Node 01. 시계열 분석 시작하기

이하얀·2024년 12월 9일
AIFFEL데싸데싸 3기데이터 사이언스데이터사이언티스트데이터사이언티스트 3기시계열 데이터의 이해시계열 분석아이펠
0

☺️ AIFFEL 데이터사이언티스트 3기

목록 보기
60/85
post-thumbnail

1-1. 들어가며

학습 목표

  • 시계열 분석의 방법을 알아보기
  • 분석을 위해 필요한 기초 라이브러리 학습
  • 어떤 도메인에서 활용하는지 알아보기

시계열 데이터란?

  • 일정 시간 간격 배치 데이터의 수열(순서 O)
  • 시간적 종속이 있다면 시계열 데이터!

시계열 분석이란?

  • 시간 순서로 정렬된 데이터 -> 유의미한 요약 및 통계 정보 추출을 위한 노력
  • 예측에 활용(과거 행동 진단도 일부 포함)
  • "과거가 미래에 어떠한 영향을 주는지", "과거와 미래가 어떤 연관이 있는지"의 해답을 찾는 과정임


1-2. 데이터 관련 라이브러리 복기

용어 정리

  • 행렬(Matrix)

    • 수 or 수식을 가로(행, row), 세로(열, column)로 배열

  • 배열(array)

    • 순서 있는 원소들이 연속적인 나열이 되어 있음

  • 다차원 배열(Multi-dimensional array)

    • 2차원 이상 배열(n차원)

  • 난수(Random)

    • 무작위 수
    • Python : random 모듈

  • 모듈(Module)

    • 파이썬의 함수(function), 변수(variable), 클래스(class) 집합

  • 패키지(Package)

    • 특정 기능을 하는 여러 모듈 -> 한 파일에 집합

  • 라이브러리(Library)

    • 패키지와 모듈의 집합

  • 인자(Argument)

    • 함수 정의 시 변수 이름
    • 보통 x, y 값

  • 파라미터(Parameter)

    • 매개변수
    • 함수 호출 시 인자로 전달된 값이 함수 내부에서 사용될 수 있도로 함
    • 인자와 혼용 사용

Numpy

  • List에서의 행렬 및 배열
    • 행렬 생성 : np.array()
    • 배열 열 개수 확인 : ndarray.shape()
    • 배열 차원 확인 : ndarray.ndim()
    • 배열 원소 접근 : ndarray[0, 0]
    • Numpy array 합치기 : np.concatenate((a,b))
    • 배열 슬라이싱 & 인덱싱 : array[a:b]
    • 배열 연산(집계) : np.max(), np.min(), np.sum()

Numpy vs Python list

  • numpy array
    • 숫자형 + 문자열 혼합 -> 문자열로 출력
    • 연산 속도 빠름
    • 유연성 부족
    • Dynamic typing X
  • python list
    • 숫자형 + 문자열 혼합 -> 각자 자료형 타입 유지 가능
    • 연산 속도 느림
    • Dynamic typing O(자료형 명시가 없어도 자료형이 들어가는 것)

Pandas

  • 숫자 테이블, 시계열 조작을 위한 데이터 구조 및 연산 제공

  • Pandas DataFrame

    • 대표적 데이터 핸들링 도구
    • 파이썬에서 엑셀, 데이터베이스의 역할
    • 2차원 배열 형태
      - 1차원 배열 형태인 시리즈(Series)의 합으로 구성
    • 각 컬럼별 다른 데이터타입 사용 가능

  • Pandas 함수

    • df.head() : 앞에서부터 확인(디폴트 5)
    • df.tail() : 뒤에서부터 확인(디폴트 5)
    • df.index : 전체 데이터프레임에서 인덱스 및 데이터 타입 확인
    • df.columns : 전체 데이터프레임에서 컬럼 치 데이터 타입 확인
    • df.loc[...], df.iloc[index number, column number] : 특정 행, 열 기준으로 나눠서 컬럼 기준 혹은 인덱스 기준으로 가져오는 함수


1-3. 시계열 데이터의 이해

용어 정리

  • 시계열 데이터(Time Series data)

    • 대표적 예시 : 심전도, 월별 혹은 계절별 온도 및 수온 데이터 등

  • 심전도(Electrocardiogram)

    • 심장 박동 시 심장 통과 전류가 기록된 데이터
    • ECG, EKG

  • 예측(Prediction)

    • 입력값(input, x)을 모델에 넣어 나온 출력
    • 예측값(출력값), predict, pred 혼용

  • 곰페르츠 모형(Gompertz)

    • (유통업) 어떤 특정 제품이 시장에서 얼마나 팔릴지 추정하는 모델

의료 분야 시계열

  • ‘Natural and Political Observations Made upon the Bills of Mortality’

    • 1676년도 초판 발행
    • 최초 의료 시계열 데이터 기록
    • 사망 시 교회의 종이 울림 -> 죽음을 사후 추적해 사망한 사람 수를 시계열적으로 기록

  • EKG(ECG) 데이터

    • 전기 신호를 통한 심장 상태 진단
    • 심장 상태 정보 -> 시계열적으로 제공

금융 분야 시계열

  • 주가 예측
    • 단기(Short Term) vs 장기(Long Term)
    • 시장 지수 예측 vs 개별 주가 예측

리테일 분야 시계열

  • 유통업 물량 수요 예측
    • 시계열 분석 + 정성적 기법으로 미래 수요 예측
    • 곰페르츠 모형

그 외

  • 시계열 데이터는 주로 Line Plot으로 시각화

  • Electrical activity in the brain


  • Rainfall measurements
    • 강수량 예측
    • 우량계를 통해 강우심도, 강우강도 측정
    • 초단기 강수량, 월별, 연도별, 계절별 강수량 분석 가능
    • 한국 52개 관측소 일강수량


  • Stock prices
    • 주가 예측
      • 장단기 주가 예측
      • candle chart 사용
      • 거래자가 지정한 시가, 종가, 고가, 저가 표시
      • 과거 패턴 기반 가격 움직임 결정에 사용
      • 네이버 KOSPI 월봉



  • Annual retail sales
    • 연간 소매 판매
      • 소매 단계의 총 판매액 변동 측정
      • 기업에서의 매출 상승을 위한 판매 전략 혹은 상권 변환 예측 분석 지표로 활용
      • Korea annual retail sales


  • Monthly subscribers
    • 월 구독자수
      • 실시간 일, 월 평균 구독자 증가 및 하락으로 -> 채널 성장 예측
      • 영상 조회수 분석으로 영상의 인기도 측정 및 채널 성장의 지표로 활용
      • 유튜브 스튜디오 Lifetime 구독자 수


profile
이하얀
언젠가 내 코드로 세상에 기여할 수 있도록, BE&Data Science 개발 기록 노트☘️
이전 포스트

[AIFFEL] Module6. 금융 시계열 체험하기

다음 포스트

Node 02. 시계열 데이터의 성질

0개의 댓글