📚 Join 방법

1. Inner Join: 두 데이터에 모두 존재하는 값들을 위주로 합친다.
2. Left Outer Join: 왼쪽 데이터에 존재하는 값을 위주로 데이터를 합친다.
   왼쪽 데이터는 모두, 오른쪽 데이터는 왼쪽에 존재하는 값들만 합쳐진다.
3. Right Outer Join: 오른쪽 데이터에 있는 값을 위주로 데이터를 합친다.
   오른쪽 데이터는 모두, 왼쪽 데이터는 오른쪽에 존재하는 값들만 합쳐진다.
4. Full Outer Join: 두 데이터의 모든 값을 가져와 하나로 합친다.
   
      : 자주 사용되는 함수 종류

---

📍 concat()

: 데이터 속성이 동일한 데이터셋끼리 합칠 때 사용할 수 있는 함수
key가 되는 공통된 열이나 인덱스 지정 없이 열/행 방향으로 합칠 수 있다.
DataFrame, Series에 모두 사용이 가능하다.

💡 기본 정의
objs: 합칠 Series, DataFrame, Panel Object 변수를 삽입한다.
axis=0/1: 데이터를 위+아래로 합친다 / 데이터를 오른쪽+왼쪽으로 합친다.
join=outer/inner: 합집합(모든 데이터를 합친다) / 교집합(모든 데이터셋에 존재하는 값끼리 합친다)
ignore_index=False/True: 기존 인덱스 유지 / 기존 인덱스를 무시하고 합친다.
keys=[]: 계층적인 index 를 사용하려면 keys 튜플을 입력한다.
각 데이터 프레임마다 대표적인 키값을 부여하는 역할을 한다.

import pandas as pd

english_df1 = pd.DataFrame({
    'name': ['dongwook', 'taego', 'jimin'],
    'english_score': [50, 91, 72]
})

english_df2 = pd.DataFrame({
    'name': ['yoonsoo', 'sowon', 'haeun'],
    'english_score': [88, 91, 72]
})

pd.concat([english_df1, english_df2])

---

📍 merge()

: 두 데이터프레임을 각 데이터에 존재하는 고유값, 즉 열값을 기준으로 병합할 때 사용된다.
기본적으로 Inner Join을 사용한다.

💡 기본 정의
on='': 병합에 기준이 될 키값을 지정한다.
how=left/right: lefr outer join/right outer join을 사용한다.
suffixes=(): 각 데이터에 똑같은 이름을 가진 key 역할을 하는 열 이름은 자동으로 _x, _y 구분자가 작성되는데,해당 구분자를 변경하는 역할을 한다.
right/left_on='': key 역할을 하는 열의 이름이 같지 않을 때 값이 같은 열 이름을 입력해 결합한다.
left/right_index: 오른쪽/왼쪽 데이터의 키값을 인덱스로 지정한다.

pd.merge(employee_df, survey_df, on='id) # id열을 기준으로 데이터 병합

id가 똑같은 열들끼리 병합, 같은 이름을 가진 열들엔 department"_x", department"_y" 처럼 열 이름 뒤에 구분자가 주어진다.

pd.merge(employee_df, survey_df, on='id', how='left')

how=left를 통해 left outer join, 즉 왼쪽의 값을 위주로 오른쪽 값을 병합하였다. 왼쪽에는 있으나 오른쪽에 없는 값은 결측값으로 결합되었다.

---

📍 join()

: 공통으로 들어 있는 값을 하나로 합치는 함수이다.
merge() 함수를 기반으로 만들어져 작동 방식이 유사하나, 행 인덱스를 기준으로 결합한다는 점에서 차이가 있다.
[데이터].join에서, 입력한 데이터를 기준으로 데이터를 병합한다.

💡 기본 정의
l/rsuffix='': 똑같은 이름을 가진 key 역할을 하는 열의 이름을 각각 설정한다.
how='inner': inner join으로 교집합인 값들만 가져와 결합한다.

employee_df.join(survey_df, lsuffix='_x', rsuffix='_y')

employee_df 데이터를 기준으로 survey_df와 결합하였다. lsuffix, rsuffix를 통해 동일한 이름을 가진 열 department 뒤에 구분 문자를 지정해 주었다.

---

💡 merge()와 join()

✔️ merge()

• 특정 열이나 인덱스를 기준으로 데이터프레임을 결합하는 방식이다.
• 기준이 되는 열의 이름이 서로 다를 때,
• 인덱스가 아닌 일반 데이터 열을 기준으로 데이터를 합치고 싶을 때,
• 복잡한 join조건을 명확히 지정해야 할 때(how='') 사용하면 좋다.
  
  
  ✔️ join()
• 인덱스를 기준으로 빠르게 결합하는 방식이다
• 여러 개의 데이터프레임을 한 번에 결합할 때 유용하다.
• 두 개의 데이터프레임의 인덱스가 맞추어져 있을 때,
• 여러 개(3개 이상)의 데이터프레임을 동시에 행을 기준으로 결합하고 싶을 때,
• 인덱스를 기준으로 왼쪽 데이터에 정보를 추가하고 싶을 때 사용하면 좋다.
  
  
  ➡️ 가장 범용적으로 자주 쓰이는 것은 세부적인 내용 조정이 가능한 merge()이지만, 인덱스를 기준으로 하는 간결한 작업이라면 join()을 사용하는 것이 효율적이다.

---

📚 Tableau 살펴보기

📍 End Of Year Overview

- Adil Ahmad

https://public.tableau.com/views/EndOfYearOverview/EndofYearOverview?:language=ko-KR&:sid=&:redirect=auth&:display_count=n&:origin=viz_share_link

해당 대시보드는 한 해의 핵심 비즈니스 지표와, 작년(PY) 대비 증감률을 직관적으로 보여 준다. 불필요한 요소들은 모두 배제한 후 핵심 데이터가 한눈에 들어오도록 그래프를 깔끔하게 배치한 점이 돋보인다. 특히 Sales, Profit, Orders, Returns 등 주요 측정값을 선택하여 추이를 동적으로 확인할 수 있어, 이상적인 대시보드라고 생각하여 선정하였다.

---

1. 전체 구성

• 2022년부터 연도별로 데이터를 확인할 수 있도록 연도 매개변수를 활용하여 사용자가 원하는 시점의 데이터를 뷰에 반영할 수 있게 구성하였다.

• Metrics의 각 카테고리를 클릭하면 해당 지표과 작년 지표를 비교하는 그래프로 전체 화면이 전환되도록, 매개변수 동작기능을 적극적으로 활용한 점이 돋보인다.

---

2. 그래프 요소

• Sales, Profit, Orders 등의 가장 최근 실적을 직관적으로 보여주기 위해 텍스트 마크를 활용하였다. 연도, 타이틀, 비즈니스 지표, 작년 대비 증감률을 조합해 하나의 텍스트 박스처럼 깔끔하게 삽입한 점이 인상적이다.
• 꺾은선 그래프(Line Chart)를 통해 작년 지표 대비 올해 지표의 월별 지표 추이를 나타내었다.
• 작년 대비 실적이 저조한 달은 빨간색 원으로 강조했으며, 마우스 오버 시 도구 설명을 통해 정확한 증감률을 확인할 수 있다.
• 전체 추이를 가리지 않도록, 마크 레이블 설정에서 최대값을 기록한 달에만 레이블이 표시되도록 자동화하였다.

• Segment(고객 세그먼트), Sub-Category(하위 범주), Ship Mode(배송 방법) 별로 지표를 나누어 막대 그래프로 세부 추이를 보여 주었다.
• 특히, 올해 측정값 막대 위에 작년 측정값을 투명하게 겹쳐 배치하는 바 인 바(Bar-in-Bar) 차트 형태를 띠고 있다. 이는 이중 축 기능을 활용해 두 막대를 겹치고, 크기와 투명도를 조절해 작년 대비 증감을 매우 직관적으로 비교 가능하게 한 시각화 방법이다.

• 지리적 역할을 부여한 맵 차트를 이용해 어느 지역에서 실적이 발생했는지 한눈에 파악할 수 있게 했다. 전체 지도를 하나로 합치지 않고 Central, South, West, East 지역별로 패널을 분할하여 가독성을 높였다.

• 파이차트 두 개를이중 축으로 겹쳐서 구현한 도넛 차트를 사용해 Sub-Category 별 작년 대비 증감률을 표기하였다.
• 마우스 오버 시 제품명, 현재 가격, 증감률을 도구 설정으로 알려 주며, 타 제품과의 비중 및 대비를 더욱 명확하게 확인할 수 있다.

---

그래프끼리 겹쳐 또 다른 그래프를 만들 수도 있구나... 정말정말 새롭고, 대시보드가 예쁘고 직관적이게, 깔끔히 한눈에 들어오도록 배치된 게 많아서, 노트를 예쁘게 정리하고 A4에 요약할 때도 마음에 들지 않으면 안 되는 병이 있는 나에게는 앞으로 더 많은 데이터 전처리 및 대시보드 제작에 대한 인풋과 아웃풋을 늘리고 강사님이 말씀하셨던 공모전에 나가 보는 것도 정말 좋은 경험이 될 것 같다는 생각이 들었다.