미리보기

---

데이터 정리

data.info()

data.head(2)

# 불필요한 컬럼 삭제 
stats = data.drop(['주소', '역전화번호', 'lat', 'lng','호선'], axis=1)
stats.head()

stats['역명'].unique()

stats.loc[stats['역명'] == '강남']

stats.loc[stats['역명'] == '강남'].iloc[:, 1:-1]

stats.loc[stats['역명'] =='강남'].iloc[:, 1:-1].values    # 2차원 

np.squeeze(stats.loc[stats['역명'] =='강남'].iloc[:, 1:-1].values) # 1차원 

그래프 차트

강남역

place = '강남'
plt.figure(figsize=(10, 6))
sns.pointplot(x=np.arange(1, 13), y=np.squeeze(stats.loc[stats['역명'] ==place].iloc[:, 1:-1].values))
plt.show()

강남역,한양대역

place1 = '강남'
place2 = '한양대'
plt.figure(figsize=(10, 6))
sns.pointplot(x=np.arange(1, 13), y=np.squeeze(stats.loc[stats['역명'] ==place1].iloc[:, 1:-1].values),color='black')
sns.pointplot(x=np.arange(1, 13), y=np.squeeze(stats.loc[stats['역명'] ==place2].iloc[:, 1:-1].values),color='red')

plt.show()

확실히 강남역 승하차인원이 많다.

그렇다면, 강남역만 볼 게 아니라, 강남구 전체 (강남역 포함) 지하철역별 그래프를 확인해보자.

강남구 전체

# 강남구 내에서의 지하철역별 1월 승하차인원 비교 

gu = '강남구'
plt.figure(figsize=(10, 6))
sns.pointplot(x='역명', y='1월', data=stats.loc[stats['구']==gu].iloc[:, :-1],color='black')
plt.show()

역시가 강남역 인원이 많다.
강남역 > 역삼역 > 선릉역 순

강남구 전체 + 일부 월만

# 강남구 내에서의 지하철역별 1월,4월,8월,11월 승하차인원 비교 

gu = '강남구'
plt.figure(figsize=(10, 6))
sns.pointplot(x='역명', y='1월', data=stats.loc[stats['구']==gu].iloc[:, :-1],color='black')
sns.pointplot(x='역명', y='4월', data=stats.loc[stats['구']==gu].iloc[:, :-1],color='blue')
sns.pointplot(x='역명', y='8월', data=stats.loc[stats['구']==gu].iloc[:, :-1],color='red')
sns.pointplot(x='역명', y='11월', data=stats.loc[stats['구']==gu].iloc[:, :-1],color='green')

plt.show()

마포구 전체 + 일부 월만

# 마포구 내에서의 지하철역별 1월,4월,8월,11월 승하차인원 비교 

gu = '마포구'
plt.figure(figsize=(10, 6))
sns.pointplot(x='역명', y='1월', data=stats.loc[stats['구']==gu].iloc[:, :-1],color='black')
sns.pointplot(x='역명', y='4월', data=stats.loc[stats['구']==gu].iloc[:, :-1],color='blue')
sns.pointplot(x='역명', y='8월', data=stats.loc[stats['구']==gu].iloc[:, :-1],color='red')
sns.pointplot(x='역명', y='11월', data=stats.loc[stats['구']==gu].iloc[:, :-1],color='green')

plt.show()![](https://velog.velcdn.com/images/hyejinbeck/post/95826aef-e251-466a-bf90-42844021f75c/image.png)

히트맵

# 강남구 내에서의 지하처역별로 월별 승하차인원 

gu = '강남구'
stats.loc[stats['구'] ==gu].iloc[:, :-1]

# 강남구 내에서의 지하처역별로 월별 승하차인원 히트맵 시각화 

gu = '강남구'

plt.figure(figsize=(12, 12))
cmap = sns.cubehelix_palette(light=1, as_cmap=True)
sns.heatmap(stats.loc[stats['구'] == gu].iloc[:, 1:-1]/1000, annot=True, fmt='.1f', cmap=cmap, cbar_kws={"shrink": .7})
                                                           # 숫자값이 너무 커서 나누기 1000 
plt.yticks(np.arange(len(stats.loc[stats['구'] == gu].iloc[:, 0].values)), stats.loc[stats['구'] == gu].iloc[:, 0].values)
plt.yticks(rotation=45)
plt.show()

# 마포구 내에서의 지하철역별로 월별 승하차인원 히트맵 시각화 

gu = '마포구'

plt.figure(figsize=(12, 12))
cmap = sns.cubehelix_palette(light=1, as_cmap=True)
sns.heatmap(stats.loc[stats['구'] == gu].iloc[:, 1:-1]/1000, annot=True, fmt='.1f', cmap=cmap, cbar_kws={"shrink": .7})
                                                           # 숫자값이 너무 커서 나누기 1000 
plt.yticks(np.arange(len(stats.loc[stats['구'] == gu].iloc[:, 0].values)), stats.loc[stats['구'] == gu].iloc[:, 0].values)
plt.yticks(rotation=45)
plt.show()

평균 비교

강남구 평균

gu = '강남구'
avg = stats.loc[stats['구']==gu].iloc[:, 1:-1].mean()
avg

강남구 평균 vs 강남역 평균 비교

place1 = '강남'
plt.figure(figsize=(10, 6))
sns.pointplot(x = np.arange(1, 13), y=np.squeeze(stats.loc[stats['역명'] == place1].iloc[:, 1:-1].values), color='black')
sns.pointplot(x = np.arange(1, 13), y=np.squeeze(avg.values), color='red')
plt.show()

# black = 강남역 승하차인원 평균 
# red = 강남구 전체 지하철역 승하차인원 평균 

강남'역' 승하차인원이 워낙 많다보니 패턴분석이 다소 어렵습니다.

변동폭만 보기위해, 정규화 MinMaxScaler

아무리 강남역 승하차인원이 워낙 많아도,
최대치 1 ~ 최소값 0 으로 표시되기 때문에
승하차인원 월별 변동폭을 보기에는 MinMaxScaler가 필요합니다.

black 검정 라인이 강남역 변동폭입니다. 1월, 5월, 7월에 강남구 평균보다 승하차인원이 크게 증가했습니다. 이때 강남역으로 놀러 오는 사람이 많은걸까요...