프로젝트 1 - 서울시 CCTV 현황 분석 (4) - 데이터 경향, 강조

6. 데이터의 경향 표시

인구 수와 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

• np.polyfit() : 직선 구성하기 위한 계수를 계산
• np.poly1d(): polyfit으로 찾은 계수로 파이썬에서 사용할 수 있는 함수로 만들어주는 기능

import numpy as np

fp1 = np.polyfit(data_result["인구수"], data_result["소계"], 1)
fp1

array([1.11155868e-03, 1.06515745e+03])

f1 = np.poly1d(fp1)
f1

poly1d([1.11155868e-03, 1.06515745e+03])

f1(400000) #- 인구 40만인 구에서 서울시 전체 경향에 맞는 적당한 CCTV의 수 

1509.7809252413333

• 경향선 그리기 위한 X데이터 생성
• np.linspace(a, b, n): a부터 b까지 n개의 동간격 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.plot(x축,y축)
    plt.xlabel("인구수")
    plt.ylabel("CCTV")
    plt.grid(True)
    plt.show()
drawGraph()

---

7. 강조하고 싶은 데이터를 시각화해보자.(경향에서 벗어난 데이터 강조하기)

그래프 다듬기

경향과의 오차 만들기

• 경향(trend)과의 오차를 만들기
• 경향은 f1함수에 해당 인구를 입력
• f1(data_result["인구수"])

fp1 = np.polyfit(data_result["인구수"], data_result["소계"], 1)
f1 = np.poly1d(fp1)
fx = np.linspace(100000, 700000, 100)

# 오차 생성
data_result["오차"] = data_result["소계"] - f1(data_result["인구수"])

data_result.head()

# 경향과 비교하여 오차가 너무 나는 데이터를 계산

df_sort_f = data_result.sort_values(by="오차", ascending=False)  #내림차순
df_sort_t = data_result.sort_values(by="오차", ascending=True)   #오름차순

# 경향 대비 CCTV 많이 가진 구
df_sort_f.head()

# 경향 대비 CCTV 적게 가진 구
df_sort_t.head()

from matplotlib.colors import ListedColormap
#colormap 을 사용자 정의로 세팅
color_step = ["#e74c3c", "#2ecc71", "#95a9a6", "#2ecc71", "#3498db", "#3498db"]
my_cmap = ListedColormap(color_step)

def drawGraph():
    plt.figure(figsize=(14, 10))
    plt.scatter(data_result["인구수"], data_result["소계"], s=50, c=data_result["오차"], cmap=my_cmap)
    plt.plot(fx, f1(fx), ls="dashed", lw=3, color="g")  #plt.plot(x축,y축)
    plt.xlabel("인구수")
    plt.ylabel("CCTV")
    plt.colorbar()
    plt.grid(True)
    plt.show()
drawGraph()

각 점에 해당하는 데이터값 출력

• plt.text() 활용

def drawGraph():
    plt.figure(figsize=(14, 10))
    plt.scatter(data_result["인구수"], data_result["소계"], s=50, c=data_result["오차"], cmap=my_cmap)
    plt.plot(fx, f1(fx), ls="dashed", lw=3, color="g")  #plt.plot(x축,y축)
    #상위 5 개
    for n in range(5):
        plt.text(
            df_sort_f["인구수"][n] * 1.02, # x좌표 
            df_sort_f["소계"][n] * 0.98,   # y좌표
            df_sort_f.index[n],  # title
            fontsize = 15
        )
    
    #하위 5개
        plt.text(
            df_sort_t["인구수"][n] * 1.02, # x좌표 
            df_sort_t["소계"][n] * 0.98,   # y좌표
            df_sort_t.index[n],  # title
            fontsize = 15
        )
    plt.ylabel("CCTV")
    plt.colorbar()
    plt.grid(True)
    plt.show()
drawGraph()

# 데이터 저장
data_result.to_csv("../data/01.CCTV_result.csv", sep=",", encoding="utf-8")