설문 CSV를 열었더니 ID와 날짜가 바뀔 때: 원본을 지키며 안전하게 불러오는 법

연구자 R
원본 CSV 파일은 잠금 상태로 보존되고, 복사된 데이터가 문자형 ID·날짜·숫자 열로 나뉘어 Excel과 분석 코드로 안전하게 전달되는 흐름

설문 플랫폼이나 연구 장비에서 내려받은 CSV를 더블클릭했는데 응답자 ID의 앞자리 0이 사라지고, 긴 번호의 뒷부분이 0으로 바뀌거나 날짜가 전혀 다른 형식으로 보일 때가 있다. 한글이 깨지고 소수점이 엉뚱하게 해석되기도 한다. 문제는 화면이 이상하다는 데 그치지 않는다. 변환된 상태로 다시 저장하면 분석 결과를 원자료와 대조하기 어려워질 수 있다.

이때 가장 먼저 할 일은 셀 서식을 고치는 것이 아니라 현재 파일을 원본에 덮어쓰지 않고 닫은 뒤, 처음 다운로드한 CSV를 별도로 보존하는 것이다. 그다음 응답자 ID와 코드값은 문자, 측정값은 숫자, 날짜와 시각은 원래 기록 규칙을 확인한 뒤 명시적으로 지정해 다시 가져온다. 안전하게 불러왔는지는 화면 모양이 아니라 행·열 수, 고유 ID 수, 결측값, 날짜 범위와 주요 측정값이 유지됐는지로 판단해야 한다.

빠른 결론: CSV를 분석용 프로그램으로 가져올 때는 자동 추론에 맡기지 말고 식별자·날짜·결측값·인코딩 규칙을 먼저 정한다. 이미 값이 바뀌었다면 편집 중인 파일에서 복구를 시도하기보다 보존해 둔 원본 CSV를 다시 불러오는 편이 안전하다.

먼저 할 일: 변형된 파일을 저장하지 않는다

CSV를 열었을 뿐이고 아직 저장하지 않았다면, 디스크에 있던 원본 CSV 자체는 그대로일 가능성이 높다. Excel의 화면에는 변환된 값이 표시되더라도 그 상태를 다시 CSV로 저장하지 않았다면 원본 파일의 텍스트를 이용해 재가져올 수 있다. 현재 창은 저장하지 않고 닫고, 다운로드 폴더의 파일을 복사해 원본 보관 폴더로 옮긴다.

반대로 변환된 상태에서 원래 CSV에 덮어썼다면 원본 문자열이 실제로 바뀌었을 수 있다. 이 경우 설문 플랫폼·장비·공유 저장소에서 다시 내려받거나, 공동연구자가 보관한 최초 파일을 확보해야 한다. 운영체제의 이전 버전이나 기관 백업도 확인할 수 있지만, 복구한 파일이 최초 산출물과 같은지는 별도로 검증해야 한다.

  • 원본: 내려받은 상태로 보존하며 직접 편집하거나 덮어쓰지 않는다.
  • 가져오기 코드 또는 쿼리: 인코딩, 열 유형, 날짜 형식과 결측값 규칙을 기록한다.
  • 분석용 데이터: 원본에서 재생성할 수 있는 별도 파일로 만든다.

어떤 값이 바뀌었는지 먼저 찾는다

모든 열을 같은 방식으로 확인할 필요는 없다. 자동 변환에 취약하거나 연구 결과에 직접 영향을 주는 열부터 살펴보면 된다.

우선 점검할 값 대표적인 증상 가져올 유형
응답자 ID, 참여자 코드, 우편번호 앞자리 0이 사라짐 문자
16자리 이상의 장비·거래·표본 식별번호 과학적 표기 또는 15자리 뒤가 0으로 변함 문자
JAN1, 1-2, 03/04/2026 같은 코드와 날짜형 문자열 날짜로 자동 변환되거나 월·일이 뒤바뀜 우선 문자로 보존한 뒤 규칙에 따라 변환
소수점과 천 단위 구분자가 있는 측정값 1,25가 125 또는 문자열로 처리됨 지역 설정을 명시한 숫자
빈칸, NA, N/A, NULL 같은 값 실제 응답과 결측값의 구분이 달라짐 결측값 목록을 명시
한글 자유응답과 변수명 물음표나 깨진 문자로 표시됨 원본 문자 인코딩을 지정

특히 ID는 숫자로만 구성돼도 계산 대상이 아니다. 더하기나 평균을 구할 값이 아니라 사람·표본·사건을 구분하는 표지라면 문자로 가져오는 것이 기본이다.

CSV를 더블클릭하면 위험한 이유

CSV는 쉼표 같은 구분자로 필드를 나눈 텍스트 파일이다. 열마다 문자·날짜·정수라는 자료형 정보를 안정적으로 보존하는 통합문서가 아니다. Microsoft는 CSV가 활성 워크시트에 표시된 텍스트와 값을 저장하지만 서식, 그래픽, 개체 등은 유지하지 않는다고 설명한다. 자세한 범위는 Microsoft의 파일 형식 안내에서 확인할 수 있다.

Excel에서 CSV를 직접 열면 현재 기본 데이터 형식 설정으로 각 열을 해석한다. Microsoft의 텍스트·CSV 가져오기 안내도 CSV를 직접 열 때 열이 자동 해석되며, 앞자리 0을 보존하려면 열을 텍스트로 변환하는 가져오기 절차가 필요할 수 있다고 밝힌다.

2026년 10월 11일 확인 기준으로 Microsoft는 자동 데이터 변환 항목에 앞자리 0 제거, 16자리 이상 숫자의 15자리 정밀도 처리, E가 포함된 문자열의 과학적 표기 변환, 연속된 문자·숫자의 날짜 변환을 제시한다. 일부 설정은 Excel for Microsoft 365와 Excel 2024 계열에 제공되므로 버전별 화면은 다를 수 있다. 적용 제품과 조건은 앞자리 0과 긴 숫자 보존 안내와 Excel 고급 옵션 문서에서 확인할 수 있다.

Excel에서는 열기보다 데이터 가져오기를 사용한다

Excel로 내용을 확인해야 한다면 파일을 더블클릭하는 대신 빈 통합문서에서 데이터 → 텍스트/CSV에서 가져오는 절차를 사용한다. 구체적인 메뉴 이름은 Windows·Mac과 Excel 버전에 따라 조금 다를 수 있다.

  1. 원본 CSV의 복사본이 아니라 보존 위치와 파일명을 먼저 확인한다.
  2. 빈 통합문서를 열고 데이터 가져오기 기능으로 CSV를 선택한다.
  3. 미리보기에서 파일 원본 또는 문자 인코딩, 구분 기호, 열 분리 상태를 확인한다.
  4. 바로 불러오지 말고 데이터 변환 또는 Power Query 편집기로 들어간다.
  5. 응답자 ID, 표본 번호, 전화번호, 우편번호, 코드값과 원형 보존이 필요한 날짜 문자열을 텍스트로 지정한다.
  6. 측정값은 소수점·천 단위 기호가 원자료의 지역 규칙과 맞는지 확인한 뒤 숫자로 지정한다.
  7. 자동으로 추가된 형식 변경 단계가 있다면 어떤 열을 숫자나 날짜로 바꿨는지 검토한 후 불러온다.

Power Query는 CSV 같은 비구조화 원본의 값을 검사해 열 유형을 자동 감지하며, 기본 설정에서는 형식 변경 단계를 추가할 수 있다. 처음 200개 행 또는 전체 자료를 기준으로 감지하거나 자동 감지를 끄고 모든 열을 텍스트로 시작하는 선택지가 있으며, 파일 원본과 구분 기호도 지정할 수 있다. 현재 동작은 Microsoft Power Query 텍스트·CSV 커넥터 문서와 Power Query 데이터 형식 문서에 설명돼 있다.

민감한 자료에서는 처음부터 모든 열을 텍스트로 불러온 뒤 필요한 측정 열만 숫자나 날짜로 바꾸는 방식이 더 보수적이다. 다만 열이 매우 많으면 작업 부담이 커지므로 변수명, 의도한 유형, 날짜 형식, 허용 결측 코드를 적은 열 정의표를 먼저 만들면 반복 작업을 줄일 수 있다.

이미 바뀐 값은 어디까지 복구할 수 있나

앞자리 0: 원래 길이가 항상 8자리라는 외부 규칙이 확실하고 현재 값이 12345라면 00012345처럼 표시하거나 문자열을 재구성할 수 있다. 그러나 ID 길이가 일정하지 않았다면 사라진 0의 개수를 현재 값만으로 알아낼 수 없다. 화면 서식을 바꿔 보이는 모양을 맞추는 것과 원문을 복구하는 것은 구분해야 한다.

16자리 이상의 번호: Excel이 이를 숫자로 처리해 15자리 뒤를 바꿨다면 셀 서식을 텍스트로 전환해도 잃어버린 자릿수는 돌아오지 않는다. Microsoft도 Excel 숫자의 최대 정밀도를 15자리로 설명한다. 원본 CSV에서 해당 열을 문자로 다시 가져와야 한다.

날짜: 원래 문자열이 그대로 남아 있으면 명시한 형식으로 다시 해석할 수 있다. 이미 날짜 일련번호로 변환된 뒤 저장됐거나 월·일이 뒤바뀐 경우에는 원래 표기, 조사 기간과 설문 시스템의 내보내기 규칙을 대조해야 한다. 03/04/2026만 보고 3월 4일인지 4월 3일인지 추정해서는 안 된다.

한글: 화면에서만 깨져 보이고 원본 바이트가 남아 있다면 올바른 인코딩으로 다시 읽어 복구할 수 있다. 깨진 문자열을 다시 저장해 원래 바이트가 대체됐다면 최초 파일을 다시 확보하는 편이 안전하다.

R에서는 열 유형과 지역 설정을 코드에 남긴다

readr는 열 유형을 지정하지 않으면 일부 행을 바탕으로 유형을 추론한다. 공식 문서는 이 방식이 편리하지만 견고하지 않을 수 있다고 설명하며, col_types로 유형을 지정하고 problems()로 파싱 문제를 확인할 수 있도록 한다. 현재 문서는 readr 2.2.0의 구분 파일 읽기 안내에서 확인할 수 있다.

library(readr)

dat <- read_csv(
  "data/raw/survey_original.csv",
  col_types = cols(
    respondent_id = col_character(),
    submitted_at = col_character(),
    score = col_double(),
    .default = col_character()
  ),
  locale = locale(
    encoding = "UTF-8",
    decimal_mark = "."
  ),
  na = c("", "NA")
)

problems(dat)
nrow(dat)
ncol(dat)
n_distinct(dat$respondent_id)

locale()은 인코딩, 소수점, 천 단위 기호, 시간대와 월·일 이름처럼 지역에 따라 달라지는 규칙을 제어한다. 인코딩을 모르면 guess_encoding()을 참고할 수 있지만 공식 문서도 이를 휴리스틱, 즉 추정 방식으로 설명한다. 후보가 나와도 한글 변수명과 자유응답의 앞·중간·끝 표본을 사람이 확인해야 한다. 관련 설명은 readr locale 문서에 있다.

날짜는 처음부터 자동 변환하기보다 문자로 보존한 뒤 형식을 명시해 별도 열로 변환하는 방법이 안전하다. 예를 들어 원자료가 연-월-일 순서라는 기록이 있을 때만 해당 형식을 적용하고, 변환에 실패한 행을 확인한다.

Python에서는 dtype과 결측값 규칙을 함께 지정한다

pandas의 read_csv()는 dtype으로 열 유형을 지정하고, encoding으로 문자 인코딩을 설정할 수 있다. na_values와 keep_default_na의 조합에 따라 어떤 문자열을 결측값으로 볼지도 달라진다. 2026년 10월 11일 확인한 pandas 3.0.6 공식 API 문서는 날짜 열을 기본적으로 객체형으로 읽으며, 필요한 열만 parse_dates와 date_format으로 지정할 수 있다고 안내한다.

import pandas as pd

df = pd.read_csv(
    "data/raw/survey_original.csv",
    dtype={
        "respondent_id": "string",
        "submitted_at": "string",
        "score": "Float64"
    },
    encoding="utf-8",
    na_values=["", "NA"],
    keep_default_na=False,
    on_bad_lines="error"
)

df["submitted_at_parsed"] = pd.to_datetime(
    df["submitted_at"],
    format="%Y-%m-%d %H:%M:%S",
    errors="raise"
)

print(df.shape)
print(df["respondent_id"].nunique(dropna=False))
print(df.isna().sum())

on_bad_lines="error"는 예상보다 필드가 많은 행을 조용히 건너뛰지 않고 오류로 중단하게 한다. 오류가 발생하면 해당 행의 따옴표, 필드 내부 줄바꿈과 구분 기호를 확인해야 한다. 단순히 skip으로 바꾸면 행 수가 줄어든 사실을 놓칠 수 있다.

불러온 직후 수행할 최소 검증

파일이 정상적으로 열렸다는 메시지만으로는 충분하지 않다. 분석을 시작하기 전에 다음 항목을 원본 산출 기록, 설문 플랫폼의 응답 수 또는 장비 로그와 대조한다.

  • 행 수와 열 수가 예상과 같은가
  • 열 이름이 밀리거나 중복·변경되지 않았는가
  • 고유 응답자 ID 수와 중복 ID 수가 예상과 같은가
  • ID의 최소·최대 문자 길이와 앞자리 0이 유지됐는가
  • 첫 행과 마지막 행의 ID·시각·주요 측정값이 원본과 같은가
  • 열별 결측값 수가 내보내기 기록과 맞는가
  • 날짜의 최솟값·최댓값이 실제 조사 기간 안에 있는가
  • 측정값의 최솟값·최댓값과 허용 범위를 벗어난 값이 없는가
  • 자유응답의 한글, 쉼표, 따옴표와 줄바꿈이 보존됐는가

자유응답 안에 줄바꿈이 들어갈 수 있는 CSV에서는 텍스트 편집기의 물리적 줄 수와 데이터 행 수가 같지 않을 수 있다. 행 수는 CSV 규칙을 처리하는 가져오기 도구로 계산하고, 조사 시스템이 제시한 완료·부분 응답 수와 함께 비교해야 한다.

원본과 분석용 파일을 분리해 전달한다

공동연구자에게는 정리된 Excel 파일 하나만 보내기보다 원본과 변환 규칙을 함께 전달한다. 최소 구성은 원본 CSV, 정리된 분석 데이터, 열 정의표, Excel 쿼리 또는 R·Python 코드, 검증 결과다.

열 정의표에는 변수명, 의미, 의도한 유형, 원자료 날짜 형식, 시간대, 허용 범위, 결측값 코드, 식별자 길이를 기록한다. 분석용 파일을 다시 만들 때 같은 규칙을 적용할 수 있어야 하며, 수작업으로 고친 셀이 있다면 대상 행과 변경 이유도 변환 기록에 남겨야 한다.

최종 판단

CSV 엑셀 데이터 변환 방지의 핵심은 파일을 보기 좋게 여는 것이 아니라, 원본 문자열과 열의 의미를 분리해 관리하는 데 있다. ID는 문자로, 측정값은 확인된 지역 규칙의 숫자로, 날짜는 원래 형식을 확인한 뒤 변환한다. 이미 긴 번호나 날짜가 바뀌었다면 현재 셀의 표시 형식을 손보는 것보다 최초 CSV를 다시 확보해 명시적인 규칙으로 가져오는 것이 우선이다.

실무에서는 원본을 변경 금지 상태로 보존하고, 가져오기 코드와 열 정의표를 분석 자료의 일부로 취급하는 것이 가장 재현 가능하다. 마지막으로 행·열 수, 고유 ID, 결측값, 날짜 범위와 주요 값의 범위를 확인한 뒤에만 분석 단계로 넘어간다.

검증이 더 필요한 부분

  • 사용 중인 Excel 버전과 Windows·Mac 환경에서 자동 데이터 변환 설정, 파일 원본, 데이터 형식 감지 메뉴가 실제로 표시되는지 확인해야 한다.
  • 설문 플랫폼이나 연구 장비가 내보낸 CSV의 실제 인코딩, 구분 기호, 날짜 순서, 시간대와 결측값 코드는 해당 시스템의 내보내기 문서 또는 원본 설정에서 확인해야 한다.
  • 이미 덮어쓴 파일은 최초 다운로드본·플랫폼 재다운로드본·기관 백업과 비교해 식별자 및 날짜 문자열이 실제로 복구됐는지 확인해야 한다.

출처 및 확인일

Microsoft Excel 지원 문서, Microsoft Learn Power Query 문서, readr 2.2.0 공식 문서, pandas 3.0.6 공식 API 문서를 2026년 10월 11일 확인했다. 제품 버전과 운영체제에 따라 메뉴와 지원 설정이 달라질 수 있으므로 실제 연구 환경에서는 위 검증 항목을 추가로 확인해야 한다.

함께 읽을 글