[스터디 노트] Week5_2일차 [unit12 ~ 20] - EDA(CCTV)

1. Matplotlib 기초

---

📍plt.plot( )

• x와 y는 동일한 길이의 배열 또는 리스트로, 각각 x축과 y축에 대응하는 데이터를 나타냅니다.
• plt.plot() 함수는 많은 선택적 매개변수를 가집니다. 아래는 주요 매개변수들의 설명입니다:
  • color: 선의 색상을 지정합니다.
  • linestyle: 선의 스타일을 지정합니다. ('-', '--', '-.', ':' 등)
  • linewidth: 선의 너비를 지정합니다.
  • marker: 데이터 포인트에 표시할 마커의 스타일을 지정합니다. ('o', '.', '^', 's' 등)
  • label: 이 그래프에 대한 레이블을 지정합니다. 이 레이블은 plt.legend() 호출 시 범례에 사용됩니다.

  t = np.arange(0, 12, 0.01)
  y = np.sin(t)
  
  def draw_graph1():
      plt.figure(figsize = (10, 6))
      plt.plot(t, np.sin(t), label = "sin")
      plt.plot(t, np.cos(t), label = "cos")
      
      plt.title("Example of sinewave")
      plt.xlabel("time")
      plt.ylabel("Amplitude")
      
      plt.grid()
      plt.legend()
      plt.show()
      
  draw_graph1()

t = np.arange(0, 5, 0.5)

def draw_graph2():
    
    plt.figure(figsize = (10, 6))
    plt.plot(t, t, "r--")
    plt.plot(t, t**2, "bs")
    plt.plot(t, t**3, "g^")
    
draw_graph2()

---

📍 plt.scatter( )

• plt.scatter() 함수는 여러 가지 선택적 매개변수를 가집니다:
  • s: 각 점의 크기를 설정합니다. 스칼라 또는 배열로 설정할 수 있습니다.
  • c: 점의 색상을 설정합니다. 색 이름, 문자열, RGB 튜플 또는 배열을 사용할 수 있습니다.
  • marker: 점의 모양을 설정합니다.
  • alpha: 점의 투명도를 설정합니다. 0(완전 투명)에서 1(완전 불투명)까지의 값을 사용할 수 있습니다.
  • edgecolors: 점 주변의 색상을 설정합니다.

  colormap = t
  
  def draw_graph4():
      
      plt.figure(figsize = (10, 6))
      plt.scatter(t, y, s=50, c=colormap, marker=">")
      plt.colorbar()
      plt.show()
      
  draw_graph4()3
  

---

2. 데이터 시각화

def draw_graph6():
    
    data_result["CCTV 비율"].sort_values().plot(
    kind = "barh",
    grid = True,
    title = "CCTV 비율이 높은 구",
    figsize = (5, 5))
    
draw_graph6()

---

3. 데이터의 경향을 표시

def draw_graph7():
    
    plt.figure(figsize = (14, 6))
    plt.scatter(data_result["인구수"], data_result["소계"], s=50)
    plt.xlabel("인구수")
    plt.ylabel("CCTV")
    plt.grid()
    plt.show()
    
draw_graph7()

---

📍 Numpy를 이용한 1차 직선 만들기

• numpy가 제공하는 간단한 함수를 이용해서 1차 직선을 만들어 그래프로 비교하자

📎 절차

• np.polyfit : 직선을 구성하기 위한 계수 계산한다.
• np.poly1d : polyfit으로 찾은 계수로 python에서 사용할 함수로 만들어 준다.

fp1 = np.polyfit(data_result["인구수"], data_result["소계"], 1)
fp1
>>>
array([1.11155868e-03, 1.06515745e+03])

# polyfit 에서 찾은 계수를 넣어서 함수 완성
f1 = np.poly1d(fp1)
f1
>>>
poly1d([1.11155868e-03, 1.06515745e+03])

# 인구 400000인 구에서 서울시의 전체 경향에 맞는 적당한 CCTV 수
f1(400000)
>>>
1509.780925241333

• 경향선을 그리기 위해 X데이터 생성

# np.linspace(a, b, n): a부터 b까지 n개의 등간격 데이터 생성
fx = np.linspace(100000, 700000, 100)

def draw_graph8():
    
    plt.figure(figsize = (14, 6))
    plt.scatter(data_result["인구수"], data_result["소계"], s=50)
    plt.plot(fx, f1(fx), ls="dashed", lw=3, c="g")
    plt.xlabel("인구수")
    plt.ylabel("CCTV")
    plt.grid()
    plt.show()
    
draw_graph8()

---

4. 강조하고 싶은 데이터를 시각화하기

fp1 = np.polyfit(data_result["인구수"], data_result["소계"], 1)
# 경향(trend)를 구하는 함수 만들기
f1 = np.poly1d(fp1)
fx = np.linspace(100000, 700000, 1000)

data_result["오차"] = data_result["소계"] - f1(data_result["인구수"])
data_result.head(1)

# 경향 대비 CCTV를 많이 가진 구(내림차순)
data_result_f = data_result.sort_values("오차", ascending = False) 
# 경향 대비 CCTV를 적게 가진 구(오름차순))
data_result_t = data_result.sort_values("오차", ascending = True)

from matplotlib.colors import ListedColormap

# color map을 사용자 정의(user define)로 세팅
color_step = ["#e74c3c", "#2ecc71", "#95a5a6", "#2ecc71", "#3498db", "#3498db"]
my_cmap = ListedColormap(color_step)

⚡️ 함수화 및 출력

def draw_graph9():
    
    plt.figure(figsize = (14, 6))
    plt.scatter(data_result["인구수"], data_result["소계"], 
                c=data_result["오차"], s=50, cmap=my_cmap)
    plt.plot(fx, f1(fx), ls="dashed", lw=3, c="grey")
    
    for i in range(5):
        # 오차가 큰 데이터 5개, 구 이름을 명시
        plt.text(data_result_f["인구수"][i] * 1.02,
                data_result_f["소계"][i] * 0.98,
                data_result_f.index[i],
                fontsize = 10)
        # 오차가 작은 데이터 5개, 구 이름을 명시
        plt.text(data_result_t["인구수"][i] * 1.02,
                data_result_t["소계"][i] * 0.98,
                data_result_t.index[i],
                fontsize = 10)
    
    plt.xlabel("인구수")
    plt.ylabel("CCTV")
    plt.grid()
    plt.colorbar()
    plt.show()
    
draw_graph9()