Log Scale 적용 및 Pearson Correlation 구현을 통한 국가별 통계 데이터 시각화 최적화

Context

인구 및 GDP와 같이 수치 범위가 100배에서 250배까지 차이 나는 데이터셋의 특성으로 인해 Linear Scale 적용 시 데이터 포인트가 한곳으로 뭉치는 시각적 붕괴 현상 발생. 단순 시각화를 넘어 데이터 간의 상관관계를 정확하게 계산하고 표현해야 하는 기술적 요구사항 존재.

Technical Solution

• 데이터 특성에 따른 Log Scale 선택적 적용을 위해 Metric 정의서 내 log 플래그를 도입한 동적 정규화 로직 설계
• 데이터 분포의 기하평균을 중심으로 배치하기 위해 $\log_{10}$ 기반의 Normalize 함수 구현
• 외부 라이브러리 없이 Pearson Correlation Coefficient 수식을 직접 구현하여 실시간 축 변경에 따른 상관계수 계산
• Log Scale로 시각화된 데이터의 경우 Power-law 관계를 선형으로 변환하여 분석하기 위해 Log-transformed 값 기반의 상관계수 산출 로직 적용
• 분산이 0인 경우 NaN 발생을 방지하기 위해 null을 반환하는 예외 처리 구조 설계
• Log 연산의 전제 조건인 '양수 값 보장'을 위해 데이터 무결성 검증 테스트 케이스 구축