데이터 분석 기초ㅡ시각화

데이터 시각화의 필요성

• 데이터가 많을 경우 한눈에 파악이 어려움
• 시각화를 통해 데이터의 특징을 빠르고 직관적이게 전달 가능
• 패턴과 이상치를 쉽게 발견 가능
• 설명과 설득을 돕는 도구 역할 수행

데이터 형태

• 정형 데이터 ㅡ '엑셀'과 '데이터베이스' 같이 표 형태로 정리되어 있어 구조가 명확한 데이터
• 비정형 데이터 ㅡ '텍스트'와 '이미지', '영상' 같이 정해진 구조 없이 다양한 형태로 존재하는 데이터

데이터 타입

• 범주형 데이터 ㅡ 구분하기 위한 이름이나 종류를 나타내는 데이터
  ex) 성별, 지역, 상품 종류
• 순서형 데이터 ㅡ 순서의 의미는 있으나 순서 간 차이의 크기는 알 수 없는 데이터
  ex) 만족도, 등급, 순위
• 이산형 데이터 ㅡ 셀 수 있는 정수 값으로 이루어진 데이터
  ex) 구매 횟수, 방문자 수
• 연속형 데이터 ㅡ 소수점까지 표현 가능한 연속적인 데이터
  ex) 키, 몸무게, 온도
• 시계열 데이터 ㅡ 시간의 흐름에 따라 기록된 데이터
  ex) 일별 매출, 월별 방문자 수
• 위치정보형 데이터 ㅡ 위치 좌표를 기준으로 표현되는 데이터
  ex) 위도와 경도, 지도 좌표
• 텍스트 데이터 ㅡ 문장이나 단어 형태로 저장된 데이터
  ex) 리뷰 내용, 뉴스 기사

'분포'를 통한 파악

• 이상한 값이 존재하는지 확인하는 방법
• 데이터가 어떻게 퍼져 있는지 ?
• 중앙값 : 값을 크기 순으로 놓았을 때 가운데에 있는 값
• 분산/표준편차 : 값들이 서로 얼마나 퍼져 있는지를 나타내는 기준
• 이상치 : 다른 값들과 많이 떨어져 있는 값

* histogram, Box plot 사용

분포의 해석

• 평균과 중앙값 차이가 크다 -> 일부 값이 결과를 왜곡하는지 확인 필요
• 분산이 매우 크다 -> 값 차이가 커서 비교가 어려움 -> 범위를 맞추는 작업(데이터 스케일 조정) 필요
• 특정 구간에 데이터가 몰렸다 -> 큰 값의 영향을 줄이기 위한 변환 검토 필요
• 이상치가 다수 존재한다 -> 분석에 포함할지 여부에 대한 기준 설정 필요
• 결측값이 존재한다 -> 데이터 손실을 줄이기 위한 처리 방법 선택 필요

'상관관계'를 통한 파악

• 상관관계는 두 변수 사이의 함께 변하는 정도를 의미
• 양의 상관관계는 함께 증가하는 경향을 의미
• 음의 상관관계는 한쪽이 증가하면 다른 쪽이 감소하는 경향을 의미

Pair Plot, Heatmap, Bubble chart 사용

---

• 범주형 데이터 -> 항목별 값을 비교하고 싶을 때 -> 막대그래프
• 범주형 데이터 -> 전체에서 비율을 파악하고 싶을 때 -> 원그래프
• 수치형 데이터 -> 값의 분포를 확인하고 싶을 때 -> 히스토그램
• 수치형 데이터 -> 분포와 이상치를 함께 확인하고 싶을 때 -> 박스플롯
• 수치형 데이터 -> 두 값의 관계를 확인하고 싶을 때 -> 산점도
• 시계열 데이터 -> 시간에 따른 변화를 확인하고 싶을 때 -> 선그래프
• 위치정보형 데이터 -> 지역별 차이를 확인하고 싶을 때 -> 지도 시각화
• 텍스트 데이터 -> 단어 사용 빈도를 확인하고 싶을 때 -> 워드 클라우드

---

시각화 도구 설치

uv add matplotlib
uv add seaborn
uv add folium