▷ 오늘 학습 계획: EDA 강의(CCTV 3~5)
Pandas로 CSV(comma-separated variables) 파일 읽기
column의 이름 조회, 변경
Pandas로 엑셀 파일 읽기
- 자료를 읽기 시작할 행(header)을 지정
- 읽어올 엑셀의 칼럼 지정(usecols)
column의 이름 조회, 변경
CCTV 데이터 조회
CCTV_Seoul.head() CCTV_Seoul.tail()
CCTV 개수 정렬
CCTV_Seoul.sort_values(by="소계", ascending=True).head(5) CCTV_Seoul.sort_values(by="소계", ascending=False).head(5)
CCTV 증가율
CCTV_Seoul["최근증가율"]=( (CCTV_Seoul["2016년"]+CCTV_Seoul["2015년"]+CCTV_Seoul["2014년"]) / CCTV_Seoul["2013년도 이전"] * 100 )
인구현황 데이터
pop_Seoul.head() pop_Seoul.tail()
첫 행의 합계 데이터 지우기
pop_Seoul.drop([0], axis=0, inplace=True)
unique 조사
pop_Seoul["구별"].unique() len(pop_Seoul["구별"].unique())
외국인비율, 고령자비율 컬럼 생성하기
pop_Seoul["외국인비율"]=pop_Seoul["외국인"] / pop_Seoul["인구수"] * 100 pop_Seoul["고령자비율"]=pop_Seoul["고령자"] / pop_Seoul["인구수"] * 100
인구수, 외국인, 고령자가 많은 구
pop_Seoul.sort_values(["인구수"], ascending=False).head(5) pop_Seoul.sort_values(["외국인"], ascending=False).head(5) pop_Seoul.sort_values(by="고령자", ascending=False).head(5)
외국인 비율, 고령자 비율이 높은 구
pop_Seoul.sort_values(["외국인비율"], ascending=False).head(5) pop_Seoul.sort_values(by="고령자비율", ascending=False).head(5)
"구별"을 키값으로 CCTV_Seoul, pop_Seoul 데이터 병합
data_result = pd.merge(CCTV_Seoul, pop_Seoul, on ="구별")
년도별 데이터 컬럼 삭제
del data_result["2013년도 이전"] del data_result["2014년"] data_result.drop(["2015년", "2016년"], axis = 1, inplace=True)
인덱스 변경
data_result.set_index("구별", inplace=True)
상관계수 구하기
data_result.corr()
CCTV비율 컬럼 만들기
data_result["CCTV비율"] = data_result["소계"] / data_result["인구수"] data_result["CCTV비율"] = data_result["CCTV비율"] * 100
인구 대비 CCTV 비율
data_result.sort_values(by="CCTV비율", ascending=False).head() data_result.sort_values(by="CCTV비율", ascending=True).head()
'소계' 컬럼 시각화
data_result["소계"].plot(kind="barh", grid=True, figsize=(10,10));
한 눈에 보기 쉽게 정렬 후 시각화
def drawGraph(): data_result["소계"].sort_values().plot( kind="barh", grid=True, title="가장 CCTV가 많은 구", figsize=(10,10)); drawGraph()
'CCTV 비율' 컬럼 시각화
def drawGraph(): data_result["CCTV비율"].sort_values().plot( kind="barh", grid=True, title="CCTV 비율이 높은 구", figsize=(10,10)); drawGraph()
인구수와 소계 컬럼으로 scatter plot 그리기
def drawGraph(): plt.figure(figsize=(14,10)) plt.scatter(data_result["인구수"], data_result["소계"], s=50) plt.xlabel("인구수") plt.ylabel("CCTV") plt.grid(True) plt.show() drawGraph()
Numpy를 이용한 1차 직선 만들기
import numpy as np fp1 = np.polyfit(data_result["인구수"], data_result["소계"], 1) f1 = np.poly1d(fp1) # 경향선을 그리기 위한 x 데이터 생성 fx = np.linspace(100000, 700000, 100)
def drawGraph(): plt.figure(figsize=(14,10)) plt.scatter(data_result["인구수"], data_result["소계"], s=50) plt.plot(fx, f1(fx), ls="dashed", lw=3, color='g') plt.xlabel("인구수") plt.ylabel("CCTV") plt.grid(True) plt.show() drawGraph()
그래프 다듬기
경향(trenda)과의 오차 만들기: f1 함수에 해당 인구 입력
data result['오차'] = data_result['소계'] - f1(data_result['인구수'])
경향과 비교해서 데이터의 오차가 너무 나는 데이터를 계산하기
df_sort_f = data_result.sort_values(by="오차", ascending = False) df_sort_t = data_result.sort_values(by="오차", ascending = True)
colormap 을 사용자 정의(user define)로 세팅
from matplotlib.colors import ListedColormap color_step = ["#e74c3c", "#2ecc71", "#95a5a6", "#2ecc71", "#3498db", "#3498db"] my_cmap = ListedColormap(color_step)
오차가 큰 데이터 상위/하위 5개 마커 옆에 구 이름 명시하기
- plt.scatter()
s: 마커의 크기
c: color 세팅에 경향과의 오차를 적용
cmap: 사용자 정의 맵 적용- plt.text(X, Y, Text, 설정)
text: 그래프에 글자 그리기
x, y 데이터에 1.02, 0.98 곱하기: 구 이름이 마커에 겹치지 않게
데이터 저장
data_result.to_csv("../data/01. CCTV_result.csv", sep=",", encoding="utf-8")
📝 생소해서 그런지 numpy의 polyfit, poly1d, linspace를 이용해서 데이터 경향을 나타내는 부분이랑 ListedColormap이 어려웠다.
▷ 내일 학습 계획: EDA 강의(범죄 1~3)