수업 32일차

✔ 데이터 수집

YAML

• email 양식에서 가져온 데이터 직렬화(Serializable - 데이터 전송) 양식
• 현재는 실제 데이터 전송보다는 프레임워크 또는 애플리케이션의 설정에 주로 이용
• docker-compose나 kubernetes의 설정 파일이 yaml이고 확장자는 yml

• 형태

속성 : 
		값

• 값이 여러 개 이면 앞에 -를 추가

• 파싱을 위해서는 pyyaml 패키지를 설치해야 합니다.
• 읽어올 때는 load메서드를 이용해서 읽어오고 저장을 할 때는 dump 메서드를 이용합니다.

✔ Pandas를 이용한 RDBMS 데이터 가져오기

RDBMS의 데이터 읽기

• DBMS에서 제공하는 패키지를 이용해서 읽고 쓰기
• Django에서는 Django에서 제공하는 ORM을 이용해서 읽고 쓰기
• Pandas에서는 sqlalchemy 패키지를 이용

pandas에서 읽기

커넥션 생성

• connection 변수 = sqlalchemy.create_engine(db ulr)
• url을 작성하는 방법은 db마다 다릅니다.
• db 종류에 따라서 별도의 패키지를 설치해야 하는 경우도 있습니다.

sql을 이용해서 읽어오기

• pandas.read_sql_query(SQL구문, connection 변수)

Table 데이터 전체를 읽어오기

• pandas.read_sql_table(Table 이름, connection 변수)

python에서 sqlite3의 경우는 별도로 설치할 필요가 없고, 패키지도 별도 설치할 필요가 없습니다.

• 하지만 sqlite3는 외부 접속 불가능하고 내부에서만 사용 가능한 db입니다.
  - local저장만 하려고 만든 db입니다.
  
• python에서 db 접속을 해서 데이터를 가져오고 작업을 수행하는 것은 중요한데, db 분석 분야에서는 실제 db에 직접 접속해서 데이터를 가져오는 경우는 드뭅니다.
  - 최근에는 db에 직접 접근하지 않고 데이터를 가져다 사용할 수 있도록 API Server를 이용하는 경우가 많습니다.
  

✔ MySQL의 데이터 가져오기

• MySQL 구동 (docker 구동)
• 접속 도구를 이용해서 접속하기 (dbeaver)
• 샘플 데이터 생성
• mysql 사용을 위한 패키지 설치 : pip install pymysql

from sqlalchemy import create_engine
# 오류나면 pip install sqlalchemy 
import pymysql
pymysql.install_as_MySQLdb()
import MySQLdb
#연결
connect=create_engine('mysql+mysqldb://ID:비밀번호@localhost/mino')
dataframe=pd.read_sql_table('dbms',connect)
print(dataframe)

✔ MongoDB의 데이터 가져오기

• NoSQL이라서 별도의 패키지를 설치해서 데이터를 읽어 옵니다.
• pymongo를 이용해서 데이터를 읽어 온 후 DataFrame으로 직접 변환

샘플 데이터

Docker에 설치한 MongoDB Shell에 접속

• docker exec -it 컨테이너이름 bash : 쉘 접속
• cd bin, mongosh : MongoDB 접속

데이터 삽입

• use mymongo
• db.echo.insertOne({num:11, name:"Spark", function:"클러스터 컴퓨팅 프레임워크"})
• db.echo.find() : 데이터 확인

패키지 설치

• pip install pymongo

작업

from pymongo import MongoClient
# MongoDB 연결
conn=MongoClient('127.0.0.1')
# DB 연결
db=conn.mymongo
# 컬렉션 연결
collection=db.echo
# 데이터 가져오기
result=collection.find()
# print(result)
# <pymongo.cursor.Cursor object at ~~>
# 커서는 데이터를 가져올 포인터
# 커서를 순회하면서 각 데이터를 list에 삽입하기
# 이후 데이터프레임으로 변환하기
li=[]
for r in result:
    del r['_id']
#     print(r)
    li.append(r)
echo=pd.DataFrame(li)
print(echo)

✔ 통계 프로그램의 데이터 가져오기

R의 데이터(rds) 사용

• r의 경우는 pyreadr이라는 패키지의 read_r이라는 함수를 이용해서 읽어냅니다.

SPSS 데이터(sav) 사용

• pyreadstat 패키지를 이용해서 읽어냅니다.
• read_sav

SAS 데이터(sas7bdat) 사용

• pyreadstat 패키지를 이용해서 읽어냅니다.
• read_sas7bdat

Stata 데이터(dta) 사용

• pyreadstat 패키지를 이용해서 읽어냅니다.
• read_dta

• spss, sas, stata는 실제 데이터와 메타 데이터를 리턴합니다.
• R은 dict 형태로 리턴하는데, 데이터의 key가 None입니다.

• SPSS로 보는 예시

# SPSS
# import pandas, numpy, and pyreadstat
import pandas as pd
import numpy as np
import pyreadstat
# 데이터 와 메타 데이터 가져오기
# 이 함수는 데이터와 메타 데이터를 튜플로 리턴한다.
# 그렇기 떄문에 변수를 나눠서 받는 것이 훨씬 좋다.
nls97spss, metaspss = pyreadstat.read_sav('data/nls97.sav')
print(type(nls97spss))
print(type(metaspss))
print(nls97spss.head())

✔ 데이터 탐색

선택

열 선택

• DF이름['열이름'] 또는 DF이름.열이름으로 접근할 때는 열 이름이 반드시 문자열이어야 합니다.
• 하나의 열을 선택하면 자료형은 Series입니다.

행 선택

• DF이름.loc[인덱스 이름] 또는 iloc[정수형 위치 인덱스]
• 선택된 행이 1개이면 Series가 된다.

하나의 셀 선택

• [열이름][인덱스]
• loc[인덱스][열이름]
• iloc[행위치, 열위치]

여러 개 선택

• list로 설정하면 되는데, 이 경우는 DataFrame으로 리턴됩니다.

• df[열이름] : Series로 리턴
• df[[열이름]] : DataFrame으로 리턴

# csv 파일 읽어서 df로 변환하기
df=pd.read_csv('./data/item.csv')
# print(df)
# 인덱스 변경
df.index=['사과','수박','참외','바나나','레몬','망고']
# print(df)
# 열 선택
# print(df['code'])
# 열 선택할 때, list이용하면 DataFrme이다.
# 자료형 보기
# print(type(df['code']))
# 행 선택 : 하나의 행을 선택한다면 Series
# print(df.loc[1])
# print(df.iloc[0])
# 하나의 셀 선택
print(df)
# 열 이름과 위치 인덱스 이용하기
print(df['name'][0])
# 인덱스와 열 이름을 이용해서 셀 선택
print(df.loc['참외','name'])
# 위치 인덱스로만 셀 선택
print(df.iloc[1,2])

범위의 데이터를 선택 가능 - 슬라이싱

• : 을 이용해서 지정
• 위치를 이용하면 뒤의 데이터가 포함되지 않지만, 인덱스나 열 이름을 이용하면 뒤의 데이터가 포함됩니다.

불리언 색인

• bool 타입의 Series를 대입하면 True인 데이터만 골라낼 수 있습니다.

isin

• list를 대입해서 list에 속한 데이터만 골라낼 수 있씁니다.

## 범위 선택
#  사과부터 사과부터 참외까지
print(df.loc['사과':'참외', 'name'])
print(df.iloc[0:3])
# 불리언 색인
print(df[df['price']>1000])
print(df[(df['price']>1000)&(df['price']<2000)])
# isin -list에 있는 항목은 True 아니면 False로 리턴
print(df[df['price'].isin([1000,1500])])

확인

head와 tail

• 기본적으로는 앞이나 뒤에서 5개의 데이터를 리턴하지만, 정수를 대입한다면 해당 정수만큼의 데이터를 리턴
• 데이터가 많을 때, 데이터 구조를 빠르게 확인하기 위해서 사용합니다.

속성

• shape
  - 행과 열의 개수를 tuple로 리턴
• dtypes
  - 각 열의 자료형을 리턴합니다.

정보 확인 함수

• info()
  - 데이터 유형, 행 인덱스의 구성, 열 이름의 종류와 개수, 자료형, 메모리 사용량 등의 정보를 리턴합니다.
• describe()
  - 기술 통계 정보를 리턴합니다.
  - include='all'을 설정하면, 숫자가 아닌 열의 정보도 리턴한다.
• count()
  - 데이터 개수
• value_counts()
  - 고유한 값의 종류와 등장 횟수 리턴
• unique()
  - 고유한 값의 종류를 리턴
• nunique()
  - 고유한 값의 개수
• dropna
  - 옵션이 있는 경우, 이 옵션에 True를 설정하면 None은 제외

데이터의 개략적인 정보 확인

## 범위 선택
#  사과부터 사과부터 참외까지
print(df.loc['사과':'참외', 'name'])
print(df.iloc[0:3])
# 불리언 색인
print(df[df['price']>1000])
print(df[(df['price']>1000)&(df['price']<2000)])
# isin -list에 있는 항목은 True 아니면 False로 리턴
print(df[df['price'].isin([1000,1500])])

인덱스나 컬럼의 재구성

• index 전체를 수정할 때는 index 속성에 데이터를 대입하면 됩니다.
• 열의 이름도 저눕 수정하고자 한다면 columns 속성에 데이터를 대입하면 됩니다
• rename 함수를 이용해서 일부분만 수정하고자 할 때는 index나 columns 속성에 dict를 대입하면 되는데, 이 때 {기존이름 : 새로운 이름, ...}를 이용하면 됩니다.
  - 수정된 결과를 리턴하는데, inplace 옵션을 True로 한다면 기존 데이터를 수정합니다.
• 첫 번째 매개변수로 변환 함수를 대입하고, axis=index나 columns를 설정해서 변환함수를 이용해서 이름을 변경하는 것도 가능합니다.

---

• 인덱스를 수정하고자 하는 경우, reindex 함수를 이용해서 list를 대입하면, 기존의 인덱스가 수정됩니다.
  - 인덱스를 제거하거나 추가하는 것이 가능합니다.
  - fill_value 옵션을 이용해서 누락된 인덱스에 특정 값을 설정하는 것이 가능하며, 기본값을 numpy.nan method 옵션에 fill이나 bfill을 설정해서 누락된 경우 앞의 값이나 뒤의 값을 설정하는 설정하는 것도 가능
• set_index(열 이름 또는 [열이름 나열])을 이용해서 기존 컬럼의 값을 인덱스로 사용하는 것이 가능한데, 이 경우 기존 컬럼은 제거됨
• reset_index()를 호출하면 기존 인덱스가 제거되고 0부터 시작하는 숫자로 인덱스를 재설정

# DataFrame 이나 Series의 메서드나 함수가 
# inplace 옵션을 가지고 있따면, 
# 원본에 작업할지 작업한 뒤에 리턴할 지 결정할 수 있습니다.
# inplcae 가 False면 작업을 복사본에 수행하고 리턴을 합니다.
# inplace 에 True를 설정하면 원본에 작업을 수행하게 됩니다.
# df.set_index('name')
# print(df) # 이러면 name이 안넘어감
# df.set_index('name', inplace=True) # name을 index로 설정
# print(df) # 이러면 name이 넘어감
# 인덱스를 일반 컬럼으로 변경하고 정수의 일련번호로 인덱스를 수정
df.reset_index(inplace=True)
print(df)

데이터 삭제

행 삭제 : drop 함수에 인덱스나 인덱스의 list 대입

열 삭제 : drop함수에 열 이름이나 열 이름의 list를 넘겨주고 axis=1을 추가

• 열 이름이 없는 경우는 ``DataFrame.columns[정수 인덱스]```를 넘겨주면 됩니다.
• del 이름[열이름]을 이용할 수 있지만, 비추천
• inplace 옵션도 사용이 가능하다.

# origin 열을 제거
# df.drop('origin', inplace=True, axis=1)
# print(df.head())
# 0 번 행을 삭제
df.drop(0,inplace=True)
print(df.head())

데이터 수정 및 추가

• 데이터를 선택한 후 값을 대입하면 되는데, 이 때 존재하는 경우에는 수정이 되고, 존재하지 않는 경우에는 추가가 됩니다.
• 행이나 열 단위로 추가나 변경을 할 때의 하나의 값을 대입하면 그

# df.head()
# df['색상']='red' # 색상은 없는 컬럼이고, 값은 red로만 해놔서 모두가 red
# df.head()
# df['색상']='blue' # '색상' 이 존재하므로 수정
# df.head()
# 행 수정
# df.loc[1]=5
# df.head()
# 셀 수정
df.loc[2,'cylinders']=9
df.head()

행 과 열 전치

• 행을 열로 만들고, 열을 행으로 만드는 작업
• T라는 속성을 이용할 수 있고, transpose라는 함수를 이용할 수 있습니다.

# df.T
print(df.transpose())
# numpy에서는 3차원배열이 있을 수 있기에, 
# T와 transpose의 기능이 다르다.
# np transpose는 행과 열의 순서를 지정
# pandas에서는 2차원 배열까지만 존재하기에, T와 transpose는 동일

✔ 연산

연산

• DataFrame이나 Series와 Scala 데이터의 연산은 모든 셀을 가지고 스칼라 데이터와 연산을 수행해서 리턴합니다.
• 연산이 불가능한 컬럼이 있다면, Error가 발생합니다.
• DataFrame과 DataFrame 그리고 Series의 연산은 동일한 인덱스끼리 수행합니다.
  - 한쪽에만 존재하는 인덱스는 NaN이 됩니다.(NULL)
• add, sub, div, mul 이라는 함수를 이용해서 산술 연산을 수행할 수 있는데, 이 경우에는 fill_value라는 옵션을 이용해서, 한쪽에만 존재하는 인덱스에 기본값을 설정하는 것이 가능합니다.

items1={'1':{'price':1500},'2':{'price':15000},'3':{'price':1000}}
items2={'1':{'price':2700},'2':{'price':7000},'4':{'price':1200}}
data1=pd.DataFrame(items1).T
data2=pd.DataFrame(items2).T
print(data1)
print()
print(data2)
# 스칼라 데이터와의 연산은 모든 셀에 적용
# print(data1+10)
# DataFrame이나 Series 끼리의 연산은 동일한 인덱스끼리 수행
# print(data1+data2)
# 함수 이용 - 기본값 설정이 가능
print(data1.add(data2, fill_value=0))

통계 함수

• count, min, max, sum, mean, median, var, std, mode(최빈값)
• kurt(첨도), skew(비대칭도, 왜도), sem(평균의 표준 오차)
• argmin, argmax, idxmin, idxmax (위치를 주느냐 인덱스를 주느냐의 차이)
• quantile
• cumsum, cummin, cummax, cumprod
• diff(이전 데이터와의 산술적인 차이), pct_change(이전 데이터와의 백분율)
• unique() : 유일한 값을 찾기

df=pd.read_csv('./data_ex/noheader_auto-mpg.csv', header=None)
# 헤더 설정
df.columns=['mpg', 'cylinders', 'displacement', 'horsepower', 'weight', 
            'acceleration', 'model year',
           'origin', 'name']
#mpg의 평균
# print(df['mpg'].mean())
#수치값이라면 여러개 가능합니다.
# print(df[['mpg', 'cylinders']].mean())
#이전 데이터와의 차이를 구해보자.
# print(df[['mpg', 'cylinders']].diff())
print(df[['mpg', 'cylinders']].pct_change())

상관계수와 공분산

공분산 : cov

• 공분산은 2개의 확률 변수의 상관 정도를 나타내는 값
• 측정 단위의 크기에 따라 달라집니다.
• 이를 이용해서 상관 정도를 파악하기가 어려워서 상관 계수를 도입했씁니다.

상관계수 : corr

• 두 변수 간의 관련성의 정도
• -1 ~ 1
• 양수는 한쪽이 증가할 때 같이 증가하고, 음수는 어느 한쪽 값이 증가할 때 다른 값은 감소한다.

# 전체 다 하면 우선 수치값이 아닌 컬럼은 빠지게 된다.
# 모든 숫자 컬럼의 상관 계수를 전부 구하기
df.corr()

• 관련성이 있다고 하려면 abs(corr)>0.4
• 수치값이 0에 가까울 수록 관련성이 없다고 한다.

# mpg와 weight 컬럼의 상관계수를 구하기
print(df[['mpg', 'weight']].corr())

• 음의 상관관계를 갖는다.

정렬

• sort_index()함수를 호출하면 인덱스 순서대로 오름차순 정렬을 한다.
• 내림차순 정렬을 하고자 하는 경우는 ascending 옵션에서 값을 False로 설정
• Series 객체를 정렬할 때는 sort_values 이용합니다.
• 인덱스가 아닌, 특정 컬럼을 기준으로 정렬할 때는 sort_values호출하는데, by 매개변수 변수에 컬럼의 이름이나 컬럼의 이름 list를 설정

df=pd.read_csv('./data_ex/noheader_auto-mpg.csv', header=None)
# 헤더 설정
df.columns=['mpg', 'cylinders', 'displacement', 'horsepower', 'weight', 
            'acceleration', 'model year',
           'origin', 'name']

순위

• rank()함수를 이용하는데, 기본은 오름차순입니다.
• 정렬과 동일하게 ascending 옵션을 이용해서 내림차순 한 순서대로 설정 가능.
• axis 옵션을 이용해서 행 단위 순서 변경이 가능하다.
  - 동일한 값인 경우는 method 속성을 확인합니다.
• max, min, first(먼저나오는거 먼저 뽑아내기)

✔ 시각화

시각화를 하는 이유

• 데이터를 탐색을 할 때, 기술 통계만 사용을 하게 된다면 데이터를 왜곡해서 해석할 수 있습니다.
• 앤스콤 4분할 그래프
  - 4개의 데이터 그룹을 만들었는데, 이 4개의 그룹은 기술 통계나 상관 계수 그리고 회귀선이 모두 일치
  - 4개의 그룹의 데이터는 동일하다라고 판단
  - 하지만 분포는 전혀 달랐다.
  - 단순한 기술 통계를 보고 A와 B는 같다라고 하면 큰일난다.
  - 시각화를 해서 검증을 해야 한다.

앤스콤의 데이터로 검증을 해보자.

# 앤스콤 데이터 가져오기
import seaborn as sns
anscombe=sns.load_dataset("anscombe")
anscombe.head()
# info로 데이터셋의 구성을 확인해보자.
# dataset 과, x, y 컬럼으로 구성되어있다.
anscombe.info()
print(anscombe['dataset'].unique())
# 각 그룹의 기술통계값
# 거의 비슷합니다.
print(anscombe[anscombe['dataset']=='I'].describe())
print(anscombe[anscombe['dataset']=='II'].describe())
print(anscombe[anscombe['dataset']=='III'].describe())
print(anscombe[anscombe['dataset']=='IV'].describe())
#데이터 분리시키기
dataset_1 = anscombe[anscombe['dataset']=='I']
dataset_2 = anscombe[anscombe['dataset']=='II']
dataset_3 = anscombe[anscombe['dataset']=='III']
dataset_4 = anscombe[anscombe['dataset']=='IV']
# 그래프를 그려보자.
import matplotlib.pyplot as plt
fig=plt.figure()
# 영역을 4개로 분할 / subplot(행개수, 열개수, 번호)
axes1=fig.add_subplot(2,2,1)
axes2=fig.add_subplot(2,2,2)
axes3=fig.add_subplot(2,2,3)
axes4=fig.add_subplot(2,2,4)
# 각 영역에 각 dataset의 그래프를 출력하기
axes1.plot(dataset_1['x'],dataset_1['y'],'o')
axes2.plot(dataset_2['x'],dataset_2['y'],'o')
axes3.plot(dataset_3['x'],dataset_3['y'],'o')
axes4.plot(dataset_4['x'],dataset_4['y'],'o')
# 제목 출력
axes1.set_title('dataset_1')
axes2.set_title('dataset_2')
axes3.set_title('dataset_3')
axes4.set_title('dataset_4')
# 전체 제목 출력
fig.suptitle("Anscombe Data")
fig.tight_layout()

• 그래프 상에서 확인했을 때, 데이터의 분포가 아예 다른 것을 확인하였따.

시각화 라이브러리

• matplotlib
• seaborn
  - matplotlib 기반
• pandas
  - matplotlib 기반
• folium
  - 지도 출력

시각화의 목적

• 데이터를 탐색해서 새로운 비즈니스 인사이트나 데이터의 특성을 알아내기 위해서
• 가독성

matplotlib

• 시각화에 가장 많이 사용하는 라이브러리 중 하나

line plot

• 선 그래프
• 시계열 데이터와 같은 연속적인 값의 변화와 패턴을 파악하는데 적합하기 때문이다.
• 서울과 전라남도 사이 인구인동에 관한 시각화
• 데이터 : http://kosis.kr/search/search.do

• 서울과 전라남도 사이의 인구 이동에 대한 시각화

# 데이터 읽어오기
df=pd.read_excel('./data/시도_별_이동자수.xlsx',header=0)
print(df)
# NaN 이라면 앞에 있는 데이터로 값을 채워버리자.
df=df.fillna(method='ffill')
# 서울에서 다른 곳으로 이동한 데이터만 추출
# 추출 조건을 걸어버리자.
mask=(df['전출지별']=='서울특별시')&(df['전입지별']!='서울특별시')
df_seoul=df[mask]
print(df_seoul)
# 전출지별 이라는 열을 삭제하자.
df_seoul.drop(['전출지별'], axis=1, inplace=True)
print(df_seoul)
# 전입지별 -> 전입지 로 컬럼의 이름 변경
df_seoul.rename({'전입지별':'전입지'}, axis=1, inplace=True)
print(df_seoul)
# 전입지를 index로 설정하기. 
# 현재는 단순 수치 index가 있기에, 전입지가 key가 될 수 있기에 index로 설정
df_seoul.set_index('전입지',inplace=True)
print(df_seoul)
# 서울->전라남도 이동한 사람들을 보고 싶다.
# index가 전라남도인 데이터만 추출해보자.
sr_one=df_seoul.loc['전라남도']
print(sr_one)
sr_one.info()
# 연도 & 인구수 -> 선 그래프가 좋겠다.
plt.plot(sr_one.index, sr_one.values)
# 한글 출력을 위한 설정
from matplotlib import font_manager, rc
import platform
if platform.system()=='Darwin':
    rc('font', family='AppleGothic')
elif platform.system()=='Windows':
    font_name=font_manager.FontProperties(fname='c:/Windows/Fonts/malgun.ttf').get_name()
    rc('font', family=font_name)
plt.style.use('ggplot') # 스타일 설정
plt.figure(figsize=(14,5)) # 크기 설정
# X축 눈금 회전
plt.xticks(size=10, rotation='vertical')
# 그래프 설정
plt.plot(sr_one.index, sr_one.values, marker='o', markersize=10)
# 제목 설정 - 한글 (아마 깨질 것이다.)
plt.title('연도별 서울에서 전라남도로 이동한 인구수', size=30)
plt.xlabel('기간', size=20)
plt.ylabel('이동 인구 수 ', size=20)
# 범례
plt.legend(labels=['서울->전라남도'], loc='best', fontsize=15)
# y축 범위 지정
plt.ylim(10000,100000)
# 화살표 출력
plt.annotate("",xy=(13,70000), xytext=(2,20000), xycoords='data',
             arrowprops=dict(arrowstyle='->', color='pink', lw=5))
# 화살표 출력 2
plt.annotate("",xy=(45,25000), xytext=(20,58000), xycoords='data',
             arrowprops=dict(arrowstyle='->', color='skyblue', lw=5))
# 텍스트 출력
plt.annotate("인구이동 증가(1970-1985)", xy=(7, 25000), rotation=45,
            va='baseline', ha='center', fontsize=15)
plt.annotate("인구이동 증가(1985-현재)", xy=(35, 36000), rotation=-15,
            va='baseline', ha='center', fontsize=15)
# 그래프 출력
plt.show()

• 결과물

• 전남 -> 서울로 만들어보자.

# 서울에서 다른 곳으로 이동한 데이터만 추출
# 추출 조건을 걸어버리자.
mask2=(df
['전출지별']=='전라남도')&(df['전입지별']!='전라남도')
df_jn=df[mask2]
print(df_jn)
# 전출지별 이라는 열을 삭제하자.
df_jn.drop(['전출지별'], axis=1, inplace=True)
print(df_jn)
# 전입지별 -> 전입지 로 컬럼의 이름 변경
df_jn.rename({'전입지별':'전입지'}, axis=1, inplace=True)
print(df_jn)
# 전입지를 index로 설정하기. 
# 현재는 단순 수치 index가 있기에, 전입지가 key가 될 수 있기에 index로 설정
df_jn.set_index('전입지',inplace=True)
print(df_jn)
# 서울->전라남도 이동한 사람들을 보고 싶다.
# index가 전라남도인 데이터만 추출해보자.
sr_two=df_jn.loc['서울특별시']
print(sr_two)
sr_two.info()
plt.style.use('ggplot') # 스타일 설정
plt.figure(figsize=(14,5)) # 크기 설정
# X축 눈금 회전
plt.xticks(size=10, rotation='vertical')
# 그래프 설정
plt.plot(sr_two.index, sr_two.values, marker='o', markersize=10)
# 제목 설정 - 한글 (아마 깨질 것이다.)
plt.title('연도별 전라남도에서 서울로 이동한 인구수', size=30)
plt.xlabel('기간', size=20)
plt.ylabel('이동 인구 수 ', size=20)
# 범례
plt.legend(labels=['전라남도->서울'], loc='best', fontsize=15)
# y축 범위 지정
plt.ylim(10000,150000)
# 화살표 출력
plt.annotate("",xy=(5,130000), xytext=(2,20000), xycoords='data',
             arrowprops=dict(arrowstyle='->', color='pink', lw=5))
# 화살표 출력 2
plt.annotate("",xy=(45,25000), xytext=(17,90000), xycoords='data',
             arrowprops=dict(arrowstyle='->', color='skyblue', lw=5))
# 텍스트 출력
plt.annotate("인구이동 증가(1970-1975)", xy=(3, 25000), rotation=80,
            va='baseline', ha='center', fontsize=15)
plt.annotate("인구이동 감소(1985-현재)", xy=(30, 50000), rotation=-15,
            va='baseline', ha='center', fontsize=15)
# 그래프 출력
plt.show()

• 결과물

• 이번에는 그래프를 2개 그려보자.

# 2개의 그래프 그리기
fig=plt.figure(figsize=(10,10))
# 영역 생성
ax1=fig.add_subplot(2,1,1)
ax2=fig.add_subplot(2,1,2)
ax1.plot(sr_one, marker='o', markerfacecolor='blue', markersize=10,
        color='orange', linewidth=2, label='서울->전라남도')
ax2.plot(sr_two, marker='o', markerfacecolor='green', markersize=10,
        color='olive', linewidth=2, label='전라남도->서울')
ax1.legend(loc='best')
ax2.legend(loc='best')
ax1.set_ylim(10000,150000)
ax2.set_ylim(10000,150000)
ax1.set_xticklabels(sr_one.index, rotation=75)
ax2.set_xticklabels(sr_two.index, rotation=75)
plt.show()

• 두 선 그래프가 한 평면에 있으면 조금 더 잘 보일 것 같다.

• 이번에는 한 좌표평면 위에 선 그래프 2개를 그려보자.

# 한 영역 안에 그래프를 2개 그려보자.
# 한개의 plt에다가 그리면 된다. (subplot x)
plt.figure(figsize=(14,6))
plt.xticks(size=10, rotation='vertical')
plt.plot(sr_one.index, sr_one.values, marker='o', markersize=10, 
        markerfacecolor='blue', label='서울->전라남도')
plt.plot(sr_two.index, sr_two.values, marker='o', markersize=10, 
        markerfacecolor='green', label='전라남도->서울')
plt.title('서울<->전라남도', size=30)
plt.xlabel('기간', size=20)
plt.ylabel('인구 수', size=20)
plt.legend(loc='best', fontsize=15)
plt.ylim(10000,150000)
plt.xticks(size=10, rotation='vertical')
plt.show()

• 여러개 넣고 싶으면 plt 하나에 계속 작성하면 됩니다.

bar plot

• 막대 그래프
• 높이나 너비의 차이를 이용해서 크고 작음을 표현하거나 시간에 따른 변화를 표현할 때 주로 이용
• bar와 barh 함수로 막대 그래프 출력 (수직, 수평)
• 하나의 영역에 2개의 막대를 옆으로 배치하고자 하면, width속성을 이용한다.

sr_one을 이용해 막대 그래프 출력

• 데이터는 선그래프때 만든 데이터를 이용했다.

# 막대 그래프 출력
plt.bar(sr_one.index, sr_one.values, width=1.0, color='r')
plt.xticks(range(0,len(sr_one.index),1),sr_one.index, rotation='vertical')
plt.title('연도별 서울->전라남도 이주 인구 수 ')
plt.show()

여러 개의 데이터를 하나의 막대에 누적

# 서울에서 경기도, 충청남도, 전라남도, 경상남도 로 이주한 인구수를 표현
sr=df_seoul.loc[['경기도', '충청남도', '전라남도', '경상남도']]
# 행과 열 전치
sr=sr.T
# print(sr)
# 인덱스의 자료형을 정수로 변환(계산을 위해)
sr.index=sr.index.map(int)
plt.figure(figsize=(15,6))
# 축 이동을 위한 변수
x=pd.RangeIndex(0,len(sr.index),1)
# 경기도가 너무 차이나니까 잠깐 주석처리하고 그래프를 보자.
plt.bar(x,sr['경기도'], width=0.5, color='orange', label='경기도')
plt.bar(x+0.25,sr['충청남도'], width=0.5, color='olive', label='충청남도')
plt.bar(x+0.5,sr['전라남도'], width=0.5, color='blue', label='전라남도')
plt.bar(x+0.75,sr['경상남도'], width=0.5, color='pink', label='경상남도')
plt.xticks(range(0,len(sr_one.index),1), sr_one.index, rotation='vertical')
plt.title('서울에서 인구 이동')
# 범례를 넣어주자.
plt.legend()
plt.show()