[데이터분석] 박스 플롯과 이상점

박스 플롯

통계 정보와 분포를 시각적으로 보여주는 시각화 차트.
막대 그래프와 비슷하게 x축에는 대상을 두고 y축에 값을 두어 x축 대상 별로 y축 대표 값의 크기 차이를 보여줄 수 있다.

특징

• 데이터의 분포와 이상치를 동시에 보여준다.
• 서로 다른 데이터군을 쉽게 비교할 수 있다.
• 데이터 전체의 편포 여부를 확인하기 쉽다.
• 데이터의 집단 간 비교, 데이터의 타당도(validity)를 체크하기 쉽다.

이상점

데이터셋에 포함된 이상치를 시각적으로 나타낸 값.
이상점 중에서도 가장 바깥쪽에 위치한 데이터는 극단점이라고 한다.

이상점 탐지법

• 박스플롯의 사분위 범위(IQR)를 이용하여 이상치 포함 여부를 확인한다.
• IQR = Q3-Q1
• 이상치 판단 기준은 Q1 - 1.5IQR 미만, Q3 + 1.5 IQR이상 에 해당되는 값이다.

실습

• 선언

import pandas as pd
import matplotlib.pyplot as plt

• 데이터 불러오기

df = pd.read_csv('Data/test_school.csv')
df

• 통계요약 함수

  describe() : 컬럼 별 통계 요약 정보를 확인할 수 있다.

  예시

df['english_score'].describe()

• 박스 플롯 시각화하기

df['english_score'].plot(kind = 'box')

• IQR 구하기

q1 = df['english_score'].quantile(0.25)
q3 = df['english_score'].quantile(0.75)
iqr = q3 - q1

=> quantile() 함수로 구할 수 있다.

• 1분위 수 값 구하기

q1 - 1.5 * iqr

• 3분위 수 값 구하기

q3 +1.5 * iqr

• 전체 데이터 시각화하기

df.plot(kind = 'box')