데이터분석 종합반 3주차[스파르타 코딩]<Data Visualization>

https://teamsparta.notion.site/3-cdea49d6bc514763b80d5508ca92e4ca

[스파르타코딩클럽] 데이터분석 종합반 - 3주차

 

<how to get some data>

import pandas as pd
url = 'https://raw.githubusercontent.com/justmarkham/DAT8/master/data/drinks.csv'
drink_df = pd.read_csv(url, ',')

 

<Access to several columns(다수의 열에 접근하기)>

   - nameOfDataFrame[LIST]

ex) drink_df[['beer_servings','wine_servings']]

 

 

<Using conditional logic(조건부 로직 사용하기)>

ex) drink_df[drink_df.continent=='EU'].head(20)

 

 

<import matplotlib.pyplot & seaborn>

import matplotlib.pyplot as plt
import seaborn as sns

 

<plt.pie>

pie_labels = drink_df['continent'].value_counts().index.tolist()
pie_values = drink_df['continent'].value_counts().values.tolist()
print(pie_labels)
print(pie_values)

['AF', 'EU', 'AS', 'ETC', 'OC', 'SA']
[53, 45, 44, 23, 16, 12]

plt.pie(pie_values, labels=pie_labels, autopct='%.02f%%')
plt.title('Percentage of each continent')
plt.show()

plt.pie(pie_values, labels=pie_labels)

 

<Using Group By>

<Charts>

# barchart를 이용해 species 표현
df['species'].value_counts().plot(kind='bar')

# seaborn을 이용한 barchart
# EX 1)
sns.barplot(df['species'], df['sepal width (cm)'], ci=None)

# EX 2)
sns.barplot(x='confirmed', y='city', data=case[case['province']=='Daegu'], ci=None).set(xlabel='Confirmed', ylabel='Districts', title='Case in Daegu')

sns.barplot(x=열의 이름, y=열의 이름, data=데이터프레임, ci=None)

.set(xlabel='x축에 대한 레이블', ylabel='y축에 대한 레이블', title='차트의 타이틀')

df['petal width (cm)'].plot(kind='hist')
plt.title('Iris Petal Width', fontsize=14, y=1.01)
plt.ylabel('Value')
plt.xlabel('Width')

그 외에도 'line', 'bar', 'barh', 'box', 'kde', 'density', 'area', 'pie'와 같은 값들이 가능합니다.

이에 대해선 아래의 Pandas Series의 공식 문서에서 확인할 수 있습니다.

https://pandas.pydata.org/pandas-docs/version/0.24.2/reference/api/pandas.Series.plot.html

pandas.Series.plot — pandas 0.24.2 documentation

#seaborn을 이용한 산점도
sns.pairplot(df, hue="species")

 

<Visualization of Series>

NameOfSeries.plot()

# EX)
plt.rcParams['figure.figsize'] = (15, 5) # 그래프 비율 조정
daily_count.plot()
plt.title('Number of Daily Confirmed Patients')

 

<Visualization of Map & HeatMap>

import folium
from folium import plugins

seoul = folium.Map(location=[37.55, 126.98], zoom_start=12)
seoul

# 서울을 표시하기 위한 변수는 seoul
# Stamen Terrain 옵션 선택.
seoul = folium.Map(location=[37.55, 126.98], zoom_start=12, tiles='Stamen Terrain')

latitude, longitude = 35.9078, 127.7669 # 대한민국의 좌표
S_korea = folium.Map(location = [latitude, longitude], zoom_start = 8)
S_korea

# HeatMap 추가
# - **폴리움객체.add_child(plugins.HeatMap(zip(위도, 경도, 정도), radius=18))**
S_korea.add_child(plugins.HeatMap(zip(local_infected['latitude'],
                                      local_infected['longitude'],
                                      local_infected['confirmed']), radius=18))
                                   
# RecursionError: maximum recursion depth exceeded
# - Because of object type, latitude & longitude should be 'float' type.
# https://mskim8717.tistory.com/79 - 참고하기

local_infected['latitude'] = local_infected['latitude'].astype('float')
local_infected['longitude'] = local_infected['longitude'].astype('float')

S_korea.add_child(plugins.HeatMap(zip(local_infected['latitude'],
                                      local_infected['longitude'],
                                      local_infected['confirmed']), radius=18))

# **만약 True, False 각각 그룹에 대한 확진자 수가 궁금하다면 어떻게 하면 좋을까요?**

# - pivot_table(index = ['그룹핑하고 싶은 열의 이름'], aggfunc = '그룹핑 후에 수행할 연산')

group_cases = case.pivot_table(index = ['group'], aggfunc = 'sum').reset_index()
group_cases


# replace
group_cases = group_cases.replace({True: 'Locally infected', False: 'From outside'})
group_cases

# 데이터를 시각화 할 때는 데이터를 자세히 살펴봐야 합니다.
# 시각화를 할 때 오류가 나는 대부분이 경우가 데이터에 결측값 또는 의미없는 값 등이 있는 경우가 많습니다.
# group이 True라고 하더라도 위도, 경도가 누락이 된 경우가 있는지 확인해봅시다.

 

<HW>

 

sns.heatmap(df_data.corr(), annot=True)

 

plt.figure(figsize=(5, 5))
sns.heatmap(df_data.corr(), annot=True)

 

df['petal width (cm)'].plot(kind='hist')

df['petal width (cm)'].plot(kind='hist')
plt.title('Iris Petal Width', fontsize=14)
plt.ylabel('Value')
plt.xlabel('Width')

 

 

plt.pie(pie_values, labels=pie_labels, autopct='%.02f%%')

pie_labels = df['species'].value_counts().index.tolist()
pie_values = df['species'].value_counts().values.tolist()
print(pie_labels)
print(pie_values)

plt.pie(pie_values, labels=pie_labels, autopct='%.02f%%')
plt.title('Percentage of each species')
plt.show()

sns.pairplot(df, hue='species')

sns.pairplot(df, hue='species')