[AI] 공공데이터로 EDA 실습하기

요즘 미세먼지가 너무 심해서 미세먼지 관련 데이터를 분석해보았다.
데이터 출처 : 한국환경공단_도로 재비산먼지 측정 정보_20230228.csv

먼저 데이터 가져오기

dust_df = pd.read_csv('한국환경공단_도로 재비산먼지 측정 정보_20230228.csv', encoding='cp949')

1. 지역 별 재비산먼지 평균 농도

dust_mean_df = dust_df.groupby('지역')['재비산먼지평균농도'].mean().sort_values(ascending=False)

plt.bar(dust_mean_df.index, dust_mean_df, color=['pink', 'gray'])

plt.title('2월 간 지역 별 재비산먼지 평균 농도')
plt.xlabel('지역')
plt.ylabel('평균 농도')
for i in range(len(dust_mean_df)) :
    plt.text(dust_mean_df.index[i], dust_mean_df[i] + 4, '%.2f' % (dust_mean_df[i]),
             fontsize=7,
             horizontalalignment='center',
             verticalalignment='center')
    
plt.show()

서울, 경기가 가장 높을 것이라 예상했는데 충북이 가장 높다는 결과가 도출되었다. 하지만 모든 지역을 매일 조사하지 않았다는 점 등이 큰 변수로 작용되었다고 생각된다. 일례로 세종은 2월에 세 번 조사함.

2. 날짜 별 평균 먼지 농도

dust_date_df = dust_df.groupby('측정일자')['재비산먼지평균농도'].mean()

dust_date_df.index = pd.to_datetime(dust_date_df.index)
filled_date_df = dust_date_df.resample("D").asfreq().fillna(0).sort_values(ascending=False)

filled_date_df.index = filled_date_df.index.strftime("%Y-%m-%d")

plt.bar(filled_date_df.index, filled_date_df)
plt.title('2월 날짜 별 평균 미세먼지 농도')
plt.xlabel('날짜')
plt.ylabel('평균 농도')

plt.xticks(filled_date_df.index, rotation=90)
no_date_idx = filled_date_df[filled_date_df.values==0].index
for i in range(len(no_date_idx)) :
    plt.text(no_date_idx[i], 15, '미\n측\n정',
             fontsize=7,
             horizontalalignment='center',
             verticalalignment='center')

plt.show()

측정된 날짜 중 2월 24일이 평균 재비산먼지 농도가 가장 높음을 확인할 수 있다.

해당 실습으로 알게 된 것

날짜 리샘플링

2023-02-01    130.875000
2023-02-02    204.500000
2023-02-03    193.147059
2023-02-06     75.141026
2023-02-07     67.697248
2023-02-08    145.898305
2023-02-09    198.521739
2023-02-13     70.282051
2023-02-14    137.044776
2023-02-15    157.043478
2023-02-16    100.081967
2023-02-17    119.705882
2023-02-20    149.280000
2023-02-21     83.976190
2023-02-22    124.115385
2023-02-23     86.479167
2023-02-24    249.388889
2023-02-27     91.076923
2023-02-28     13.545455

중간중간 없는 날짜를 삽입하고 싶었다.

dust_date_df.index = pd.to_datetime(dust_date_df.index)
filled_date_df = dust_date_df.resample("D").asfreq().fillna(0)

위 코드를 통해 해결할 수 있었다.

2023-02-01    130.875000
2023-02-02    204.500000
2023-02-03    193.147059
2023-02-04      0.000000
2023-02-05      0.000000
2023-02-06     75.141026
2023-02-07     67.697248
2023-02-08    145.898305
2023-02-09    198.521739
2023-02-10      0.000000
2023-02-11      0.000000
2023-02-12      0.000000
2023-02-13     70.282051
2023-02-14    137.044776
2023-02-15    157.043478
2023-02-16    100.081967
2023-02-17    119.705882
2023-02-18      0.000000
2023-02-19      0.000000
2023-02-20    149.280000
2023-02-21     83.976190
2023-02-22    124.115385
2023-02-23     86.479167
2023-02-24    249.388889
2023-02-25      0.000000
2023-02-26      0.000000
2023-02-27     91.076923
2023-02-28     13.545455

날짜 index는 시각화할 때 자동 정렬된다는 사실

다른 방식으로 정렬하고 싶다면 string으로 타입을 변경하자.

filled_date_df.index = filled_date_df.index.strftime("%Y-%m-%d")