JLOG

데이터 분석 기초의 마지막 시간이다. 2013년 부터 최근 데이터까지 데이터프레임을 합쳐주어서 heatmap 으로 시각화 해보았으니, 오늘은 이제까지 배운 라이브러리 함수를 활용하여 시각화 해보자! 연도별 평당분양가격 시각화하기 seaborn 이 가장 사용하기 편하니 seaborn 을 사용해서 시각화 해보겠다. sns.barplot(data = df, x = "연도", y = "평당분양가격") -> df 는 2013~ 최근 데이터를 합친 데이터 프레임이다. 해석: 시간이 지날수록 평당분양가격은 상승 하고 있다. 2. pointplot plt.figure(figsize = (12,4)) # 그래프 크게 sns.pointplot(data = df, x = "연도", y = "평당분양가격", hue = "지역..

lmplot 과 swarmplot 에 대해서 공부해보자 lmplot 은 산점도 +회귀선이 같이 그려지는 그래프이다. 데이터가 어디에 몰려있고, 회귀선이 어떻게 그려지는지를 알 수 있다. lmplot 또한 seaborn lib 를 활용하기 때문에 작성하는 방법은 비슷하다. 단, lmplot 은 x ,y 축이 모두 수치형 데이터일때 표현하기 좋다. 해석 -> 각 전용면적 모두 연도가 늦어질수록 평당분양가격이 증가하는 경향을 보인다. 산점도를 볼 수 있어서 어느 가격에 분포가 많이 되어있는지도 알 수있고, 85~102 전용면적에서는 이상값 때문에 2019년의 평균값이 대폭 상승 했다는 점도 알 수 있다. 하지만, lmplot 은 x , y 축이 모두 수치형 데이터 일때 더 효율적이다. swarmplot 은 산..

이번시간에는 seaborn 의 distplot 을 사용하여 히스토그램으로 자료를 해석해보는 시간이다. seaborn 에서는 히스토그램인 distplot 을 그려 낼 수 있다. 우선 히스토그램을 seaborn 을 사용하지 않고도 나타낼 수 있기는 하다. 만약, 평당분양가격에 대한 히스토그램을 그리고 싶다면 df_last["평당분양가격"].hist() 만 사용해도 히스토그램이 나오기는 하지만, seaborn 라이브러리를 활용하여 distplot 을 사용하는 것이 더 구체적이기 때문에 distplot 을 배우는 것 같다. 1. seaborn 에서 distplot 불러오기 import seaborn as sns sns.distplot(원하는 데이터) -> 먼저 distplot 을 가지고 있는 seaborn 을 ..

전 시간에는 boxplot 을 활용하여 시각화를 진행하였다. 이번 시간에는 seaborn 을 활용하여 시각화 하는 것을 공부 하였다. 1. 우선 seaborn 라이브러리를 가져와야 한다. -> import seaborn as sns # 나는 seaborn 을 sns 로 지정해주었다. 모든 코드는 ? + ctrl +enter or 괄호안에서 shifr+ tab 을 사용하면 사용하는 방법을 볼 수 있다. seaborn 라이브러리를 가져왔다면, seaborn 을 활용한 시각화 하는 방법을 간단하다. 막대그래프로 시각화 하고 싶다면? 1.1 -> sns.barplot(data = 원하는 데이터, x = ?, y = ?) # sns.barplot? +ctrl + enter 를 하면 사용방법 알 수 있음. x축에 ..