통계-4 순서형 데이터, 이진 데이터, 시계열 데이터, 공간 데이터

1. 순서형 데이터

순서형 데이터는 서로 다른 카테고리에 속하면서 순서를 가지는 데이터이다. 교육 수준, 경력, 신용 등이 해당된다.

data = pd.read_csv('../data/college_data.csv')

data['admission_level']=pd.qcut(data['top10perc'], q=4, labels=['vey_low','low','high','veryhigh'])

대학교 데이터 셋을 불러 top10perc 컬럼을 기준으로 4개로 나눈다. q=4를 입력하여 데이터를 일정하게 나눌 수 있고 순서형 데이터로 바꾸기 위해 라벨 값을 지정해 준다.

plt.figure(figsize=(10,6))
plt.bar(data['admission_level'].value_counts().index,data['admission_level'].value_counts().values)
plt.title('nuber of colleges by admission level')
plt.xlabel('admission level')
plt.ylabel('numbber of colleges')
plt.show()

top10perc가 낮을수록 학교의 수가 많아지는 그래프를 확인할 수 있다.

 

2. 이진 데이터

이진 데이터는 두 가지 값 중 하나만을 가지는 데이터이다. 시험의 합격 여부, 제품의 결함 여부 등이 해당된다.

titanic = pd.read_csv('../data//Titanic_data.csv')

survived_gender = titanic.groupby('Sex')['Survived'].sum()
dead_gender=titanic.groupby('Sex')['Survived'].count()-survived_gender

성별에 따른 생존자와 사망자를 구한다.

plt.figure(figsize=(10,6))
plt.bar(survived_gender.index,survived_gender.values,color='g',alpha=0.5,label='survived')
plt.bar(dead_gender.index, dead_gender.values, bottom=survived_gender.values,color='r',alpha=0.5,label='dead')
plt.title('survivors by gender')
plt.xlabel('gender')
plt.ylabel('nuber of passengers')
plt.legend()
plt.show()

여성의 생존확률이 남성보다 높음을 확인할 수 있다.

3. 시계열 데이터

시계열 데이터는 시간에 흐름에 따라 변화하는 데이터이다. 즉 시간을 독립변수로 가진 데이터이다.

data = pd.read_csv('../data/kospi.csv')
data['Date'] = pd.to_datetime(data['Date'])
data.set_index('Date',inplace=True)

plt.figure(figsize=(10,6))
plt.plot(data.index,data['Close'])
plt.title('kospi index')
plt.xlabel('year')
plt.ylabel('close')
plt.show()

코스피의 주가 데이터를 불러온 뒤 date 특성을 datetime으로 변환하고 data.set_index 함수를 사용하여 열을 인덱스로 변환시킨다.

그래프를 그려보면 시가느이 흐름에 따라 코스피 지수의 변화를 확인할 수 있다.

plt.figure(figsize=(16,8))

sns.histplot(data=data, x='Close')
plt.title('kospi close price distribution')

plt.xlabel('price')
plt.ylabel('count')
plt.show

가격에 따른 종가 데이터의 개수를 확인할 수 있다.

4. 공간 데이터

공간 데이터는 지도상의 위치 정보를 가지고 있는 데이터이다.

import geopandas as gpd

seoul_gdf = gpd.read_file('../data/seoul_municipalities_geo_simple.shp')

plt.figure(figsize=(10,10))
seoul_gdf.plot()

plt.title('seoul municipalities')
plt.xlabel('longitude')
plt.ylabel('latitude')
plt.show()

지리 데이터의 사용을 위해 만들어진 geopandas 모듈을 이용한다. 일반적으로 지리 정보를 전송하기 위해서 데이터 직렬화 포맷은 geojson을 사용하며 이것은 지형적 정보를 표현할 수 있는 json 형식이다.

 

서울시의 행정구역 데이터를 그릴 수 있다.