[python] 데이터 시각화2(단변량 분석)

숫자형 변수

기초 통계량

• 평균(mean)
• 중앙값(median)
• 최빈값(mode)
• 사분위수(Quantile)
  • 데이터를 정렬(오름차순)
  • 전체를 4등분하고 각 분위는 결계의 값( 25%, 50%, 75%) 을 의미
  • ( 25%, 50%, 75%) 를 각각 1사분위수, 2사분위수, 3사분위수 라고 부름
  • DF.describe()를 통해 전체적으로 파악 가능
• Box plot을 활용하여 데이터 분석 가능
• Box Plot
  • plt.boxplot( DF['열 이름'] )
  • vert = 횡(False), 종(True, 기본값)
  • 사전에 반드시 NaN을 제외(sns.boxplot 은 NaN을 알아서 제거해 줌)
  • 수염 - 박스 -수염 의 형태를 가지고 있다.
  • 사분위수를 확인 가능
  • IQR > Q1(1사분위수) 에서 Q3(3사분위수) 까지의 길
  • 1.5*IQR 범위 이내의 최소, 최대값으로 결정

 

도수분포 (frequency table)

• Histogram
  • plt.hist(DF.열이름, bins = 구간 수) / plt.hist(x = 열이름, data = DF, bins = 구간 수) - 그림1
  • edgecolor = bar의 윤곽선을 색으로 표시 ex) 'gray'
  • x, y 라벨이 없음으로 직접 지정
  • plt.xlabel('str') / plt.ylabel('str')
  • 밀집구간과 희박구간을 확인하고 비즈니스 의미를 파악
  • 단점 - 구간(bin)의 너비에 따라 모양이 달라지며 의미가 다르게 해석
  • sns.histplot(DF['열 이름'], bins = 구간수)
    • kde = True로 설정하면 kde도 같이 출력 - 그림2

그림1 / 그림2

• Density plot(KDE)
  • sns.kdeplot(DF['열 이름'])
  • 데이터의 밀도 추정 - 측정된(관측된) 데이터로부터 전체 데이터 분포의 특성을 추정
  • 면적으로 구간에 대한 확률 추정

범주형 변수

 

범주형 데이터는 법주별 빈도수 / 범주별 비율 등으로 데이터를 가공해야된다.

• 범주별 빈도수  - DF['열 이름'].value_counts() / 시리즈.value_counts()
• 범주별 비율  - DF['열 이름'].value_counts(normalize = True) 
• sns.countplot( DF['열 이름'] )
  • 알아서 범주 별 빈도수가 계산되고  bar plot으로 그려짐.
  • plt.bar( DF['열 이름'] )를 활용하려변 직접 범주별 빈도수를 계산해야 됨

 

• plt.pie(시리즈.values, labels = 시리즈.index , autopct = '%/2f%%')  -  시리즈의 values, index를 기준으로한 원형 차트 생성, autopct = '%/2f%%'는 소수점 2자리까지 나타내게 함.
  • 시리즈 = DF['열 이름']
  • startangle = n :  차트를 n도 회전
  • counterclock = True/False : False = 시계 방향으로
  • explode = [0.05, 0.05, 0.05] : 중심으로 부터 각 차트요소(n개)를 얼마만큼 띄울지 지정
  • shadow = True : 그림자 추가