9/25 5세션

A. 숫자형 변수 분석

A-1. 정보의 대표값

평균(mean)

산술평균, 기하평균, 조화평균

# 넘파이 사용
np.mean(titanic['Fare'])

# 판다스 사용
titanic['Fare'].mean()

중앙값(median)

자료의 순서 상 가운데 위치한 값

# 넘파이 사용
np.median(titanic['Fare'])

# 판다스 사용
titanic['Fare'].median()

최빈값(mode)

가장 빈번한 값

# 판다스 사용
titanic['Pclass'].mode()

사분위수(quantity)

air['Ozone'].describe()

TIP! 평균을 대표값으로 사용할 때의 주의점
작은 값, 큰 값만 많은 경우가 있다!

A-2. 히스토그램

수치형 변수의 분포를 볼 때 사용

• plt.hist() 형으로 사용
• bins : 구간 개수 변경
• 구간을 쪼개는 개수에 따라 얻을 수 있는 내용이 다름

# matplotlib 사용
plt.hist(titanic.Fare, bins = 5, edgecolor = 'gray')
plt.xlabel('Fare')
plt.ylabel('Frequency')
plt.show()

# seaborn 사용
sns.histplot(x= 'Fare', data = titanic, bins = 20)
plt.show()

bins 를 변경하면서 그리기

TIP! seaborn 의 장점
seaborn 은 x label, y label, edgecolor 가 자동으로 지정된다

A-3. 밀도 함수 그래프 (Destiny Plot, kde Plot)

• 히스토그램의 단점 : 구간(bin)의 너비를 어떻게 잡는지에 따라 전혀 다른 모양이 될 수 있음
• 막대의 너비를 가정하지 않고 모든 점에서 데이터의 밀도를 추정
• 밀도 함수 그래프 아래 면적은 1

sns.kdeplot(titanic['Fare'])
# sns.kdeplot(x='Fare', data = titanic)

plt.show()

히스토그램 & Kde

sns.histplot(x='Age', data=titanic, kde=True)
plt.show()

A-4. boxplot

• 값에 NaN 이 있으면 그래프가 그려지지 않음
• 박스와 수염으로 구성
• 박스 : 박스 맨 처음(Q1), 중간(Q2), 박스 끝(Q3)
• 4분위를 알 수 있다.
• 밀집도를 알 수 있다. 구간이 넓을수록 밀집도가 낮다.
• IQR (Inter Quartile Range) : 1사분위 ~ 3사분위까지의 길이. 즉, 박스의 길이
• IQR * 1.5 : 수염의 길이를 나타내는 공식. 이 값에서 제일 가까운 데이터를 수염의 최소, 최대로 설정한다. 이 선을 나가는 데이터는 이상치.

# matplotlib 사용
plt.boxplot(temp['Age'])
plt.grid()
plt.show()

# seaborn 사용 - NaN 이 자동으로 제외됨
sns.boxplot(x = titanic['Age'])
plt.grid()
plt.show()

A-5. 그래프 읽기

1. 축의 의미 파악하기
   • x, y 축의 의미
2. 값의 분포로부터 파악하기
   • 희박한 구간, 밀집 구간
   • 비즈니스 의미 파악
3. 왜 그런 지 생각하기

A-6. 빈도수 계산 (도수분포표)