7. 강조하고 싶은 데이터를 시각화해보자

앞서 인구대비 CCTV 개수도 그리고 경향도 표현했지만, 그래프 자체로는 아직 부족하다.

직선으로 표현한 값 -> 예측값
직선 위에 점이 있으면 예측값과 실제값이 일치하여 오차가 '0'이다.
반면, 직선과 점의 거리가 멀수록 오차가 크다.
여기서 오차가 많은 구를 찾아볼 것이다.

그래프 다듬기

경향과의 오차 만들기

• 경향(trend)과의 오차를 만들자
• 경향은 f1 함수에 해당 인구를 입력
• f1(data_result["인구수"]

fp1 = np.polyfit(data_result["인구수"], data_result["소계"], 1)
f1 = np.poly1d(fp1)
fx = np.linspace(100000, 700000, 100)

data_result.head(3)

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

data_result.head(1)

• 경향과 비교해서 데이터의 오차가 너무 나는 데이터를 계산하기

df_sort_f = data_result.sort_values(by="오차", ascending=False)  # 내림차순
df_sort_t = data_result.sort_values(by="오차", ascending=True)  #오름차순

• 경향 대비 CCTV를 많이 가진 상위 5개 구 확인하기

# 경향 대비 CCTV를 많이 가진 구
df_sort_f.head()

• 경향 대비 CCTV를 적게 가진 상위 5개 구 확인하기

# 경향 대비 CCTV를 적게 가진 구
df_sort_t.head()

• 오차(경향)의 높고 낮음에 따른 색상 구분하기

from matplotlib.colors import ListedColormap   # 색깔을 지정하기 위해

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

오차가 높으면 파란색, 중간 값은 초록색, 낮으면 빨간색으로 경향에 따라 색 구분하기

# 높고 낮음에 따른 색깔 구분
# 높으면 파란색, 중간 값은 파란색, 낮으면 빨간색으로 경향에 따라 색을 구분함.
def drawGraph():
    
    plt.figure(figsize=(14, 10))
    plt.scatter(data_result["인구수"], data_result["소계"], s=50, c=data_result["오차"], cmap=my_cmap)
    plt.plot(fx, f1(fx), ls="dashed", lw=3, color="g")
    plt.xlabel("인구수")
    plt.ylabel("CCTV")
    plt.colorbar()
    plt.grid(True)
    plt.show()
drawGraph()

• 상하위 5개 구의 이름을 표시하기 전, 데이터 확인하기

data_result.head()

가장 첫 번째 인구수

data_result["인구수"][0]  # 가장 첫 번째 인구수

-> 561052

가장 첫 번째 CCTV 개수

data_result["소계"][0] # 가장 첫 번째 CCTV 개수

-> 3238

가장 첫 번쨰 인덱스

data_result.index[0]  # 가장 첫 번쨰 인덱스

-> '강남구'

• 상, 하위 5개 구의 이름 표시하기

def drawGraph():
    
    plt.figure(figsize=(14, 10))
    plt.scatter(data_result["인구수"], data_result["소계"], s=50, c=data_result["오차"], cmap=my_cmap)
    plt.plot(fx, f1(fx), ls="dashed", lw=3, color="g")
    
    for n in range(5):
        # 상위 5개
            plt.text(
                df_sort_f["인구수"][n] * 1.02, # x 좌표
                df_sort_f["소계"][n] * 0.98, # y 좌표
                df_sort_f.index[n], # title
                fontsize=15,
            )
            
            # 하위 5개
            plt.text(
                df_sort_t["인구수"][n] * 1.02,
                df_sort_t["소계"][n] * 0.98,
                df_sort_t.index[n],
                fontsize=15,
            )
            
    plt.xlabel("인구수")
    plt.ylabel("CCTV")
    plt.colorbar()
    plt.grid(True)
    plt.show()
drawGraph()

• 데이터 결과 저장하기

data_result.to_csv("../data/01. CCTV_result.csv", sep=",", encoding="utf-8")