[제로베이스] CH4. EDA - 서울 CCTV / 인구수 데이터 분석

정해성·2023년 7월 8일

EDA 서울 CCTV 제로베이스

제로베이스

목록 보기

24/36

프로젝트 개요 및 목표

개요

이번 프로젝트는 제로베이스에서 데이터 취업스쿨을 수강 중 진행한 프로젝트로 제로베이스에서 제공된 데이터를 사용했다.

제공된 데이터

서울 CCTV 현황 데이터

서울 인구 현황 데이터

목표

인구수와 CCTV의 관계 파악

CCTV가 가장 많은 구, 가장 적은 구

인구수 대비 상대적으로 CCTV가 가장 많은 구, 가장 적은 구

1. 서울 CCTV 데이터 튜닝

먼저 파일을 불러온다.

import pandas as pd
CCTV_Seoul = pd.read_csv("../data/Seoul_CCTV.csv", encoding="utf-8") 
# 인코딩에러가 뜰 경우 (한글이 안불러와질 경우) "utf-8" or "euc-kr"

CCTV_Seoul.head(10)

여기서 지역 구를 나타내는 컬럼명이 "기관명"이다. 이를 "구별"로 바꾸자.

CCTV의 년도 별 개수 데이터를 토대로 2013년부터 2016까지의 개수 증가율을 보여주는 새로운 열을 만들어보자.

2. 서울 인구수 데이터 튜닝

그 다음, 인구수 데이터를 살펴보자.

여기서 컬럼명을 담고 있는 0행과 1행이 중복되어 보인다. 또한, 열 목록을 보면 인구수에서 남자합계, 여자합계, 외국인합계 데이터만 있으면 충분할 것 같으니 컬럼명이 담긴 0행과 1행은 제외하고 필요한 열만 불러오자.

컬럼명이 무엇을 뜻 하는지 컬럼명을 바꿔주자.

다시보니 합계 행도 필요가 없을 것 같으니 제거하자.

여기서 총 인구수에서 외국인 비율, 고령자 비율을 나타내는 컬럼을 추가하자.

3. 두 데이터 합치기

두 데이터를 구별 컬럼으로 합쳐보자.

년도 별 데이터는 지워 버리자.

구별 컬럼 자체를 인덱스로 바꿔버리자.

인구수에 따른 CCTV 비율 컬럼을 추가해보자.

4. 최종 데이터 시각화

4-1. 시각화 한글작업

matplotlib를 활용한 시각화에서 먼저 한글화 작업이 필요하다.

4-2. 막대그래프

이제 CCTV 개수를 막대그래프로 나타내보자.

그 다음 인구수 대비 CCTV 개수 비율을 막대그래프로 나타내 보자.

막대그래프 분석

단순 CCTV 개수 vs 인구 대비 CCTV 개수 파악

단순 CCTV 수 많은 구는 강남, 양천, 서초, 관악....

CCTV 비율이 높은 구는 종로, 용산, 중구, 강남구 ....

아직 뚜렷한 경향을 볼 수 없다. 산점도 및 경향 작업을 해보자.

4-3. 산점도

인구수 대비 CCTV 개수를 산점도로 나타내보자.

산점도 분석.

아직 뚜렷한 경향을 볼 수 없다.

인구수와 CCTV의 선형상관관계를 파악할 필요가 있다.

5. 데이터 경향(Trend) 파악

5-1. 인구수와 CCTV 개수 - 상관계수

인구수와 CCTV 개수의 상관관계를 파악하기 위해 상관계수를 구해보자.

소계와 인구수의 상관관계계수를 보면 0.2 이상이다.

통계학에 따르면 상관계수가 0.2 ~ 0.4 이면 상관관계가 있지만 낮은 상관관계임을 의미한다고 한다.

5-2. 인구수와 CCTV 개수 - 선형회귀

두 데이터 변수 x와 y 사이에 상관관계식으로 직선 그래프를 그려본다.
numpy 기능을 활용해 상관관계식 1차 함수를 만들자.
- np.polyfit(a,b,1) : a와 b의 선형관계를 계산해 기울기와 절편을 반환해줌.
- np.poly1d(): polyfit으로 찾은 관계식을 사용