데이터 분석(2)

파이차트

temp = titanic['Pclass'].value_counts()

plt.pie(temp.values, labels = temp.index, autopct = '%.2f%%')
plt.show()

 

 

파이차트 꾸미기

plt.pie(temp.values, labels = temp.index, autopct = '%.2f%%',
        startangle=90, counterclock=False,
        explode = [0.05, 0.05, 0.05], shadow=True)
plt.show()

 

 

countplot()

sns.countplot(x=boston['chas'])
plt.grid()
plt.show()

 

 

단변량분석: 숫자형 변수

 

 

kdeplot()

sns.kedplot(x='Price', data=data)
sns.kedplot(x='CompPrice, data=data)

plt.grid()
plt.show()

 

 

단변량분석: 범주형 변수

 

 

히트맵 그리기

# 상관계수 계산
corr_matrix = air.corr()

# 오존과 다른 변수 간의 상관계수 추출
ozone_corr = corr_matrix.loc['Ozone']

# 상관계수 내림차순 정렬
ozone_corr.sort_values(ascending=False, inplace=True)

# 열 지도 시각화
sns.heatmap(corr_matrix, annot=True)
plt.show()

 

 

pairplot()

sns.pairplot(air, kind='reg')
plt.show()

 

 

수치화: 상관분석

import scipy.stats as spst

# 상관계수와 p-value
spst.pearsonr(air['Temp'], air['Ozone'])

# 출력
PearsonRResult(statistic=0.6833717861490114, pvalue=2.197769800200284e-22)

 

 

피어슨 상관분석을 판정하는 법을 배웠습니다.

에이블스쿨에서 하나 하나 배울 수 있어서 좋습니다.

앞으로 있을 데이터 수집, 머신러닝, 딥러닝 등등 열심히 수강해보겠습니다!