KT 에이블스쿨 - 6. 단변량 분석 - 숫자형과 범주

1. 단변량이란?

• 하나의 변수만을 분석하는 방법
• 하나의 변수에 대한 불포, 중심 경향성, 변산성 등을 분석하여 해당 변수의 특성을 파악하는 것을 단변량 분석이라고 함

2. 단변량 분석 - 숫자형

숫자형 변수를 정리하는 것은 크게 두가지가 있다
1. 숫자로 요약하기 : 정보의 대푯값 -> 기초통계량
2. 구간 나누고 빈도수 계산 -> 도수분포표

2.1 숫자로 요약하기(기초 통계량)

• 평균 (data.mean())
  • 산술평균
  • 기하평균
  • 조화평균
• 중앙값 (data.median())
  • 자료상에서 가운데에 위치한 값
• 최빈값(data.mode())
  • 자료상에서 가장 빈번한 값
• 사분위수
  • 데이터를 오름차순으로 정렬한 전체를 4등분 하고, 각 경계에 해당되는 값(25%,50%,75%)을 나타냄

대표값을 사용할때 주의할 점!
대푯값이 모든 데이터를 대변하기에는 어렵다

기초통계량

• 숫자 몇 개로 분포를 요약 (df.describe())
• count : 데이터 개수
• 사분위수
  • 25%: 1사분위수
  • 50%: 2사분위수
  • 75%: 3사분위수

2.2 구간을 나누고 빈도수 계산(도수분포표)

• 숫자형 변수 시각화

1. 기초 통계량 -> 사분위수 (box plot)
2. 도수분포표 -> histogram, density plot(KDE)

2.2.1 히스토그램(histogram)

• plt.hist(변수명, bins=빈도수)
  • edgecolor: bar의 윤곽선을 색으로 표시
• 히스토그램을 그릴때! bins를 적절히 조절

2.2.2 밀도함수그래프 (Density Plot/KDE Plot)

• 히스토그램의 단점

  • 구간(bin)의 너비에 따라 모양이 달라짐

  

밀도함수 그래프

• 구간의 너비를 정하지 않아도 됨
• 데이터의 밀도 추정 (Kener Density Estimation)
• 밀도 함수 그래프 아래 면적은 1
• 면적으로 간간에 대한 확률 추정
• sns.kdeplot(data='변수명')

2.2.3 Box Plot

• plt.boxplot()
  • 사전에 반드시 결측값 제거 (sns.boxplot은 알아서 제거해줌)
  • vert 옵션 : 횡(False),종(True, 기본값)
• Actual Whisker Length : 1.5*IQR 범위 이내 최소, 최대값으로 결정
• Potential Whisker Length : 1.5*IQR 범위, 잠재적 수염의 길이 범위

3. 단변량 분석 - 범주형

범주형 변수 정리방법
- 범주형 개수를 세면 됨(범주별 빈도수, 범주별 비율)

• 범주형 빈도수 : data['변수'].value_counts()
• 범주형 비율 : data[변수'].value_counts(normalize=True)
• 범주형 변수 시각화(bar plot)
  • sns.countplot
    • 알아서 범주별 빈도수가 계산
    • bar plot으로 그려짐
    • plt.bar의 경우 직접 범주별 빈도수를 계산하고 그 결과를 입력해야함