Week 1

1️⃣ 레스토랑 팁 지불 데이터 분석

import seaborn as sns
sns.__version__

• seaborn은 파이썬에서 시각화를 위한 라이브러리입니다. 데이터를 시각화할 때 매우 유용합니다. sns.__version__은 사용 중인 seaborn의 버전을 확인하는 코드입니다.

df = sns.load_dataset('tips')
df

• sns.load_dataset('tips')는 Seaborn에서 제공하는 레스토랑 팁 지불 데이터셋(tips)을 불러오는 코드입니다. df라는 변수에 데이터를 저장하고 있습니다. df는 불러온 데이터를 출력하여 확인하는 역할을 합니다.

2️⃣ 히스토그램 시각화

sns.histplot(x=df['total_bill'])

• sns.histplot() 함수는 히스토그램을 그리는 함수입니다. 여기서는 x 축에 df['total_bill'] (총 청구 금액)을 사용해, 청구 금액 분포를 히스토그램으로 시각화합니다.

sns.histplot(x=df['size'])

• 마찬가지로, df['size'](팁을 주는 손님의 수)를 x 축으로 사용하여, 손님 수의 분포를 히스토그램으로 표현합니다.

sns.histplot(x=df['total_bill'], y=df['tip'])

• x 축에 total_bill, y 축에 tip을 사용한 히스토그램입니다. 2차원으로, 청구 금액과 팁 간의 관계를 히트맵 스타일로 시각화합니다.



 

sns.kdeplot(x=df['total_bill'])

• sns.kdeplot()은 커널 밀도 추정(Kernel Density Estimation) 그래프를 그리는 함수입니다. total_bill의 분포를 부드럽게 표현하는 커널 밀도 곡선을 그립니다.

sns.kdeplot(x=df['tip'])

• 동일한 kdeplot()을 사용하여 팁의 분포를 시각화합니다.

sns.kdeplot(x=df['total_bill'], y=df['tip'])

• 이 코드는 x 축에 total_bill, y 축에 tip을 사용한 2차원 KDE 플롯을 그려 청구 금액과 팁 간의 관계를 밀도 곡선으로 표현합니다.

sns.ecdfplot(x=df['total_bill'])

• sns.ecdfplot()은 누적 분포 함수(ECDF)를 그리는 함수입니다. 청구 금액의 누적 분포를 보여줍니다.

sns.lmplot(y='tip', x='total_bill', data=df, hue='sex')

• sns.lmplot()은 선형 회귀선을 시각화하는 함수입니다. 이 코드는 청구 금액(total_bill)과 팁(tip) 간의 선형 관계를 성별(sex)에 따라 다르게 시각화합니다.

sns.lmplot(y='tip', x='size', data=df, hue='sex')

• 이 코드는 손님의 수(size)와 팁(tip) 간의 관계를 성별(sex)로 구분하여 선형 회귀선을 그립니다.

iris = sns.load_dataset("iris")

• iris 데이터셋을 불러옵니다. 이는 꽃잎 길이, 너비, 꽃받침 길이 등의 데이터를 포함한 유명한 데이터셋입니다.

import matplotlib.pyplot as plt
x = iris.petal_length.values

• matplotlib.pyplot은 파이썬의 기본 시각화 라이브러리입니다. iris.petal_length.values는 꽃잎 길이 데이터를 x에 저장합니다.

sns.rugplot(x)

• sns.rugplot()은 x 값이 어디에 있는지를 가로축에 작은 선들로 표시해주는 플롯입니다. 데이터 포인트를 시각적으로 쉽게 이해할 수 있도록 도와줍니다.

plt.title("Iris 데이터 중, 꽃잎의 길이에 대한 Rug Plot")
plt.show()

• plt.title()은 그래프의 제목을 설정하는 함수이고, plt.show()는 생성된 플롯을 화면에 표시합니다.

3️⃣ EDA 설명

EDA (Exploratory Data Analysis) 탐색적 데이터 분석

1.EDA란? 1) 정의 수집한 데이터가 들어왔을 때, 이를 다양한 각도에서 관찰하고 이해하는 과정입니다. 한마디로 데이터를 분석하기 전에 그래프나 통계적인 방법으로 자료를 직관적으로 바라보는 과정입니다. 2) 필요한 이유 데이터의 분포 및 값을 검토함으로써 데이터가 표현하는 현상을 더 잘 이해하고, 데이터에 대한 잠재적인 문제를 발견할 수 있습니다. 이를 통해, 본격적인 분석에 들어가기에 앞서 데이터의 수집을 결정할 수 있습니다. 다양한 각도에서 살펴보는 과정을 통해 문제 정의 단계에서 미쳐 발생하지 못했을 다양한 패턴을 발견하고, 이를 바탕으로 기존의 가설을 수정하거나 새로운 가설을 세울 수 있습니다. 3) 과정 기본적인 출발점은 문제 정의 단계에서 세웠던 연구 질문과 가설을 바탕으로 분석 계획을 세..

https://eda-ai-lab.tistory.com/13

4️⃣ dataprep.eda 라이브러리로 타이타닉 데이터셋 EDA