[👩‍💻TIL 6일차 ] 유데미 스타터스 취업 부트캠프 4기

목차

 

[80차시]그래프에 수직선, 수평선 그리기

[81차시]그래프에 설명적기

[82차시]2중y축 표시하기

[83차시]seaborn-막대그래프

[84차시]데이터의 관계파악을 위한 scatterplot

[85차시]데이터의 추세를 표현하는 lineplot

[86차시]데이터의 분포를 나타내는 여러가지 그래프

 

[서울시 연간 기온변화 분석 및 시각화]

[87차시]전국 기온 데이터 수집

[88차시]전국 기온 데이터 확인

[89차시]서울시 연간 기온변화 분석 및 시각화

[90차시]서울시 연간 평균기온,최저기온,최고기온 변화 시각화

[91차시]서울시 연간 평균기온,최고기온,최저기온 한눈에보기

 

[전국 지점별 기온 분석]

[92차시]데이터 추출 및 전처리

[93차시]지점별 연 평균기온 시각화

[94차시]지점별 연 최저기온,최고기온 시각화

[95차시]지점별 기온분포 시각화

---

[80차시]그래프에 수직선, 수평선 그리기

 

 

 

 

 

[학습목표]
그래프 내에 수직선이나 수평선을 표시하여 그래프의 특정 부분을 강조할 수 있다.

 

In [1]:

import pandas as pd
import matplotlib.pyplot as plt

 

In [2]:

# 그래프에 한글폰트 설정
plt.rcParams['font.family']='Malgun Gothic'

# 그래프에 마이너스 기호 깨지는 문제 해결
plt.rcParams['axes.unicode_minus'] = False

 

In [3]:

# 그리드 스타일
plt.rcParams['grid.linestyle'] = '--'
plt.rcParams['grid.alpha'] = 0.3

 

 

1. 수평선, 수직선 그리기¶

 

 

1.1 수평선 그리기¶

• plt.axhline(y좌표, x축시작위치, x축끝위치)
  수평선의 길이가 1이라고 했을 때 x축시작위치, x축끝위치를 지정한다.
  따로 지정하지 않으면 x축 전범위에 걸쳐 그려진디ㅏ.
• plt.hlines(y, x축시작좌표, x축끝좌표)

 

In [4]:

plt.plot([1,2,3,4], 'ko')

plt.axhline(2,0,1, color='b', alpha=0.5, ls=':')

plt.hlines(3, 0.0, 3.0, color='darkorange', ls='-.')

plt.show()

 

 

 

 

1.2 수직선 그리기¶

• axvline(x좌표, y축시작위치, y축끝위치)
  수직선의 길이가 1이라고 했을 때 y축시작위치, y축끝위치를 지정한다.
  따로 지정하지 않으면 y축 전범위에 걸쳐 그려진디ㅏ.
• vlines(x, y축시작좌표, y축끝좌표)

 

In [5]:

plt.plot([1,2,3,4], 'ko')
plt.axvline(1, 0, 0.5, ls='--', color='r')
plt.vlines(2, 1.0, 3.0, ls=':', color='g')
plt.show()

 

 

 

 

2. 예제 : 요일별 판매 테이블 수¶

 

 

2.1 데이터¶

 

In [4]:

import seaborn as sns
tips = sns.load_dataset('tips')
tips.head(3)

 

Out[4]:

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3

 

In [24]:

Thur = tips[tips['day'] == 'Thur']
Thur['time'].value_counts()

 

Out[24]:

Lunch     61
Dinner     1
Name: time, dtype: int64

 

In [25]:

Sat = tips[tips['day'] == 'Sat']
Sat['time'].value_counts()

 

Out[25]:

Dinner    87
Lunch      0
Name: time, dtype: int64

 

In [26]:

Sun = tips[tips['day'] == 'Sun']
Sun['time'].value_counts()

 

Out[26]:

Dinner    76
Lunch      0
Name: time, dtype: int64

 

 

2.2 요일 별 테이블 수¶

• 요일별 데이터 수

 

In [7]:

s = tips['day'].value_counts()
s

 

Out[7]:

Sat     87
Sun     76
Thur    62
Fri     19
Name: day, dtype: int64

 

In [8]:

plt.figure(figsize=(15,3))
plt.barh(s.index, s.values)
plt.xticks(range(0,91,1), rotation=90)
plt.grid(axis='x')
plt.axvline(s['Fri'], color='k')
plt.axvline(s['Thur'], color='k')
plt.axvline(s['Sun'], color='k')
plt.axvline(s['Sat'], color='k')
plt.show()

 

 

 

 

위 그래프에 따르면 주말과 목요일의 테이블 수가 많은 것을 알 수 있다.

 

추가분석을 통해 요일에 따른 시간대를 살펴보니 주말은 모두 저녁식사였고 목요일은 점심 식사가 이루어지는 것을 알 수 있었다. 해당 식당은 목요일 점심과 주말 저녁 장사에 집중해야함을 확인했다.

---

[81차시]그래프에 설명적기

 

 

 

[학습목표]
그래프의 특정 위치에 설명을 추가할 수 있다.

 

In [1]:

import pandas as pd
import matplotlib.pyplot as plt

 

In [2]:

# 그래프에 한글폰트 설정
plt.rcParams['font.family']='Malgun Gothic'

# 그래프에 마이너스 기호 깨지는 문제 해결
plt.rcParams['axes.unicode_minus'] = False

 

 

1. 텍스트 추가하기¶

• plt.text(x좌표, y좌표, 텍스트)
• rotation=회전각도
• ha : horizontal alignment(수평 정렬 옵션)
• va : vertical alignment(수직 정렬 옵션)
• 텍스트 상자
  bbox = {'boxstyle':상자스타일, 'fc':facecolor,'ec':edgecolor,...}
  boxstyle : 'round'/'square'

 

In [3]:

plt.plot([1,2,3,4], 'ko')
#세번째 좌표에 설명 추가
plt.text(2.1, 3, '(x:2, y:3)', ha='left', va='bottom', fontsize=12, rotation=45
        , bbox={'boxstyle':'round', 'fc':'skyblue', 'ec':'b', 'alpha':0.3})
plt.axhline(3, ls=':', alpha=0.5, lw=0.5) #수평선
plt.axvline(2, ls=':', alpha=0.5, lw=0.5) #수직선
plt.plot(2,3,'ro') #마커 색상 변경
plt.show()

 

 

 

 

2. 화살표와 텍스트 추가하기¶

• plt.annotate('텍스트',xy=(화살표x,화살표y), xytext=(텍스트x,텍스트y), arrowprops=화살표속성(딕셔너리))
  
  
• 화살표 속성
  width 화살표 몸의 너비
  headwidth 화살표 머리의 너비
  headlength 화살표 머리의 길이
  shrink 화살표의 전체 길이

 

In [5]:

plt.plot([1,2,3,4], 'ko')
plt.axhline(2, color='orange', lw=0.5, alpha=0.5, ls='--') #수평선
plt.axvline(1, color='orange', lw=0.5, alpha=0.5, ls='--') #수직선
plt.plot(1,2,'ro') #마커 색상 변경
#텍스트와 화살표 추가
plt.annotate('(x:1,y:2)', xy=(1,2), xytext=(1.5,2.5)
             , arrowprops={'width':1, 'headwidth':10, 'headlength':10, 'shrink':0.1, 'fc':'r'}
             , fontsize=12, color='r')
plt.show()

 

 

 

In [ ]:

 

---

[82차시] 2중y축 표시하기

 

 

 

[학습목표]
2중 y축을 표시하여 2가지 유형의 데이터를 한번에 표현할 수 있다.

 

In [1]:

import pandas as pd
import matplotlib.pyplot as plt

 

In [2]:

plt.rcParams['font.family']='Malgun Gothic'
plt.rcParams['axes.unicode_minus']=False

plt.rcParams['font.size'] = 12

 

 

1. 샘플데이터¶

• 어떤 학생의 나이에 따른 키와 몸무게의 변화

 

In [3]:

age = [13,14,15,16,17]
height = [160,165,170,173,177]
weight = [80,85,83,78,73]

 

 

2. 두가지 정보를 하나의 그래프에 그리기¶

• 축을 분리하기 위해 객체지향으로 그린다.
• fig, ax = plt.subplots()

 

 

2.1 2중 y축 만들기¶

• x축을 공유하는 새로운 axes객체를 만든다.
  axes객체.twinx()

 

 

2.2 축 레이블 표시하기¶

axes객체.set_xlabel(x레이블)
axes객체.set_ylabel(y레이블)

 

 

2.3 y축 범위 지정¶

• axes객체.set_ylim(y축눈금범위)

 

 

2.4 y축 눈금¶

• axes객체.set_yticks(y축눈금)
• axes객체.tick_params(...)

 

 

2.5 범례 표시¶

• axes객체별로 legend메소드 호출

 

 

2.6 그리드 표시¶

• axes객체.grid()

 

In [4]:

fig, ax1 = plt.subplots()
#막대그래프
ax1.bar(age, height, color='skyblue', width=0.5, ec='lightgray', label='height')
#선그래프
ax2 = ax1.twinx()
ax2.plot(age, weight, color='darkred', marker='o', ls='-.', label='weight')

#축 레이블 표시
ax1.set_xlabel('나이')
ax1.set_ylabel('키(cm)')
ax2.set_ylabel('몸무게(kg)')

#y축 범위 지정
ax1.set_ylim(150,180)
ax2.set_ylim(60,90)

#y축 눈금에 데이터만 표시
ax1.set_yticks(height)
ax2.set_yticks(weight)

#틱 색상 변경
ax1.tick_params(axis='y', colors='skyblue')
ax2.tick_params(axis='y', colors='darkred')

#범례 표시
ax1.legend()
ax2.legend()

#그리드 표시
ax1.grid(axis='y', ls='--', color='skyblue')
ax2.grid(axis='y', ls='--', color='pink')

plt.show()

 

 

 

---

[83차시]seaborn-막대그래프

 

 

 

[학습목표]
seaborn으로 막대그래프를 그릴 수 있다.

 

In [2]:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#seaborn은 matplotlib을 기반으로 만들어져있기 때문에 둘 다 import 해주어야 함

 

In [3]:

plt.rcParams['font.family']='Malgun Gothic'
plt.rcParams['axes.unicode_minus']=False

 

 

1. 샘플데이터¶

 

In [4]:

tips = sns.load_dataset('tips')

 

In [5]:

tips.head()

 

Out[5]:

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

 

In [6]:

tips.info()

 

 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 244 entries, 0 to 243
Data columns (total 7 columns):
 #   Column      Non-Null Count  Dtype   
---  ------      --------------  -----   
 0   total_bill  244 non-null    float64 
 1   tip         244 non-null    float64 
 2   sex         244 non-null    category
 3   smoker      244 non-null    category
 4   day         244 non-null    category
 5   time        244 non-null    category
 6   size        244 non-null    int64   
dtypes: category(4), float64(2), int64(1)
memory usage: 7.4 KB

 

 

2. 요일별 팁 평균¶

 

 

2.1 matplotlib으로 시각화¶

 

 

2.1.1 데이터 가공¶

• 요일별 팁 평균 계산
• 그룹핑 : 데이터프레임.groupby(그룹기준컬럼)[통계적용컬럼].통계함수

 

In [7]:

#요일로 그룹핑하여 팁의 평균을 구하기
day_tip_mean = tips.groupby('day')['tip'].mean()
day_tip_mean

 

Out[7]:

day
Thur    2.771452
Fri     2.734737
Sat     2.993103
Sun     3.255132
Name: tip, dtype: float64

 

 

2.1.2 데이터 시각화¶

• plt.bar(x,y)

 

In [8]:

#막대그래프
plt.bar(day_tip_mean.index, day_tip_mean)
#레이블 지정
plt.xlabel('day')
plt.ylabel('tip')
plt.title('요일별 팁 평균', size=15)

plt.show()

 

 

 

 

2.2 seaborn으로 그리기¶

• `sns.barplot(data=데이터프레임명, x=x축컬럼, y=y축컬럼)`
• x축데이터로 그룹핑한 y축데이터의 평균값을 계산하여 그래프를 그려준다.
• 신뢰구간(CI:Confidence Interval)을 함께 표시

 

In [9]:

sns.barplot(data=tips, x='day', y='tip', ci=None)
plt.title('요일별 팁 평균', size=15)
plt.show()

#matplotlib과의 차이점: 자동으로 그룹핑 및 평균값 계산,
#막대별로 색이 다름, 신뢰구간이 표시됨, 레이블 자동 지정

 

 

 

 

3. 요일별 팁 합계¶

 

 

3.1 matplotlib으로 그리기¶

 

In [9]:

day_tip_sum = tips.groupby('day')['tip'].sum()
day_tip_sum

 

Out[9]:

day
Thur    171.83
Fri      51.96
Sat     260.40
Sun     247.39
Name: tip, dtype: float64

 

In [10]:

plt.bar(day_tip_sum.index, day_tip_sum)
plt.xlabel('day')
plt.ylabel('tip')
plt.title('요일별 팁 합계', size=15)
plt.show()

 

 

 

 

3.2 seaborn으로 그리기¶

• estimator = 통계함수

 

 

4. 요일별 팁 합계를 흡연여부로 비교¶

• hue : y를 그룹핑할 컬럼

 

 

• hue 색상 변경 : palette = 구분:색상 딕셔너리

 

 

• pyplot의 메소드로 그리드 추가

 

In [14]:

sns.barplot(data=tips, x='day', y='tip', ci=None, estimator=sum, hue='smoker'
           , palette ={'Yes':'gray', 'No':'skyblue'})
plt.title('요일별 팁 합계', size=15)
plt.grid(axis='y', ls=':')
plt.show()

 

 

 

---

[84차시] 데이터의 관계파악을 위한 scatterplot

 

 

 

 

 

[학습목표]
seaborn으로 산점도를 그릴 수 있다.

 

In [1]:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

 

In [2]:

plt.rcParams['font.family']='Malgun Gothic'
plt.rcParams['axes.unicode_minus']='False'

 

 

1. 샘플데이터¶

 

In [3]:

tips = sns.load_dataset('tips')

 

In [4]:

tips.head()

 

Out[4]:

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

 

 

2. total_bill과 tip의 관계¶

 

 

2.1 멧플롯립으로 그리기¶

plt.scatter(x,y)

 

In [5]:

plt.scatter(tips['total_bill'], tips['tip'])
plt.show()

 

 

 

 

2.2 요일 구분¶

 

 

• total_bill에 따른 tip의 분포 - 색상으로 요일 표시
  'Sun':'red'
  'Sat':'blue'
  'Thur':'green'
  'Fri':'yello'

 

In [6]:

tips['day'].unique()

 

Out[6]:

['Sun', 'Sat', 'Thur', 'Fri']
Categories (4, object): ['Thur', 'Fri', 'Sat', 'Sun']

 

 

2.2.1 요일별 서브셋 만들기¶

 

In [9]:

tips_Sun = tips[tips['day']=='Sun']

 

In [10]:

tips_Sat = tips[tips['day']=='Sat']

 

In [11]:

tips_Fri = tips[tips['day']=='Fri']

 

In [12]:

tips_Thur = tips[tips['day']=='Thur']

 

 

2.2.2 시각화하기¶

 

In [18]:

plt.scatter(tips_Sun['total_bill'], tips_Sun['tip'], label='Sun', s = tips_Sun['size']*30, alpha=0.5)
plt.scatter(tips_Sat['total_bill'], tips_Sat['tip'], label='Sat', s = tips_Sat['size']*30, alpha=0.5)
plt.scatter(tips_Fri['total_bill'], tips_Fri['tip'], label='Fri', s = tips_Fri['size']*30, alpha=0.5)
plt.scatter(tips_Thur['total_bill'], tips_Thur['tip'], label='Thur', s = tips_Thur['size']*30, alpha=0.5)
#요일별로 색깔이 다르게 나타남
plt.legend()
plt.xlabel('total_bill')
plt.ylabel('tip')
plt.show()

 

 

 

 

 

2.3 seaborn으로 그리기¶

• `sns.scatterplot(data=데이터프레임, x=x축컬럼, y=y축컬럼)`

 

In [23]:

sns.scatterplot(data=tips, x='total_bill', y='tip', hue='day', size='size', alpha=0.5)
plt.show()

 

 

---

[85차시]데이터의 추세를 표현하는 lineplot

 

 

 

 

 

[학습목표]
Seaborn으로 선그래프를 그릴 수 있다.

 

In [1]:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

 

In [2]:

plt.rcParams['font.family']='Malgun Gothic'
plt.rcParams['axes.unicode_minus']=False

 

 

1. 샘플데이터¶

 

In [3]:

flights = sns.load_dataset('flights')
flights.head()

 

Out[3]:

	year	month	passengers
0	1949	Jan	112
1	1949	Feb	118
2	1949	Mar	132
3	1949	Apr	129
4	1949	May	121

 

 

💡연도별/월별 승객수를 나타내는 데이터이다.

 

In [4]:

flights.tail()

 

Out[4]:

	year	month	passengers
139	1960	Aug	606
140	1960	Sep	508
141	1960	Oct	461
142	1960	Nov	390
143	1960	Dec	432

 

In [5]:

flights.shape

 

Out[5]:

(144, 3)

 

In [6]:

# 연도별 데이터 수
flights['year'].value_counts()

 

Out[6]:

1949    12
1950    12
1951    12
1952    12
1953    12
1954    12
1955    12
1956    12
1957    12
1958    12
1959    12
1960    12
Name: year, dtype: int64

 

In [7]:

# 월별 데이터 수
flights['month'].value_counts()

 

Out[7]:

Jan    12
Feb    12
Mar    12
Apr    12
May    12
Jun    12
Jul    12
Aug    12
Sep    12
Oct    12
Nov    12
Dec    12
Name: month, dtype: int64

 

 

2. 연도별 승객수의 변화¶

 

 

2.1 matplotlib으로 시각화¶

• plt.plot(x,y)

 

 

2.1.1 데이터 가공¶

 

In [8]:

flights_year = flights.groupby('year')['passengers'].sum()
flights_year

 

Out[8]:

year
1949    1520
1950    1676
1951    2042
1952    2364
1953    2700
1954    2867
1955    3408
1956    3939
1957    4421
1958    4572
1959    5140
1960    5714
Name: passengers, dtype: int64

 

 

2.1.2 시각화¶

 

In [9]:

plt.plot(flights_year, 'ro--')
plt.xlabel('year')
plt.ylabel('passengers')
plt.show()

 

 

 

 

2.2 seaborn¶

• sns.lineplot(data=데이터프레임, x=x축컬럼, y=y축컬럼, estimator=통계함수)
  estimator를 생략하면 평균으로 통계를 적용함

 

 

• 전체 데이터로 차트를 그리면 신뢰구간 표시

 

In [10]:

sns.lineplot(data=flights, x='year', y='passengers', ci=None, estimator=sum, color='r', marker='p', ls=':')
plt.show()

 

 

 

 

3. 연도-월별 승객수의 변화¶

 

 

3.1 matplotlib으로 시각화¶

 

 

3.1.1 데이터 가공¶

 

In [11]:

flights_pivot = flights.pivot(index='year', columns='month', values='passengers')
flights_pivot

 

Out[11]:

month	Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
year
1949	112	118	132	129	121	135	148	148	136	119	104	118
1950	115	126	141	135	125	149	170	170	158	133	114	140
1951	145	150	178	163	172	178	199	199	184	162	146	166
1952	171	180	193	181	183	218	230	242	209	191	172	194
1953	196	196	236	235	229	243	264	272	237	211	180	201
1954	204	188	235	227	234	264	302	293	259	229	203	229
1955	242	233	267	269	270	315	364	347	312	274	237	278
1956	284	277	317	313	318	374	413	405	355	306	271	306
1957	315	301	356	348	355	422	465	467	404	347	305	336
1958	340	318	362	348	363	435	491	505	404	359	310	337
1959	360	342	406	396	420	472	548	559	463	407	362	405
1960	417	391	419	461	472	535	622	606	508	461	390	432

 

 

💡각 연도별 데이터를 행으로 불러올 수 있게 되었다.

 

 

3.1.2 시각화¶

 

In [13]:

for i in range(12):
    plt.plot(flights_pivot.iloc[i], label=flights_pivot.index[i])

plt.legend()
plt.show()

 

 

 

 

💡매년 7-8월에 승객수가 가장 많다.

 

 

3.2 seaborn으로 시각화¶

 

In [16]:

sns.lineplot(data=flights, x='month', y='passengers', ci=None, hue='year')

 

Out[16]:

<AxesSubplot:xlabel='month', ylabel='passengers'>

 

 

 

💡seaborn으로 matplotlib에 비해 간단하게 시각화가 가능하다.

---

[86차시]데이터의 분포를 나타내는 여러가지 그래프

 

 

 

[학습목표]
seaborn으로 데이터의 분포를 나타내는 여러가지 그래프를 그릴 수 있다.

 

In [1]:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

 

In [2]:

plt.rcParams['font.family']='Malgun Gothic'
plt.rcParams['axes.unicode_minus']=False

 

 

1. 카운트플롯¶

• 데이터를 그룹핑하여 갯수를 카운트하여 시각화
• sns.countplot(data=데이터프레임, x=컬럼)

 

In [3]:

titanic = sns.load_dataset('titanic')
titanic.head()

 

Out[3]:

	survived	pclass	sex	age	sibsp	parch	fare	embarked	class	who	adult_male	deck	embark_town	alive	alone
0	0	3	male	22.0	1	0	7.2500	S	Third	man	True	NaN	Southampton	no	False
1	1	1	female	38.0	1	0	71.2833	C	First	woman	False	C	Cherbourg	yes	False
2	1	3	female	26.0	0	0	7.9250	S	Third	woman	False	NaN	Southampton	yes	True
3	1	1	female	35.0	1	0	53.1000	S	First	woman	False	C	Southampton	yes	False
4	0	3	male	35.0	0	0	8.0500	S	Third	man	True	NaN	Southampton	no	True

 

In [8]:

# 연령별 승선인원 카운트하여 시각화
plt.figure(figsize=(15, 4))
sns.countplot(data=titanic, x='age')
plt.xticks(rotation=90)
plt.grid(axis='y')
plt.show()

 

 

 

 

💡24세가 가장 많이 탑승한 것을 알 수 있다.
💡소수점으로 되어있는 이상한 나이가 존재한다.

 

In [12]:

# 1. 남자/여자/어린이 승선인원 시각화
#sns.countplot(data=titanic, x='who')

# 2. 남자/여자/어린이 별 생존여부 
sns.countplot(data=titanic, x='who', hue='alive')
plt.show()

 

 

 

 

💡남성 탑승객의 수가 많다.
💡남성 탑승객의 대부분은 생존하지 못했다.

 

 

2. 러그플롯¶

• sns.rugplot(data=데이터프레임, x=컬럼)
  데이터의 위치를 보여준다.

 

In [15]:

sns.rugplot(data=titanic, x='age', hue='alive')
plt.show()

 

 

 

 

3. 히스토그램¶

• sns.displot(data=데이터프레임, x=컬럼)
  데이터의 분포를 알려준다.

 

In [16]:

iris = sns.load_dataset('iris')
iris.head(1)

 

Out[16]:

	sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa

 

In [22]:

sns.displot(data=iris, x='petal_length', bins=20, rug=True, hue='species', kde=True)
plt.show()

 

 

 

In [24]:

sns.displot(data=iris, x='petal_length', rug=True, hue='species', kind='kde')
plt.show()

 

 

 

 

💡막대그래프없이 곡선으로만 분포를 확인할 수 있다.

 

 

4. 상자수염그래프, 바이올린플롯, 스트립플롯, 스웜플롯¶

• sns.boxplot(data=데이터프레임)
• sns.violinplot(data=데이터프레임)
• sns.stripplot(data=데이터프레임)
• sns.swarmplot(data=데이터프레임)

 

In [31]:

plt.figure(figsize=(12,8))
plt.subplot(221)
sns.boxplot(data=iris)

plt.subplot(222)
sns.violinplot(data=iris)

plt.subplot(223)
sns.stripplot(data=iris)

plt.subplot(224)
sns.swarmplot(data=iris, s=2)

plt.show()

 

 

 

In [37]:

plt.figure(figsize=(12,8))
plt.subplot(221)
# 박스플롯
sns.boxplot(data=iris, x='species', y='sepal_length')
plt.subplot(222)
# 바이올린플롯
sns.violinplot(data=iris, x='species', y='sepal_length')
plt.subplot(223)
# 스트립플롯
sns.stripplot(data=iris, x='species', y='sepal_length')
plt.subplot(224)
# 스웜플롯
sns.swarmplot(data=iris, x='species', y='sepal_length', s=2)
plt.show()

 

 

 

 

💡품종별 sepal_length을 확인할 수 있다.

 

 

➕) 러그 플롯은 처음 들어봤는데 무슨 용도인지 잘 이해가 가지 않아서 조금 더 알아보았다.

러그 플롯(rug plot)이란, xy 평면에서 x축 방향, y축 방향 두 개의 1차원 주변 분포를 나타내어 2차원 도표를 보완하도록 설계된 컴팩트한 시각화 방법입니다. 러그 플롯은 개별 사례를 표시하므로 작은 규모의 데이터 세트에 적합합니다.

 

[R] ggplot(), geom_rug() : 러그 플롯(rug plot) 그리기, 그래프에 두 변수의 marginal distribution 시각화하기

---

[87차시]전국 기온 데이터 수집

csv파일 다운로드 후 바로 파일명을 변경해주는 것이 좋다.

[88차시]전국 기온 데이터 확인

[89차시]서울시 연간 기온변화 분석 및 시각화

[90차시]서울시 연간 평균기온,최저기온,최고기온 변화 시각화

[91차시]서울시 연간 평균기온,최고기온,최저기온 한눈에보기

 

 

 

[학습목표]
기상자료개방포털에서 데이터를 수집하여 전처리하고, 서울시 연간 기온 변화를 분석하고 시각화할 수 있다.

 

 

1. 전국 기온 데이터 수집¶

 

 

• 기상자료개방포털
  https://data.kma.go.kr
  
  
• 기상자료개방포털 > 데이터 > 기상관측 > 지상 > 종관기상관측(ASOS)
  https://data.kma.go.kr/data/grnd/selectAsosRltmList.do?pgmNo=36
  회원가입/로그인 필요
  [ 자료형태 ] 일자료
  [ 지점 ] 전체
  [ 자료 ] 기온>최저,최고,평균
  [ 기간 ] 1911~2020 (10년단위로 나누어 다운로드)

 

 

2. 전국 기온 데이터 확인¶

• 데이터프레임 생성하고 데이터 살펴보기

 

In [2]:

import pandas as pd
import matplotlib.pyplot as plt

 

In [3]:

# 그래프에 한글 설정
plt.rcParams['font.family']='Malgun Gothic'

# 그래프에 마이너스 기호 깨지는 문제 해결
plt.rcParams['axes.unicode_minus'] = False

 

 

2.1 데이터프레임 생성¶

• 데이터 파일(csv)을 data폴더에 업로드한다.
• pd.read_csv(파일경로, encoding ='cp949')

 

In [8]:

df_1911 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/1911-1920 일별 기온.csv', encoding='cp949')
df_1921 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/1921-1930 일별 기온.csv', encoding='cp949')
df_1931 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/1931-1940 일별 기온.csv', encoding='cp949')
df_1941 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/1941-1950 일별 기온.csv', encoding='cp949')
df_1951 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/1951-1960 일별 기온.csv', encoding='cp949')
df_1961 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/1961-1970 일별 기온.csv', encoding='cp949')
df_1971 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/1971-1980 일별 기온.csv', encoding='cp949')
df_1981 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/1981-1990 일별 기온.csv', encoding='cp949')
df_1991 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/1991-2000 일별 기온.csv', encoding='cp949')
df_2001 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/2001-2010 일별 기온.csv', encoding='cp949')
df_2011 = pd.read_csv('C:/스타터스 교육생공유용/파이썬 교재 및 실습자료/파이썬 데이터 시각화 데이터/data/2011-2020 일별 기온.csv', encoding='cp949')

 

 

2.2 데이터프레임 연결하기¶

• pd.concat(데이터프레임리스트, axis=0) : 행 방향으로 연결(default)
• pd.concat(데이터프레임리스트, axis=1) : 열 방향으로 연결
• ignore_index=True : 인덱스 제지정 [df_1911,df_1921,df_1931,df_1941,df_1951,df_1961,df_1971,df_1981,df_1991,df_2001,df_2011]

 

In [13]:

df = pd.concat([df_1911,df_1921,df_1931,df_1941,df_1951,df_1961,df_1971,df_1981,df_1991,df_2001,df_2011],
         ignore_index = True)

 

 

💡인덱스가 중복되어있다.

 

 

2.3 데이터타입 확인/변경¶

 

 

2.3.1 데이터타입 확인¶

• 데이터프레임.dtypes

 

In [14]:

# 데이터타입 확인
df.dtypes

 

Out[14]:

지점            int64
지점명          object
일시           object
평균기온(°C)    float64
최저기온(°C)    float64
최고기온(°C)    float64
dtype: object

 

 

2.3.2 데이터타입 변경¶

• pd.to_datetime(컬럼) : datetime형으로 변경

 

In [15]:

# '일시' 컬럼을 datetime형으로 변경
df['일시'] = pd.to_datetime(df['일시'])

 

In [16]:

# 변경 확인
df.dtypes

 

Out[16]:

지점                   int64
지점명                 object
일시          datetime64[ns]
평균기온(°C)           float64
최저기온(°C)           float64
최고기온(°C)           float64
dtype: object

 

 

2.4 데이터 크기 확인¶

• 데이터프레임.shape

 

In [17]:

df.shape

 

Out[17]:

(1596835, 6)

 

 

2.5 데이터 정보 확인¶

• 데이터프레임.info()

 

In [18]:

df.info()

 

 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1596835 entries, 0 to 1596834
Data columns (total 6 columns):
 #   Column    Non-Null Count    Dtype         
---  ------    --------------    -----         
 0   지점        1596835 non-null  int64         
 1   지점명       1596835 non-null  object        
 2   일시        1596835 non-null  datetime64[ns]
 3   평균기온(°C)  1594136 non-null  float64       
 4   최저기온(°C)  1596638 non-null  float64       
 5   최고기온(°C)  1596667 non-null  float64       
dtypes: datetime64[ns](1), float64(3), int64(1), object(1)
memory usage: 73.1+ MB

 

 

💡RangeIndex: 0부터 1씩 증가하는 인덱스

 

 

2.6 데이터 내용 확인¶

 

 

2.6.1 지점명, 지점명의 개수 확인¶

• 컬럼.unique() : 컬럼의 중복을 배제한 값 목록
• 컬럼.nunique() : 컬럼의 중복을 배제한 값 개수

 

In [19]:

# 지점명 확인
df['지점명'].unique()

 

Out[19]:

array(['강릉', '서울', '인천', '대구', '전주', '부산', '목포', '제주', '울릉도', '추풍령', '광주',
       '포항', '울산', '여수', '속초', '춘천', '수원', '서산', '청주', '대전', '군산', '통영',
       '서귀포', '진주', '임실', '정읍', '대관령', '원주', '충주', '울진', '안동', '완도', '성산',
       '강화', '양평', '이천', '인제', '홍천', '삼척', '제천', '보은', '천안', '보령', '부여',
       '금산', '부안', '남원', '고창군', '주암', '장흥', '해남', '고흥', '성산포', '영주', '문경',
       '영덕', '의성', '구미', '영천', '거창', '합천', '밀양', '산청', '거제', '남해', '철원',
       '관악산', '창원', '고산', '태백', '장수', '봉화', '동두천', '백령도', '동해', '영월',
       '무안', '흑산도', '파주', '북강릉', '상주', '고창', '진도(첨찰산)', '정선군', '영광군',
       '김해시', '순창군', '북창원', '양산시', '보성군', '강진군', '의령군', '함양군', '청송군',
       '경주시', '북춘천', '순천', '대구(기)', '홍성', '세종', '광양시', '진도군'],
      dtype=object)

 

In [20]:

# 지점명  개수 확인
df['지점명'].nunique()

 

Out[20]:

102

 

 

2.6.2 연도의 개수 확인¶

• datetime에서 연도, 월, 일 가져오기
  컬럼.dt.year 컬럼.dt.month 컬럼.dt.day

 

In [24]:

# 연도 개수 확인
df['일시'].dt.year.nunique()

 

Out[24]:

110

 

 

2.6.3 연도별 데이터 개수 확인¶

 

In [25]:

df['일시'].dt.year.value_counts()

 

Out[25]:

2020    34767
2019    34738
2018    34673
2017    34668
2016    34496
        ...  
1917     2190
1915     2190
1914     2190
1913     2190
1911     1836
Name: 일시, Length: 110, dtype: int64

 

 

💡과거에는 데이터가 많이 수집되어있지 않다.

 

 

2.6.4 지점별 데이터 개수 확인¶

 

In [27]:

df['지점명'].value_counts()

 

Out[27]:

대구       40148
부산       40148
목포       40148
인천       39660
강릉       39479
         ...  
진도군       2423
홍성        1885
북춘천       1553
대구(기)      619
세종         581
Name: 지점명, Length: 102, dtype: int64

 

 

서울시 기온 데이터 추출 및 확인¶

 

 

서울시 데이터만 추출하여 서브셋 생성¶

• 조건으로 데이터를 추출하여 서브셋을 만들 때, copy본으로 만드는 것을 권장. : .copy()

 

In [32]:

df_seoul = df[df['지점명']=='서울'].copy()
df_seoul

 

Out[32]:

	지점	지점명	일시	평균기온(°C)	최저기온(°C)	최고기온(°C)
3299	108	서울	1911-01-01	-10.1	-14.2	-6.5
3300	108	서울	1911-01-02	-12.5	-19.7	-5.9
3301	108	서울	1911-01-03	-4.3	-10.2	-1.4
3302	108	서울	1911-01-04	0.8	-2.6	2.2
3303	108	서울	1911-01-05	-3.9	-8.7	1.7
...	...	...	...	...	...	...
1295576	108	서울	2020-12-27	5.8	1.4	10.0
1295577	108	서울	2020-12-28	6.7	4.2	11.4
1295578	108	서울	2020-12-29	0.1	-6.2	4.3
1295579	108	서울	2020-12-30	-10.9	-12.9	-6.2
1295580	108	서울	2020-12-31	-8.9	-12.9	-5.0

38961 rows × 6 columns

 

 

결측치 분석¶

• 데이터프레임.isnull().sum()

 

In [34]:

# 결측치 확인
df_seoul.isnull().sum()

 

Out[34]:

지점          0
지점명         0
일시          0
평균기온(°C)    0
최저기온(°C)    2
최고기온(°C)    3
dtype: int64

 

In [38]:

# 결측치가 있는 데이터 보기
df_seoul[(df_seoul['최저기온(°C)'].isnull()) | (df_seoul['최고기온(°C)'].isnull())]

 

Out[38]:

	지점	지점명	일시	평균기온(°C)	최저기온(°C)	최고기온(°C)
181051	108	서울	1967-02-19	-1.7	NaN	NaN
254079	108	서울	1973-10-16	12.3	NaN	NaN
1294404	108	서울	2017-10-12	11.4	8.8	NaN

 

 

💡조건을 두가지 이상 적을 때는 각각의 조건에 소괄호를 해주어야 한다.

 

 

결측치 제거¶

• 데이터프레임.dropna() : 결측치가 포함된 행을 모두 제거

 

In [40]:

# 결측치 제거
df_seoul = df_seoul.dropna()

 

 

💡3개의 결측치가 제거되었다.

 

In [41]:

# 결측치 확인
df_seoul.isnull().sum()

 

Out[41]:

지점          0
지점명         0
일시          0
평균기온(°C)    0
최저기온(°C)    0
최고기온(°C)    0
dtype: int64

 

In [43]:

# 데이터프레임 크기
df.shape

 

Out[43]:

(1596835, 6)

 

 

연도별 데이터 개수 확인¶

 

In [46]:

# 연도별 데이터 개수 확인
df_seoul['일시'].dt.year.value_counts()

 

Out[46]:

2020    366
1964    366
1992    366
1988    366
1944    366
       ... 
1973    364
1967    364
1931    335
1950    243
1953     31
Name: 일시, Length: 108, dtype: int64

 

 

💡1953년은 한국전쟁시기이기 때문에 데이터가 적은 것으로 추측할 수 있다.
💡2개의 연도 데이터가 없다.

 

 

시각화로 데이터 확인¶

• 최저기온
• 평균기온
• 최고기온

 

In [50]:

plt.plot(df_seoul['일시'], df_seoul['평균기온(°C)'])
plt.plot(df_seoul['일시'], df_seoul['최저기온(°C)'])
plt.plot(df_seoul['일시'], df_seoul['최고기온(°C)'])
plt.show()

 

 

 

 

💡1950년대 초반의 데이터가 비어있다.

 

In [51]:

# 1951년 데이터 추출
df_seoul[df_seoul['일시'].dt.year == 1951]

 

Out[51]:

	지점	지점명	일시	평균기온(°C)	최저기온(°C)	최고기온(°C)

 

In [52]:

# 1952년 데이터 추출
df_seoul[df_seoul['일시'].dt.year == 1952]

 

Out[52]:

	지점	지점명	일시	평균기온(°C)	최저기온(°C)	최고기온(°C)

 

 

💡1951, 1952년의 데이터가 없는 것을 확인할 수 있다.

 

 

서울시 연간 평균기온, 최저기온, 최고기온 변화 시각화¶

 

 

서울시 연간 평균기온 변화¶

 

 

연간 평균기온 추출¶

• 연간 일 평균기온의 평균
  연도로 그룹화하여 연도별 평균기온 산출

 

In [55]:

df_seoul_mean = df_seoul.groupby(df_seoul['일시'].dt.year)['평균기온(°C)'].mean()
df_seoul_mean

 

Out[55]:

일시
1911    10.654795
1912    10.123770
1913    10.086027
1914    12.029041
1915    10.898356
          ...    
2016    13.592896
2017    13.077747
2018    13.002466
2019    13.598904
2020    13.271858
Name: 평균기온(°C), Length: 108, dtype: float64

 

In [59]:

# 시각화하여 데이터 확인
plt.figure(figsize=(15,5))
plt.plot(df_seoul_mean, '.')
plt.xticks(range(1911,2021,2), rotation=90)
plt.grid(ls=':')
plt.show()

 

 

 

 

💡1950년과 1953년에 평균기온에 이상치가 있다는 것을 확인하였다.

 

 

이상치 제거¶

 

In [62]:

df_seoul_mean.drop(index=[1950, 1953], inplace=True)

 

 

시각화¶

 

In [66]:

plt.plot(df_seoul_mean, 'g.-')
plt.title('서울시 연 평균기온의 변화', size=15)
plt.show()

 

 

 

 

💡서울시 연 평균기온은 점점 상승하고 있다는 것을 알 수 있다.

 

 

서울시 연간 최저기온 변화¶

 

 

서울시 연간 최저기온 추출¶

• 연간 일 최저기온의 최저
  연도로 그룹핑하여 최저기온의 최소값 추출

 

In [70]:

df_seoul_min = df_seoul.groupby(df_seoul['일시'].dt.year)['최저기온(°C)'].min()
df_seoul_min

 

Out[70]:

일시
1911   -21.5
1912   -18.6
1913   -19.6
1914   -14.0
1915   -21.3
        ... 
2016   -18.0
2017   -12.6
2018   -17.8
2019   -10.9
2020   -12.9
Name: 최저기온(°C), Length: 108, dtype: float64

 

 

시각화¶

 

In [72]:

plt.plot(df_seoul_min, 'b.-')
plt.title('서울시 연 최저기온의 변화', size=15)
plt.show()

 

 

 

 

💡서울시의 연 최저기온 또한 상승하고 있는 추세임을 알 수 있다.

 

 

서울시 연간 최고기온 변화¶

 

 

서울시 연간 최고기온 추출¶

• 연간 최고기온의 최고
  연도로 그룹핑하여 최고기온의 최대값 추출

 

In [75]:

df_seoul_max = df_seoul.groupby(df_seoul['일시'].dt.year)['최고기온(°C)'].max()
df_seoul_max

 

Out[75]:

일시
1911    34.5
1912    34.0
1913    31.7
1914    35.6
1915    34.8
        ... 
2016    36.6
2017    35.4
2018    39.6
2019    36.8
2020    35.4
Name: 최고기온(°C), Length: 108, dtype: float64

 

 

1950, 1953년 데이터 제거¶

 

In [76]:

df_seoul_max.drop(index=[1950,1953], inplace=True)

 

 

시각화¶

 

In [78]:

plt.plot(df_seoul_max, 'r.-')
plt.title('서울시 연 최고기온의 변화', size=15)
plt.show()

 

 

 

 

💡올랐다가 내렸다가 다시 오르는 곡선 형태를 띄고있다.
💡그래프를 통해 110년 동안의 기온 변화를 한눈에 볼 수 있다.

 

 

서울시 연간 평균기온, 최저기온, 최고기온 비교¶

 

 

서브플롯으로 각 그래프의 추세 비교¶

 

In [91]:

fig = plt.figure(figsize=(15,5), facecolor='snow')

plt.subplot(131)
plt.plot(df_seoul_mean, 'g.-')
plt.title('서울시 연 평균기온 변화', size=15)
plt.xlabel('연도')
plt.ylabel('평균기온')
plt.grid(ls=':')

plt.subplot(132)
plt.plot(df_seoul_min, 'b.-')
plt.title('서울시 연 최저기온 변화', size=15)
plt.xlabel('연도')
plt.ylabel('최저기온')
plt.grid(ls=':')

plt.subplot(133)
plt.plot(df_seoul_max, 'r.-')
plt.title('서울시 연 최고기온 변화', size=15)
plt.xlabel('연도')
plt.ylabel('최고기온')
plt.grid(ls=':')

fig.suptitle('서울시 기온 변화', size=20, fontweight='bold')
fig.tight_layout()
plt.show()

 

 

 

 

평균, 최저, 최고기온의 변동 폭 비교¶

 

In [101]:

# 세 개의 플롯을 하나의 axes에 그리기
plt.figure(figsize=(15,7))

plt.plot(df_seoul_mean, 'g.-', label='평균기온')
plt.plot(df_seoul_min, 'b.-', label='최저기온')
plt.plot(df_seoul_max, 'r.-', label='최고기온')
plt.legend(loc=(0,1.01), ncol=3, fontsize=12, edgecolor='k')
plt.title('서울시 기온 변화', size=20, pad=30)

plt.xticks(range(1910,2021,5))
plt.yticks(range(-25,42,5))
plt.grid(ls=':')

# 수평선 ( 각 플롯의 최대, 최소값의 위치에 수평선 그리기 )
plt.axhline(df_seoul_mean.min(), color='gray', ls='--')
plt.axhline(df_seoul_mean.max(), color='gray', ls='--')
plt.axhline(df_seoul_min.min(), color='gray', ls='--')
plt.axhline(df_seoul_min.max(), color='gray', ls='--')
plt.axhline(df_seoul_max.min(), color='gray', ls='--')
plt.axhline(df_seoul_max.max(), color='gray', ls='--')


plt.show()

 

 

 

 

---

[92차시]데이터 추출 및 전처리

[93차시]지점별 연 평균기온 시각화

[94차시]지점별 연 최저기온,최고기온 시각화

[95차시]지점별 기온분포 시각화

In [35]:

import matplotlib.pyplot as plt
import pandas as pd

In [36]:

plt.rcParams['font.family']='Malgun Gothic'
plt.rcParams['axes.unicode_minus']=False

데이터 준비 및 확인¶

• 기상자료개방포털 > 데이터 > 기상관측 > 지상 > 종관기상관측(ASOS)
  https://data.kma.go.kr/data/grnd/selectAsosRltmList.do?pgmNo=36
  [ 자료형태 ] 일자료
  [ 지점 ] 전체
  [ 자료 ] 기온>최저,최고,평균
  [ 기간 ] 1911~2020 (10년단위로 나누어 다운로드)

데이터프레임 생성¶

In [3]:

df_1911 = pd.read_csv('data/1911-1920 일별 기온.csv', encoding='cp949')
df_1921 = pd.read_csv('data/1921-1930 일별 기온.csv', encoding='cp949')
df_1931 = pd.read_csv('data/1931-1940 일별 기온.csv', encoding='cp949')
df_1941 = pd.read_csv('data/1941-1950 일별 기온.csv', encoding='cp949')
df_1951 = pd.read_csv('data/1951-1960 일별 기온.csv', encoding='cp949')
df_1961 = pd.read_csv('data/1961-1970 일별 기온.csv', encoding='cp949')
df_1971 = pd.read_csv('data/1971-1980 일별 기온.csv', encoding='cp949')
df_1981 = pd.read_csv('data/1981-1990 일별 기온.csv', encoding='cp949')
df_1991 = pd.read_csv('data/1991-2000 일별 기온.csv', encoding='cp949')
df_2001 = pd.read_csv('data/2001-2010 일별 기온.csv', encoding='cp949')
df_2011 = pd.read_csv('data/2011-2020 일별 기온.csv', encoding='cp949')

In [ ]:

df = pd.read_csv('C:/code/data/1911-1920 일별 기온.csv, encoding = 'cp949')
for i in range(1921, 2021, 10) : 
    df1 = pd.read_csv(f'C:/code/data/{i}-{i + 9} 일별 기온.csv', encoding = 'cp949')
    df = pd.concat([df, df1], axis = 0)

df.to_csv('1911-2020 일별 기온.csv', encoding = 'cp949')

In [4]:

# 데이터프레임 연결하기
df = pd.concat([df_1911,df_1921,df_1931,df_1941,df_1951,df_1961,df_1971,df_1981,df_1991,df_2001,df_2011]
              ,ignore_index=True)

데이터 확인¶

In [5]:

df.shape

Out[5]:

(1596835, 6)

In [6]:

df['지점명'].unique()

Out[6]:

array(['강릉', '서울', '인천', '대구', '전주', '부산', '목포', '제주', '울릉도', '추풍령', '광주',
       '포항', '울산', '여수', '속초', '춘천', '수원', '서산', '청주', '대전', '군산', '통영',
       '서귀포', '진주', '임실', '정읍', '대관령', '원주', '충주', '울진', '안동', '완도', '성산',
       '강화', '양평', '이천', '인제', '홍천', '삼척', '제천', '보은', '천안', '보령', '부여',
       '금산', '부안', '남원', '고창군', '주암', '장흥', '해남', '고흥', '성산포', '영주', '문경',
       '영덕', '의성', '구미', '영천', '거창', '합천', '밀양', '산청', '거제', '남해', '철원',
       '관악산', '창원', '고산', '태백', '장수', '봉화', '동두천', '백령도', '동해', '영월',
       '무안', '흑산도', '파주', '북강릉', '상주', '고창', '진도(첨찰산)', '정선군', '영광군',
       '김해시', '순창군', '북창원', '양산시', '보성군', '강진군', '의령군', '함양군', '청송군',
       '경주시', '북춘천', '순천', '대구(기)', '홍성', '세종', '광양시', '진도군'],
      dtype=object)

In [7]:

df['지점명'].nunique()

Out[7]:

102

데이터타입 확인/변경¶

In [8]:

df.dtypes

Out[8]:

지점            int64
지점명          object
일시           object
평균기온(°C)    float64
최저기온(°C)    float64
최고기온(°C)    float64
dtype: object

In [9]:

df['일시'] = pd.to_datetime(df['일시'])

In [10]:

df.dtypes

Out[10]:

지점                   int64
지점명                 object
일시          datetime64[ns]
평균기온(°C)           float64
최저기온(°C)           float64
최고기온(°C)           float64
dtype: object

2020년 지점별 기온 데이터 추출 및 전처리¶

2020년 기온 데이터 추출하여 서브셋 만들기¶

• 조건으로 데이터를 추출한다.
• 필요한 컬럼을 추출한다.
• .copy()를 사용하여 카피본으로 서브셋을 만든다.

In [11]:

# 서브셋 만들기
df_2020 = df[df['일시'].dt.year==2020].copy()
df_2020

Out[11]:

	지점	지점명	일시	평균기온(°C)	최저기온(°C)	최고기온(°C)
1257132	90	속초	2020-01-01	0.8	-3.4	4.8
1257133	90	속초	2020-01-02	2.8	-2.1	6.6
1257134	90	속초	2020-01-03	4.7	0.8	8.5
1257135	90	속초	2020-01-04	4.0	1.1	8.1
1257136	90	속초	2020-01-05	3.1	-0.6	8.8
...	...	...	...	...	...	...
1596830	295	남해	2020-12-27	4.4	2.5	6.0
1596831	295	남해	2020-12-28	4.7	1.1	11.5
1596832	295	남해	2020-12-29	5.4	1.0	11.2
1596833	295	남해	2020-12-30	-3.0	-5.4	1.6
1596834	295	남해	2020-12-31	-1.3	-7.4	2.8

34767 rows × 6 columns

In [12]:

# 지점별 데이터 개수 카운트
df_2020['지점명'].value_counts()

Out[12]:

속초     366
세종     366
순창군    366
김해시    366
영광군    366
      ... 
군산     366
포항     366
남해     366
북창원    365
진도군    364
Name: 지점명, Length: 95, dtype: int64

결측치 확인¶

In [13]:

# 컬럼별 결측치 개수 확인
df_2020.isnull().sum()

Out[13]:

지점           0
지점명          0
일시           0
평균기온(°C)    36
최저기온(°C)     0
최고기온(°C)     1
dtype: int64

In [14]:

# 결측치 데이터 확인
df_2020[(df_2020['평균기온(°C)'].isnull()) | (df_2020['최고기온(°C)'].isnull())]

Out[14]:

	지점	지점명	일시	평균기온(°C)	최저기온(°C)	최고기온(°C)
1324672	130	울진	2020-08-23	NaN	22.1	27.9
1335657	135	추풍령	2020-09-18	NaN	13.8	23.7
1335664	135	추풍령	2020-09-25	NaN	11.6	23.6
1350113	140	군산	2020-04-15	NaN	4.7	17.0
1350343	140	군산	2020-12-01	NaN	-1.5	8.4
1394163	172	고창	2020-11-19	NaN	11.5	22.2
1397420	174	순천	2020-01-18	NaN	-1.7	4.1
1435973	211	인제	2020-02-20	NaN	-2.7	9.8
1446909	217	정선군	2020-01-30	NaN	-1.2	6.1
1461703	235	보령	2020-07-30	NaN	22.9	26.3
1477035	244	임실	2020-12-16	NaN	-8.7	-3.2
1480541	245	정읍	2020-07-22	NaN	20.6	23.8
1483995	247	남원	2020-01-05	NaN	-6.2	9.1
1484013	247	남원	2020-01-23	NaN	2.6	8.7
1484035	247	남원	2020-02-14	NaN	2.0	18.3
1505954	255	북창원	2020-02-17	NaN	-2.8	2.9
1510142	257	양산시	2020-02-13	NaN	6.5	14.0
1524884	261	해남	2020-06-25	NaN	21.4	22.1
1524885	261	해남	2020-06-26	NaN	18.8	28.4
1532071	263	의령군	2020-02-27	NaN	5.5	10.7
1532072	263	의령군	2020-02-28	NaN	4.0	7.1
1532244	263	의령군	2020-08-18	NaN	23.5	31.6
1532355	263	의령군	2020-12-07	NaN	-3.7	12.6
1532372	263	의령군	2020-12-24	NaN	-1.9	13.9
1535781	264	함양군	2020-04-25	NaN	1.3	23.5
1535783	264	함양군	2020-04-27	NaN	1.6	19.0
1535784	264	함양군	2020-04-28	NaN	1.5	21.0
1539616	266	광양시	2020-12-26	NaN	4.3	11.0
1541863	268	진도군	2020-07-03	NaN	19.0	21.4
1549336	272	영주	2020-12-18	NaN	-9.3	1.1
1556618	276	청송군	2020-11-26	NaN	-2.7	NaN
1560289	277	영덕	2020-12-15	NaN	-8.9	-1.3
1563804	278	의성	2020-07-30	NaN	21.5	25.1
1567564	279	구미	2020-11-14	NaN	2.8	18.6
1570960	281	영천	2020-03-02	NaN	0.5	11.3
1592911	294	거제	2020-04-05	NaN	4.6	14.5

In [15]:

# 결측치가 있는 데이터의 지점별 카운팅
df_2020[(df_2020['평균기온(°C)'].isnull()) | (df_2020['최고기온(°C)'].isnull())].value_counts('지점명')

Out[15]:

지점명
의령군    5
함양군    3
남원     3
해남     2
추풍령    2
군산     2
청송군    1
진도군    1
정읍     1
정선군    1
임실     1
인제     1
의성     1
거제     1
울진     1
고창     1
영주     1
영덕     1
양산시    1
순천     1
북창원    1
보령     1
구미     1
광양시    1
영천     1
dtype: int64

In [16]:

# 결측치 제거
df_2020.dropna(inplace=True)

In [17]:

# 결측치 잘 제거되었는지 확인
df_2020.isnull().sum()

Out[17]:

지점          0
지점명         0
일시          0
평균기온(°C)    0
최저기온(°C)    0
최고기온(°C)    0
dtype: int64

In [18]:

# 지점별 데이터 개수 확인
df_2020['지점명'].value_counts()

Out[18]:

속초     366
완도     366
금산     366
부여     366
천안     366
      ... 
군산     364
진도군    363
함양군    363
남원     363
의령군    361
Name: 지점명, Length: 95, dtype: int64

지점별 연평균 기온 시각화¶

• 연 평균기온이 높은 지역은 어디일까?
• 연 평균기온이 낮은 지역은 어디일까?
• 서울의 연 평균기온은 전국에서 어느정도 위치에 해당할까?

2020년도 지점별 연 평균기온 추출¶

• 지점별 연간 일 평균기온의 평균 계산
  지점명으로 그룹핑하여 일평균기온의 평균 계산

In [19]:

df_2020_mean = df_2020.groupby('지점명')['평균기온(°C)'].mean().sort_values(ascending=False)
df_2020_mean

Out[19]:

지점명
서귀포    16.770219
제주     16.744809
고산     16.076503
성산     15.981148
북창원    15.206593
         ...    
철원     10.976776
제천     10.973497
봉화     10.821038
태백      9.631421
대관령     7.787978
Name: 평균기온(°C), Length: 95, dtype: float64

시각화¶

In [20]:

# 지점별 연 평균기온
plt.figure(figsize=(20,5))
plt.bar(df_2020_mean.index, df_2020_mean.values, color='lightgreen')
plt.xticks(rotation=90)

# 최고, 평균, 최저 라인 표시
plt.axhline(df_2020_mean.max(), color='r', ls='--', 
            label='최고:'+str(round(df_2020_mean.max(),1)))
plt.axhline(df_2020_mean.min(), color='b', ls='--', 
            label='최저:'+str(round(df_2020_mean.min(),1)))
plt.axhline(df_2020_mean.mean(), color='g', ls='--', 
            label='평균:'+str(round(df_2020_mean.mean(),1)))
plt.legend(loc=(0,1.01), ncol=3, fontsize=12, edgecolor='k')

# 서울지역 표시
plt.bar('서울', df_2020_mean.loc['서울'], color='r')
plt.text('서울', df_2020_mean.loc['서울']+0.5, '서울('+str(round(df_2020_mean.loc['서울'],1))+')', 
         ha='center', fontsize=15)
plt.title('2020년 전국 지점별 연 평균기온', size=20, pad=30)

plt.show()

💡서귀포의 연 평균 기온이 가장 높고(16.8도), 대관령이 가장 낮다.(7.8도)
전국의 평균기온은 13.3도인데 서울은 이와 비슷하다.

지점별 연 최저기온, 최고기온 시각화¶

• 연 최저기온이 높은 지역은 어디일까? = 겨울이 따뜻하다
• 연 최저기온이 낮은 지역은 어디일까? = 겨울에 춥다
• 서울의 연 최저기온은 전국에서 어느정도 위치에 해당할까?

지점별 연 최저기온¶

지점별 연 최저기온 추출¶

In [21]:

# 지점명으로 그룹화하여 지점별 연 최저기온 추출
df_2020_cold = df_2020.groupby('지점명')['최저기온(°C)'].min().sort_values(ascending=False)
df_2020_cold

Out[21]:

지점명
제주     -1.4
고산     -1.4
서귀포    -2.1
성산     -2.8
흑산도    -3.3
       ... 
홍천    -18.2
북춘천   -18.5
철원    -18.8
제천    -20.3
대관령   -24.0
Name: 최저기온(°C), Length: 95, dtype: float64

시각화¶

In [22]:

# 지점별 연 최저기온
plt.figure(figsize=(20,5))
plt.bar(df_2020_cold.index, df_2020_cold.values, color='skyblue')
plt.xticks(rotation=90)
plt.title('2020년 지점별 연 최저기온', size=20, pad=30)

# 최저, 평균, 최고지점 표시
plt.axhline(df_2020_cold.max(), color='r', ls='--', label='최고'+str(df_2020_cold.max()))
plt.axhline(df_2020_cold.mean(), color='g', ls='--', label='평균'+str(round(df_2020_cold.mean(),1)))
plt.axhline(df_2020_cold.min(), color='b', ls='--', label='최저'+str(df_2020_cold.min()))
plt.legend(loc=(0,1.01), ncol=3, fontsize=12, edgecolor='k')

# 서울 표시
plt.bar('서울', df_2020_cold.loc['서울'],color='r')
plt.text('서울', df_2020_cold.loc['서울']-1.5, '서울('+str(df_2020_cold.loc['서울'])+')'
         , ha='center', fontsize=12)

plt.show()

💡겨울이 가장 따뜻한 곳은 제주도이고, 가장 추운 곳은 대관령이다
서울은 평균보다 약간 더 춥다.

지점별 연 최고기온¶

지점별 연 최고기온 추출¶

In [23]:

# 지점명으로 그룹화하여 지점별 연 최고기온 추출
df_2020_hot = df_2020.groupby('지점명')['최고기온(°C)'].max().sort_values(ascending=False)
df_2020_hot

Out[23]:

지점명
양산시    37.8
대구     37.0
경주시    36.9
포항     36.9
북창원    36.9
       ... 
여수     32.6
울릉도    32.0
대관령    31.6
서귀포    31.3
백령도    30.5
Name: 최고기온(°C), Length: 95, dtype: float64

시각화¶

In [24]:

# 지점별 연 최고기온
plt.figure(figsize=(20,5))
plt.bar(df_2020_hot.index, df_2020_hot.values, color='pink')
plt.xticks(rotation=90)
plt.title('2020년 지점별 연 최고기온', size=20, pad=30)

# 최저, 평균, 최고지점 표시
plt.axhline(df_2020_hot.max(), color='r', ls='--', label='최고'+str(df_2020_hot.max()))
plt.axhline(df_2020_hot.mean(), color='g', ls='--', label='평균'+str(round(df_2020_hot.mean(),1)))
plt.axhline(df_2020_hot.min(), color='b', ls='--', label='최저'+str(df_2020_hot.min()))
plt.legend(loc=(0,1.01), ncol=3, fontsize=12, edgecolor='k')

# 서울 표시
plt.bar('서울', df_2020_hot.loc['서울'],color='r')
plt.text('서울', df_2020_hot.loc['서울']+0.5, '서울('+str(df_2020_hot.loc['서울'])+')'
         , ha='center', fontsize=12)

plt.show()

💡서울의 최고기온은 연 평균보다 조금 높다.

지점별 기온 분포 시각화 - 히스토그램¶

서귀포, 서울, 대관령 서브셋 만들기¶

In [25]:

# 서귀포 서브셋
df_2020_sgp = df_2020[df_2020['지점명']=='서귀포'].copy()
df_2020_sgp

Out[25]:

	지점	지점명	일시	평균기온(°C)	최저기온(°C)	최고기온(°C)
1417659	189	서귀포	2020-01-01	7.0	4.8	9.6
1417660	189	서귀포	2020-01-02	8.7	5.6	12.7
1417661	189	서귀포	2020-01-03	9.5	6.1	13.4
1417662	189	서귀포	2020-01-04	9.7	6.2	14.0
1417663	189	서귀포	2020-01-05	9.6	6.1	12.8
...	...	...	...	...	...	...
1418020	189	서귀포	2020-12-27	10.9	9.9	11.9
1418021	189	서귀포	2020-12-28	11.7	7.9	15.5
1418022	189	서귀포	2020-12-29	12.5	9.9	15.2
1418023	189	서귀포	2020-12-30	0.7	-2.1	10.0
1418024	189	서귀포	2020-12-31	1.8	-1.3	4.3

366 rows × 6 columns

In [26]:

# 서울 서브셋
df_2020_seoul = df_2020[df_2020['지점명']=='서울'].copy()
df_2020_seoul

Out[26]:

	지점	지점명	일시	평균기온(°C)	최저기온(°C)	최고기온(°C)
1295215	108	서울	2020-01-01	-2.2	-6.5	0.3
1295216	108	서울	2020-01-02	1.0	-0.7	3.8
1295217	108	서울	2020-01-03	-0.1	-3.4	4.6
1295218	108	서울	2020-01-04	1.2	-2.8	6.1
1295219	108	서울	2020-01-05	1.3	-3.2	6.6
...	...	...	...	...	...	...
1295576	108	서울	2020-12-27	5.8	1.4	10.0
1295577	108	서울	2020-12-28	6.7	4.2	11.4
1295578	108	서울	2020-12-29	0.1	-6.2	4.3
1295579	108	서울	2020-12-30	-10.9	-12.9	-6.2
1295580	108	서울	2020-12-31	-8.9	-12.9	-5.0

366 rows × 6 columns

In [27]:

# 대관령 서브셋
df_2020_dgr = df_2020[df_2020['지점명']=='대관령'].copy()
df_2020_dgr

Out[27]:

	지점	지점명	일시	평균기온(°C)	최저기온(°C)	최고기온(°C)
1273297	100	대관령	2020-01-01	-6.5	-11.5	-2.5
1273298	100	대관령	2020-01-02	-4.4	-9.0	-0.4
1273299	100	대관령	2020-01-03	-3.2	-7.4	2.5
1273300	100	대관령	2020-01-04	-4.2	-9.9	1.6
1273301	100	대관령	2020-01-05	-5.5	-14.2	4.6
...	...	...	...	...	...	...
1273658	100	대관령	2020-12-27	-1.1	-4.2	5.3
1273659	100	대관령	2020-12-28	1.0	-4.9	8.0
1273660	100	대관령	2020-12-29	-3.0	-8.0	4.5
1273661	100	대관령	2020-12-30	-14.2	-18.3	-5.4
1273662	100	대관령	2020-12-31	-14.5	-20.2	-8.5

366 rows × 6 columns

서귀포, 서울, 대관령 일 평균기온 히스토그램¶

💡plt.rcParams: 스타일 파라미터의 종류를 확인할 수 있다.

In [28]:

# 스타일 파라미터
plt.rcParams['hatch.color']='w'

# 서브플롯 만들기(plt.subplots()) & 축 통일
fig, ax = plt.subplots(1,3, figsize=(15,5), sharex=True, sharey=True)

# 서귀포 일평균기온 히스토그램
ax[0].hist(df_2020_sgp['평균기온(°C)'], rwidth=0.9, hatch='//')
ax[0].set_title('2020년 서귀포 일 평균기온 분포')
ax[0].set_xlabel('일 평균기온(°C)')
ax[0].set_ylabel('일수')

# 서울 일평균기온 히스토그램
ax[1].hist(df_2020_seoul['평균기온(°C)'], rwidth=0.9, hatch='--')
ax[1].set_title('2020년 서울 일 평균기온 분포')
ax[1].set_xlabel('일 평균기온(°C)')

# 대관령 일평균기온 히스토그램
ax[2].hist(df_2020_dgr['평균기온(°C)'], rwidth=0.9, hatch='xx')
ax[2].set_title('2020년 대관령 일 평균기온 분포')
ax[2].set_xlabel('일 평균기온(°C)')

# 0°C 수직선 표시
ax[0].axvline(0,color='k', ls='--')
ax[1].axvline(0,color='k', ls='--')
ax[2].axvline(0,color='k', ls='--')

plt.tight_layout()
plt.show()

💡서귀포는 일 평균기온이 영하 아래로 내려간적이 없다. 기온의 변동폭이 좁다.
💡서울은 25도 정도에 기온이 가장 많이 분포해있으며, 겨울에는 영하로 기온이 내려가기도 한다.
💡대관령은 영하 부근에 기온이 많이 분포해있으며, 대체로 기온이 낮다.

지점별 기온분포 시각화 - 박스플롯, 바이올린플롯¶

• 서귀포, 서울, 대관령 지점 2020년 평균기온 서브셋

In [34]:

# 서브플롯 그리기
fig = plt.figure(figsize=(15,5))
ax1 = fig.add_subplot(1,2,1)
ax2 = fig.add_subplot(1,2,2)

# 박스플롯
ax1.boxplot([df_2020_sgp['평균기온(°C)'],df_2020_seoul['평균기온(°C)'],df_2020_dgr['평균기온(°C)']])

# 바이올린플롯

plt.show()

 

 

---

새로 알게된 점

다른분들의 TIL을 둘러보다가 주피터 노트북을 티스토리로 가져올 수 있다는 것을 알게 되었다. (감사합니다☺️)

 

[참고링크]

Jupyter Notebook에서 처리한 작업을 Tistory로 손쉽게 가져오기

[적용방법]

 

1. 주피터 노트북 File > Print Preview
2. 새로운 창이 열리면 Ctrl + U
3. 작업한 내용이 html로 보이게 되는데 Ctrl + A로 전체 선택 후, Ctrl + C로 복사
4. 티스토리 화면 우측 상단 기본모드 > HTML로 들어간 후 원하는 위치에 붙여넣기

위 링크에 5번은 각 셀의 크기를 조정하는 것이라 굳이 바꾸지 않아도 괜찮다.

+) 한두개 올리는게 아니라면 주피터 노트북 여러개를 티스토리로 가져오는 것은 추천하지 않는다. 여러개를 가져오다보니 자꾸 깨진다...🥲 해당 기능은 분석 파트 정도에서 사용하면 좋을 것 같다.

 

 

[파트너간 상보적 학습 및 강의 내용 리뷰]

 

이번 시간에는 각자 멘토링 시간에 질문할 거리를 생각해보았다. 우리끼리 고민해본 후 해결하지 못한 문제는 질문하기로 했다. 우리조의 질문은 첫째, 러그 플롯의 의미와 활용방법. 둘째, 여러 개의 데이터프레임 쉽게 불러오는 법. 셋째, 데이터 인사이트 잘찾는법. 넷째, 데이터를 잘 표현할 수 있는 그래프 찾는법이었다.

 

그리고 주피터 노트북을 티스토리에서 불러오는 과정에서 자꾸 깨지는 오류가 발생했는데 마침 우리 조에 티스토리로 주피터 노트북을 옮기신 분이 계셔서 여쭤봤더니 html을 기본모드로 바꾸면 주피터 노트북이 깨진다고 한다‼️ 다음 글부터는 주피터노트북을 한번에  html형태로 가져와서 업로드해야겠다. 그리고 한분은 코드를 깃허브에 관리한다고 하셔서 나도 깃허브에 코드를 올려야겠다고 생각했다.

 

 

멘토링 시간 질문 및 답변

 

1️⃣ 러그 플롯의 의미와 활용방법

x축의 분포를 확인할 수 있다. 그런데 정말 y축은 왜나오는걸까?

 

2️⃣ 여러 개의 데이터프레임 쉽게 불러오는 법

같은 조 분이 알려주셨다..! 완전 코딩 천재!!!

df = pd.read_csv('C:/code/data/1911-1920 일별 기온.csv, encoding = 'cp949') # 처음(1911-1920년) 데이터 프레임 
for i in range(1921, 2021, 10) : # 1921년부터 10년 단위로 반복해줌
    df1 = pd.read_csv(f'C:/code/data/{i}-{i + 9} 일별 기온.csv', encoding = 'cp949') # 더할 데이터프레임
    df = pd.concat([df, df1], axis = 0) # 기존 데이터프레임과 더하기

df.to_csv('1911-2020 일별 기온.csv', encoding = 'cp949') # 전체 데이터프레임 저장

잘 이해가 안가서 설명해주실 수 있냐고 여쭤보니 친절하게 설명도 해주셨다👼 감사합니다💕

 

3️⃣ 데이터 인사이트 잘찾는법

도메인 지식(배경 지식)이 중요하다.

기술적 역량

 

4️⃣ 데이터를 잘 표현할 수 있는 그래프 찾는법

Matplotlib 공식 홈페이지 참고

Examples — Matplotlib 3.6.3 documentation

Seaborn 공식 홈페이지 참고

Example gallery — seaborn 0.12.2 documentation

 

우리 조 질문 모두 해결!

 

---

* 유데미 큐레이션 바로가기 : https://bit.ly/3HRWeVL

* STARTERS 취업 부트캠프 공식 블로그 : https://blog.naver.com/udemy-wjtb

💡본 후기는 유데미-웅진씽크빅 취업 부트캠프 4기 데이터분석/시각화 학습 일지 리뷰로 작성되었습니다.