✍️ 붓꽃 데이터의 탐색적 데이터 분석을 진행하고, 여러가지 차트들을 그려주세요.

[목차]

1. 데이터 탐색 및 전처리
2. 상관계수 및 히트맵 그리기
3. 산점도 그리기
4. 파이차트 그리기
5. Groupby
6. Bar chart
7. 배운 점

1. 데이터 탐색 및 전처리

○ 데이터 로드 및 데이터프레임 생성

# 과제에 필요한 패키지는 아래의 두 가지가 전부가 아닙니다.
# 여러분들의 필요에 따라서 패키지를 지속 추가하셔도 됩니다.
import pandas as pd
from sklearn import datasets

# 붓꽃 데이터 로드
iris_data = datasets.load_iris()

#데이터 모양 확인
iris_data

'data' 키값에 value로 리스트들이 담겨 있고, 'feature_names'에 열의 이름이 있다. 그리고 'target'이라는 키값에 정수로 이루어진 리스트가 있고, 'target_names'에 이름이 담겨있다.
따라서
1) 'data'와 'feature_names'을 이용하여 데이터프레임을 생성하고,
2) 그 데이터프레임에 'target'열을 추가하고
3) 'target_names'이름을 이용하여 [0, 1, 2]순서에 맞게 'target'열을 문자열 치환을 해줄 것이다.

#1)데이터프레임 생성
#sepal: 꽃받침 / petal:꽃잎
iris_df = pd.DataFrame(iris_data['data'], columns = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width'])

#2)target열 생성
iris_df['species'] = iris_data['target']
iris_df

#3)문자열 치환해주기
iris_df.replace({'species':mapping}, inplace=True)
iris_df

○ 데이터 전처리

• 데이터프레임 모양 확인

#데이터프레임 모양 확인
iris_df.info()
#result
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 150 entries, 0 to 149
Data columns (total 5 columns):
 #   Column        Non-Null Count  Dtype  
---  ------        --------------  -----  
 0   sepal_length  150 non-null    float64
 1   sepal_width   150 non-null    float64
 2   petal_length  150 non-null    float64
 3   petal_width   150 non-null    float64
 4   species       150 non-null    object 
dtypes: float64(4), object(1)
memory usage: 6.0+ KB

#샘플 확인
iris_df.sample(10)

#결측치 확인
iris_df.isnull().sum()
#result
sepal_length    0
sepal_width     0
petal_length    0
petal_width     0
species         0
dtype: int64

#데이터분포 확인
iris_df['species'].value_counts()
#result
setosa        50
versicolor    50
virginica     50
Name: species, dtype: int64

#열의 통계 파악하기
iris_df.describe()
#result
sepal_length	sepal_width	petal_length	petal_width
count	150.000000	150.000000	150.000000	150.000000
mean	5.843333	3.057333	3.758000	1.199333
std	0.828066	0.435866	1.765298	0.762238
min	4.300000	2.000000	1.000000	0.100000
25%	5.100000	2.800000	1.600000	0.300000
50%	5.800000	3.000000	4.350000	1.300000
75%	6.400000	3.300000	5.100000	1.800000
max	7.900000	4.400000	6.900000	2.500000

---

2. 상관계수 및 히트맵 그리기

👉필요한 패키지 임포트

import matplotlib.pyplot as plt
import seaborn as sns

○ 상관계수

#상관계수
cols = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width']
corr = iris_df[cols].corr(method = 'pearson')
corr
#result
              sepal_length	sepal_width	  petal_length petal_width
sepal_length	1.000000	-0.117570		0.871754	0.817941
sepal_width		-0.117570	1.000000		-0.428440	-0.366126
petal_length	0.871754	-0.428440		1.000000	0.962865
petal_width		0.817941	-0.366126		0.962865	1.000000

○ 히트맵

#히트맵 그리기

#상관계수 데이터프레임 리스트
corr.values

#컬럼명
column_names = ['Sepal len', 'Sepal wid', 'Petal len', 'Petal wid']

#히트맵
# 레이블의 폰트 사이즈를 조정
sns.set(font_scale=1)

hm = sns.heatmap(corr.values, # 상관계수 데이터
            cbar=True, # 오른쪽 컬러 막대 출력 여부
            annot=True, # 차트에 숫자를 보여줄 것인지 여부
            square=True, # 차트를 정사각형으로 할 것인지
            fmt='.2f', # 숫자의 출력 소수점자리 개수 조절
            annot_kws={'size': 12}, # 숫자 출력시 숫자 크기 조절
            yticklabels=column_names, # y축에 컬럼명 출력
            xticklabels=column_names) # x축에 컬럼명 출력

plt.tight_layout() # 그래프 간격 유지 설정
plt.show() # 그래프 표시

---

3. 산점도 그리기

sns.set(style='whitegrid') # 배경을 하얗게 한다

# plt.figure(figsize=(4,4))
# plt.rcParams['figure.figsize'] = (5, 5)
sns.pairplot(iris_df[cols])
plt.show()

---

4. 파이차트 그리기

#리스트 생성
pie_labels = iris_data['target_names']
pie_values = iris_df['species'].value_counts().values.tolist()
#그래프 생성
plt.pie(pie_values, labels=pie_labels, autopct = '%.02f%%')
plt.title('Percentage of species')
plt.show()

---

5. Groupby

• 꽃 종류별로 그룹 나눠서 통계치 보기

#꽃 종류별로 평균값확인
iris_df.groupby('species').mean()

○ 질문1

#꽃받침 길이 평균이 가장 긴 종은?
longest_sepal = iris_df.groupby('species')['sepal_length'].mean().idxmax()
longest_sepal

#result
'virginica'

○ 질문2

#꽃잎의 길이가 전체평균보다 작은 종은?
avr_petal_length = iris_df['petal_length'].mean()
species_mean = iris_df.groupby('species').mean()
species_mean[species_mean['petal_length'] < avr_petal_length]

---

6. Bar chart

• 꽃 종별로 열별로 평균을 나타내는 다중 막대 그래프를 그린다.
• groupby를 이용하여 종별로 평균, 최대, 최소를 나타내는 데이터테이블을 만든다. (평균만 나오는 걸로 만들어도 되나, 연습이니까 다 해본다.)

species_info = iris_df.groupby('species').agg(['mean', 'min', 'max'])
species_info

• 다중 막대 그래프를 그린다.

#종별 각 값에 대한 평균을 이용해 막대그래프를 그린다
import matplotlib.pyplot as plt
import numpy as np

#그림 사이즈, 바 굵기 조정
fig, ax = plt.subplots(figsize=(12,6))
bar_width = 0.15

#종이 3개로 index 3개
index = np.arange(3)

#values list 만들기
sep_len_mean = species_info['sepal_length']['mean'].values.tolist()
sep_wid_mean = species_info['sepal_width']['mean'].values.tolist()
pet_len_mean = species_info['petal_length']['mean'].values.tolist()
pet_wid_mean = species_info['petal_width']['mean'].values.tolist()

#label list 만들기
labels = species_info.index.tolist()

#종 별로 4개의 bar를 순서대로 나타냄. 각 그래프는 0.25의 간격을 두고 그려짐
b1 = plt.bar(index, sep_len_mean, bar_width, alpha=0.4, color='r', label='Septal Length')
b2 = plt.bar(index+bar_width, sep_wid_mean, bar_width, alpha=0.4, color='g', label='Septal Width')
b3 = plt.bar(index+bar_width*2, pet_len_mean, bar_width, alpha=0.4, color='b', label='Petal Length')
b4 = plt.bar(index+bar_width*3, pet_wid_mean, bar_width, alpha=0.4, color='pink', label='Petal Width')

#x축 위치를 정 가운데로 조정하고 x축의 텍스트를 
plt.xticks(np.arange(bar_width, 4+bar_width, 1), labels)

#x축, y축 이름 및 범례 설정
plt.xlabel('Species', size = 13)
plt.ylabel('Mean (cm)', size = 13)
plt.title('Mean by Species')
plt.legend()
plt.show()

---

7. 배운 점 또는 복습

○ 복습) Datasets을 dataframe으로 만들기

✋ dataframe 생성하기

방법1) 열별로 만들기

pd.DataFrame(
    {"컬럼명1":[데이터 입력],
     "컬럼명2":[데이터 입력]
     ,,,,
     "컬럼명n":[데이터 입력]},
     index = 리스트 형태[ ])

방법2) 행별로 만들기

pd.DataFrame(
    [[1행], ,,, ,[막행]],
    index = [],
    columns = [컬럼명])

○ 복습) 데이터분석 하기 전 확인

• 결측치 확인 : 데이터프레임이름.isnull().sum()
  있으면 제거 : 데이터프레임이름.dropna(inplace=True)
  
• 중복 확인 : 데이터프레임이름['열의이름'].nunique()
• 데이터 분포 확인 : 데이터프레임이름['열의이름'].value_counts()
  특정 열에 존재하는 각 종류의 값을 카운트하여 숫자로 출력.
  

○ 데이터프레임에서 문자열 치환

참고:https://seong6496.tistory.com/234?category=903876

df.replace(1,100)

• 위 처럼 하면 target 열에 있는 숫자뿐만 아니라 데이터값까지 문자열로 치환이 되었다. 이를 막기 위해 열을 지정해서 치환을 할 수 있다.

df.replace({'col_1':{1:100}, 'col_2':{2:200}})

○ 열의 값이 최대인 행 찾기

이건 원래 수업 자료에도 있던 것인데 함수이름을 잘못알고 있어서 한참 고생했다...모든걸 의심해보자...

longest_sepal = iris_df.groupby('species')['sepal_length'].mean().idmax()
longest_sepal
#Error
AttributeError: 'Series' object has no attribute 'idmax'

'idmax()'가 아니라 'idxmax()'였다.

○ 다중 막대 그래프 그리기

참고:https://jimmy-ai.tistory.com/40
막대 여러개로 그려보고 싶어서 찾아봤다. 그냥 서식에 맞게 따라해보았다.