 무엇인가요?

시각화 생성​

열 A와 열 B 간의 관계를 보여주는 시각화를 생성하세요.
회귀선과 신뢰 구간이 있는 seaborn을 사용하세요.

Cursor가 코드를 생성합니다:

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
sns.regplot(data=df, x='column_A', y='column_B', ci=95)
plt.title('A와 B의 관계')
plt.show()

탐색적 데이터 분석 (EDA)​

이 데이터셋에 대해 완전한 EDA를 수행하세요:
1. 데이터 품질 검사(결측값, 중복)
2. 기술 통계
3. 수치 열의 분포 플롯
4. 상관관계 히트맵
5. 이상치 탐지

셀 출력을 컨텍스트로 사용​

노트북의 인라인 AI​

  1. 출력을 생성하는 셀 실행(테이블, 차트 등)
  2. 셀 도구 모음의 AI 버튼 클릭
  3. 출력에 대해 질문:
이 상관관계 값은 특성 중요도에 대해 무엇을 제안하나요?

노트북 수준 컨텍스트​

채팅에서 @notebook을 사용하여 전체 노트북을 참조:

@notebook 지금까지의 모든 분석을 검토하고 예측 모델을 구축하기 위한 다음 단계를 제안하세요.

고급 기능​

변수 검사기​

  1. 변수를 생성하려면 일부 셀 실행
  2. 변수 검사기 열기:
    • View > Appearance > Show Variable Inspector
  3. 모든 활성 변수, 해당 유형 및 값 확인

노트북 디버깅​

  1. 코드 셀에 중단점 설정
  2. 셀 도구 모음의 Debug Cell 클릭
  3. F10/F11로 단계별 실행
  4. 디버그 사이드바에서 변수 검사

내보내기​

형식명령
HTMLFile > Export Notebook As > HTML
PythonFile > Export Notebook As > Python Script
PDFFile > Export Notebook As > PDF
MarkdownFile > Export Notebook As > Markdown

모범 사례​

분석 구성​

# 데이터 분석 노트북

## 1. 설정
라이브러리 가져오기 및 데이터 로드

## 2. 데이터 품질 검사
결측값, 중복 및 데이터 유형 확인

## 3. 탐색적 분석
분포 및 관계 시각화

## 4. 특성 엔지니어링
새로운 특성 생성 및 기존 특성 변환

## 5. 모델링
예측 모델 구축 및 평가

## 6. 결론
발견 사항 및 권장 사항 요약

Markdown 셀을 문서화에 사용​

  • 각 섹션의 목적 설명
  • 가정 및 결정 문서화
  • 미래 독자를 위한 컨텍스트 추가

공유하기 전에 출력 정리​

  1. 모든 출력 지우기:
    • Notebook 메뉴 > Clear All Outputs
  2. 커널 다시 시작:
    • Notebook 메뉴 > Restart Kernel
  3. 모든 셀 실행:
    • Notebook 메뉴 > Run All

문제 해결​

문제해결 방법
커널이 시작되지 않음Python 경로 및 가상 환경 확인
가져오기 실패올바른 환경에 패키지 설치
출력이 표시되지 않음커널을 다시 시작하고 셀을 다시 실행
노트북을 저장할 수 없음파일 권한 확인
AI가 셀 출력을 보지 못함@notebook 사용 또는 수동으로 출력 선택

예제 워크플로​

# 셀 1: 설정
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 셀 2: 데이터 로드
df = pd.read_csv('sales_data.csv')
print(f"Shape: {df.shape}")
df.head()

# 셀 3: 빠른 프로파일
df.describe()

# 셀 4: AI에 인사이트 요청
# 셀 3의 출력을 선택한 다음 질문:
# "이 데이터에서 어떤 패턴을 보시나요?"

# 셀 5: 시각화
plt.figure(figsize=(12, 6))
sns.lineplot(data=df, x='date', y='revenue')
plt.title('Revenue Over Time')
plt.show()

관련 리소스​