[제로베이스 데이터 취업스쿨] 23.07.01~02 스터디 노트

김준호·2023년 7월 3일

folium googlemap seaborn 제로베이스 데이터취업스쿨

데이터취업스쿨 스터디 노트

목록 보기

26/46

들어가기 전에 먼저 시각화 모듈 seaborn 알아보기

Seaborn

matplotlib에서보다 구체적으로 시각화 가능

커스터마이징

시작 전에 seaborn 모듈이 가상환경에 다운로드 되어있어야 한다.
안되어 있다면 주피터 노트북에서 다운
!conda install -y seaborn

sns.set_style()

"white", "whitegrid", "dark", "darkgrid"
sns.set_style("white")
plt.figure(figsize=(10,6))
plt.plot(x, y1, x, y2, x, y3, x, y4)
plt.show()

Seaborn에는 몇가지 예시로 데이터들이 들어있다.

그 중 tips 를 이용해 몇가지 정리

예제1. seaborn tips data

boxplot
swarmplot
lmplot

tips데이터 로드

boxplot()

plt.figure(figsize=(8,6))
sns.boxplot(x="day", y="total_bill", data=tips)
plt.show()

boxplot() hue, palette

plt.figure(figsize=(8,6))
sns.boxplot(x="day", y="total_bill", data=tips, 
hue="smoker", palette ="Set3")
plt.show()

swarmplot()

plt.figure(figsize=(8,6))
sns.swarmplot(x="day",y="total_bill", data=tips, color="0.8") 
#color 0~1 사이, 무채색, 높을수록 흰색
plt.show()

lmplot() : x,y 사이 관계 파악

sns.set_style("darkgrid")
sns.lmplot(x = "total_bill", y = "tip", data=tips, height = 7 ) #size -> height
plt.show()

hue option

sns.set_style("darkgrid")
sns.lmplot(x="total_bill", y="tip", data = tips, height=7,
hue="smoker")
plt.show()

예제2. seaborn flight data

heatmap

flight data 로드
flights = sns.load_dataset("flights")
flights.head()

pivot table로 데이터 정리

flights = flights.pivot(index="month", columns ="year", 
values ="passengers")
flights.head()

heatmap()
-

annot=True : heatmap안에 데이터 표시

fmt="d" : 정수형으로 ["f": 실수형]
plt.figure(figsize=(10,8))
# annot 은 데이터 값 표현, fmt="d" 는 정수형으로
sns.heatmap(data=flights, annot=True, fmt="d")
plt.show()

colornap

plt.figure(figsize=(10,8))
sns.heatmap(data=flights, annot=True, fmt="d", cmap="YlGnBu")
plt.show()

예제3. seaborn iris data

pairplot()

iris 데이터 로드
iris = sns.load_dataset("iris")
iris.tail()

pairplot() : 나올 수 있는 모든 경우 시각화
sns.set_style("ticks")
sns.pairplot(iris)
plt.show()

원하는 컬럼만 pairplot()

sns.pairplot(
    iris,
    x_vars = ["sepal_width","sepal_length"],
    y_vars = ["petal_width","petal_length"]
)
plt.show()

예제4. anscombe data

lmplot()

anscombe 데이터 로드
anscombe = sns.load_dataset("anscombe")
anscombe.head()

lmplot()사용해 dataset컬럼의 I 출력

sns.set_style("darkgrid")
sns.lmplot(
    x="x",
    y="y",
    data= anscombe.query("dataset=='I'"),
    ci = None,    # ci=신뢰구간 선택, 나중에 통계에서
    height=7,
    scatter_kws={"s":50}) #점의 크기
plt.show()

order = 1

sns.set_style("darkgrid")
sns.lmplot(
    x="x",
    y="y",
    data= anscombe.query("dataset=='II'"),
    order=1,
    ci = None,    # ci=신뢰구간 선택, 나중에 통계에서
    height=7,
    scatter_kws={"s":50}) #점의 크기
plt.show()

order = 2

동 떨어진 데이터 무시(노이즈, 예외 무시)
-처리 전

sns.set_style("darkgrid")
sns.lmplot(
    x="x",
    y="y",
    data= anscombe.query("dataset=='III'"),
    ci = None,    # ci=신뢰구간 선택, 나중에 통계에서
    height=7,
    scatter_kws={"s":50}) #점의 크기
plt.show()

처리 후(robust = True)

sns.set_style("darkgrid")
sns.lmplot(
    x="x",
    y="y",
    data= anscombe.query("dataset=='III'"),
    robust = True,
    ci = None,    # ci=신뢰구간 선택, 나중에 통계에서
    height=7,
    scatter_kws={"s":50}) #점의 크기
plt.show()

06. 서울시 범죄 현황 데이터 시각화

다시 matplotlib, seaborn 셋팅

import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import rc
plt.rcParams["axes.unicode_minus"] = False
rc("font", family="Malgun Gothic")
%matplotlib inline

가장 근래 정리 한 데이터 프레임 확인
crime_anal_norm.head()

pairplot으로 "인구수","CCTV"와 "살인","강도"의 상관관계

상관관계와 인과관계는 별계이다.
def drawGraph():
    sns.pairplot(
        data=crime_anal_norm,
        x_vars = ["인구수","CCTV"],
        y_vars = ["살인","강도"],
        kind = "reg",
        height = 4
    )
    plt.show()
drawGraph()

검거율 heatmap

def drawGraph():
    # 데이터 프레임 생성
    target_col = ["강간검거율","강도검거율","살인검거율","절도검거율",
    "폭력검거율","검거"]
    crime_anal_norm_sort = crime_anal_norm.sort_values(["검거"],
    ascending=False) #검거 기준 내림차순
    #그래프 설정
    plt.figure(figsize=(10,10))
    sns.heatmap(
        data = crime_anal_norm_sort[target_col],
        annot = True,
        fmt = "f", #d=정수, f=실수
        linewidths=0.5,  #heatmap 데이터들 간 간격
        cmap = "RdPu"
    )
    plt.title("범죄 검거 비율(정규화된 검거의 합으로 정렬)")
    plt.show()
drawGraph()

데이터 저장

crime_anal_norm.to_csv("../data/02. crime_in_Seoul_final.csv", 
sep=",", encoding="utf-8")

Folium

folium 모듈 다운
!pip install folium

사용할 모듈 불러오기
import folium
import pandas as pd
import json

folium.Map()
m = folium.Map(location = [37.5445644958079896, 127.05582307754338], 
zoom_start=14) # zoom_start 0~18
m
-location =[위도, 경도] : 중심으로 지도 표현
-zoom_start : 0~18으로 지도 표시

save()

#현재 위치에 .html로 저장
m.save("./folium.html")

folium.Maps(tiles option)
- "OpenStreetMap"

"Mapbox Bright" (Limited levels of zoom for free tiles)

"Mapbox Control Room" (Limited levels of zoom for free tiles)

"Stamen" (Terrain, Toner, and Watercolor)

"Cloudmade" (Must pass API key)

"Mapbox" (Must pass API key)

"CartoDB" (positron and dark_matter)
m = folium.Map(
    location = [37.5445644958079896, 127.05582307754338],
    zoom_start=14,  # zoom_start 0~18
    tiles ="OpenStreetMap" #지도 스타일
)
m

folium.Marker() : 마커 생성
구글맵에서 한국은 위도경도가 조회되지 않아 가까운 일본 아무곳이나 집어서 진행했다.

folium.Icon() : 마커에 아이콘

folium.ClickForMarker()
지도 위에 마우스 클릭 시 마커 생성

m = folium.Map(
    location = [33.08975432774437, 129.79180593984648], #후쿠오카 어딘가..
    zoom_start=14,  # zoom_start 0~18
    tiles ="OpenStreetMap" #지도 스타일
)
m.add_child(folium.ClickForMarker(popup="Click For Marker")) 
# 클릭해서 생성된 마커에 입력한 문자 출력

folium.LarLngPopup()
지도위에 마우스 클릭 시 위도,경도 정보를 반환

m = folium.Map(
    location = [33.08975432774437, 129.79180593984648], #후쿠오카 어딘가..
    zoom_start=14,  # zoom_start 0~18
    tiles ="OpenStreetMap" #지도 스타일
)
m.add_child(folium.LatLngPopup()) 
# 클릭한 곳의 위도, 경도 표시