실습_2. 논리적인 자료의 요약

참조

카페	카페인 함량	카페	카페인 함량
커피빈	202	빽다방	177
스타벅스	121	할리스	148
이디야	89	동네카페	121
투썸플레이스	137	엔제리너스	158

import numpy as np
from scipy import stats

coffee = np.array([202,177,121,148,89,121,137,158])

중심위치의 측도 : 평균

#평균계산
cf_mean = np.mean(coffee)

중심위치의 측도 : 중앙값

#중앙값 계산
cf_median = np.median(coffee)

중심위치의 측도 : 최빈값

#최빈값 계산
cf_mode = stats.mode(coffee)

#퍼진 정도의 측도 : 분산

#분산 계산
cf_var = variance(coffee)

퍼진 정도의 측도 : 표준편차

#표준편차 계산
cf_std = stdev(coffee)

퍼진 정도의 측도 : 범위

#범위 계산
cf_range = np.max(coffee) - np.min(coffee)

퍼진 정도의 측도 : 백분위수

#백분위수
cf_quant_20 = np.percentile(coffee, 20)
cf_quant_80 = np.percentile(coffee, 80)

퍼진 정도의 측도 : 사분위수 범위

#IQR 
q75, q25 = np.percentile(coffee,[75,25])
cf_IQR = q75-q25

퍼진 정도의 측도 : 변동계수

cf_cv = stdev(coffee)/np.mean(coffee)
cf_cv = round(cf_cv,2)

수치형 자료의 요약 : 도수분포표

주량 데이터 drink_cup의 도수 분포표를 그려보도록 하겠습니다.

1장에서는 참석 여부를 나타내는 범주형 자료의 도수 분포표를 그렸었는데요,

이번에는 수치형 자료인 “주량”으로 도수 분포표를 그려보도록 하겠습니다.

우선 print 문을 사용해서 데이터를 출력해 확인해보세요.

• 도수분포표 연속형 자료로 도수분포표를 만드려면 우선 구간을 나눠야 합니다. 이 구간을 계급이라고도 부릅니다. 저희는 주량 데이터를 4그룹으로 나눠보겠습니다.

  • factor_cup에 drink_cup 데이터의 cup으로 4개 범위를 쪼개어 저장해보겠습니다.

factor_cup = pd.cut(drink_cup.cup, 4)

• factor_cup 으로 그룹을 만들어 group_cup 에 저장해보겠습니다.

group_cup = drink_cup['cup'].groupby(factor_cup)

• 이 그룹별로 도수를 계산해 count_cup 에 저장해 출력해보겠습니다.

count_cup = group_cup.agg(['count'])

import numpy as np
import pandas as pd

# 주량 데이터
drink_cup = pd.DataFrame({'cup' :[22,7,19,3,10,8,19,7,15,9,35,5],'who' : [ 'A', 'E', 'D', 'B', 'C','A','A','A','D','B', 'C','B']})

print(drink_cup)

# 도수분포표

factor_cup = pd.cut(drink_cup.cup,4)
group_cup = drink_cup['cup'].groupby(factor_cup)
count_cup = group_cup.agg(['count'])

print(count_cup)

• 결과

 cup who
0    22   A
1     7   E
2    19   D
3     3   B
4    10   C
5     8   A
6    19   A
7     7   A
8    15   D
9     9   B
10   35   C
11    5   B
               count
cup                 
(2.968, 11.0]      7
(11.0, 19.0]       3
(19.0, 27.0]       1
(27.0, 35.0]       1

수치를 통한 연속형 자료의 요약 : 상자그림

카페	카페인 함량	카페	카페인 함량
커피빈	202	빽다방	177
스타벅스	121	할리스	148
이디야	89	동네카페	121
투썸플레이스	137	엔제리너스	158

from elice_utils import EliceUtils
import numpy as np
import matplotlib.pyplot as plt
elice_utils = EliceUtils()  

#카페인 함유량
coffee = np.array([202,177,121,148,89,121,137,158])

#상자그림
fig, ax = plt.subplots()
## 여기에 코드를 작성해주세요

plt.boxplot(coffee)

##
plt.show()
fig.savefig("box_plot.png")
elice_utils.send_image("box_plot.png")

• 결과

두 범주형 변수의 요약 : 분할표

두 범주형 변수를 요약할 수 있는 분할표를 만들어보겠습니다. mart.csv데이터에는 거주 지역region, 가족 구성원 수 family_num, 마트명 mart 이 있습니다. 이를 활용하여 지역별로 선호하는 마트, 가족구성원의 수별로 선호하는 마트에 대해 알아보겠습니다.

• 지역별로 선호하는 마트 지역별로 어느 마트를 선호하는지 확인하기 위해 분할표를 만들어 region_crosstab 에 저장해 확인해보겠습니다.

region_crosstab = pd.crosstab(mart['region'],mart['mart'])

• 가족구성원의 수별로 선호하는 마트 가족구성원의 수에 따라 어느 마트를 선호하는지 확인하기 위해 분할표를 만들어 #Q2 아래에 famnum_crosstab 에 저장해 확인해보겠습니다.

famnum_crosstab = pd.crosstab(mart['family_num'],mart['mart'])

import numpy as np 
import pandas as pd
import matplotlib as plt

# 데이터 불러오기
mart = pd.read_csv("mart.csv")
print(mart)

# Q1.지역별로 선호하는 마트
region_crosstab = pd.crosstab(mart['region'],mart['mart'])
print(region_crosstab)

# Q2. 가족구성원의 수별로 선호하는 마트
famnum_crosstab = pd.crosstab(mart['family_num'],mart['mart'])
print(famnum_crosstab)

    index       region  family_num      mart
0       1   gyeongsang           2     lotte
1       2      gangwon           2     lotte
2       3      gyonggi           2     emart
3       4   gyeongsang           3     lotte
4       5  chungcheong           4  homeplus
5       6  chungcheong           1    costco
6       7        seoul           4    costco
7       8       jeolla           1  homeplus
8       9        seoul           3  homeplus
9      10  chungcheong           4     emart
10     11      gyonggi           2     emart
11     12      gangwon           2  homeplus
12     13   gyeongsang           5     lotte
13     14  chungcheong           5    costco
14     15      gangwon           2  homeplus
15     16        seoul           3  homeplus
16     17       jeolla           3    costco
17     18      gyonggi           1  homeplus
18     19       jeolla           2  homeplus
19     20       jeolla           4    costco
20     21      gyonggi           4     emart
21     22       jeolla           3     emart
22     23      gangwon           1     emart
23     24        seoul           4     emart
24     25  chungcheong           3    costco
25     26      gyonggi           2     emart
26     27      gangwon           3  homeplus
27     28      gyonggi           5     lotte
28     29      gyonggi           2     lotte
29     30      gangwon           5     emart
30     31       jeolla           4  homeplus
31     32        seoul           1  homeplus
32     33  chungcheong           2     lotte
33     34        seoul           2    costco
34     35      gangwon           1     emart
35     36      gangwon           2    costco
36     37      gangwon           3     lotte
37     38       jeolla           5     emart
38     39        seoul           4     lotte
39     40      gyonggi           1  homeplus
40     41   gyeongsang           4     lotte
41     42   gyeongsang           4  homeplus
42     43   gyeongsang           4     lotte
43     44  chungcheong           1     emart
44     45   gyeongsang           5     lotte
45     46   gyeongsang           2     lotte
46     47   gyeongsang           1  homeplus
47     48        seoul           1     emart
48     49   gyeongsang           2     emart
49     50      gyonggi           1     lotte
mart         costco  emart  homeplus  lotte
region                                     
chungcheong       3      2         1      1
gangwon           1      3         3      2
gyeongsang        0      1         2      7
gyonggi           0      4         2      3
jeolla            2      2         3      0
seoul             2      2         3      1
mart        costco  emart  homeplus  lotte
family_num                                
1                1      4         5      1
2                2      4         3      5
3                2      1         3      2
4                2      3         3      3
5                1      2         0      3

두 수치형 변수의 요약 : 산점도

body.csv 파일에는 한 사람의 20년 신체 기록이 담겨있습니다. 키height, 몸무게 weight, 골격근량 muscle_mass, 체지방량 body_fat , 다리길이 leglen, 모발 hair 이 들어있습니다.

이를 가지고 두 연속형 변수의 관계를 요약해보겠습니다. 가장 직관적이고 한눈에 상관계수를 파악할 수 있는 산점도를 그려보겠습니다.

• 키와 몸무게의 관계

스크립트의 Q1 1-1에 키와 몸무게와의 관계를 볼 수 있는 산점도 코드를 작성하여 그려보세요.

plt.scatter(body['height'], body['weight'])

• 키와 체지방량의 관계

이를 응용하여 스크립트의 Q1 1-2에 키와 체지방량의 관계를 볼 수 있는 산점도 코드를 작성하여 그려보세요.

• 키와 다리길이의 관계

스크립트의 Q1 1-3에 키와 다리길이의 관계를 볼 수 있는 산점도 코드를 작성하여 그려보세요.

• 키와 모발의 관계

스크립트의 Q1 1-4에 키와 모발의 관계를 볼 수 있는 산점도 코드를 작성하여 그려보세요.

두 수치형 변수의 요약 : 공분산

body.csv 파일에는 한 사람의 20년 신체 기록이 담겨있습니다. 키height, 몸무게 weight, 골격근량 muscle_mass, 체지방량 body_fat , 다이길이 leglen, 모발 hair 이 들어있습니다.

산점도에서 본 직관적인 관계가 맞는지 직접 수치로 계산하여 공분산으로 판단해보겠습니다.

공분산 전체의 공분산을 계산해보고 cov_body에 저장해보겠습니다.

cov_body = body.cov()

from statistics import variance, stdev
import numpy as np 
import pandas as pd

# body.csv 읽어오기 
body = pd.read_csv("body.csv")

# 공분산
cov_body = body.cov()

print(cov_body)

                 height       weight    ...        leglen      hair
height       142.050000    44.607316    ...     92.332500 -1.420500
weight        44.607316  1144.833587    ...     28.994755 -0.446073
muscle_mass   11.784461     8.641430    ...      7.659900 -0.117845
body_fat      32.980749    34.839548    ...     21.437487 -0.329807
leglen        92.332500    28.994755    ...     60.016125 -0.923325
hair          -1.420500    -0.446073    ...     -0.923325  0.014205

[6 rows x 6 columns]

두 수치형 변수의 요약 : 상관계수

body.csv 파일에는 한 사람의 20년 신체 기록이 담겨있습니다. 키height, 몸무게 weight, 골격근량 muscle_mass, 체지방량 body_fat , 다이길이 leglen, 모발 hair 이 들어있습니다.

산점도에서 본 직관적인 관계가 맞는지 직접 수치로 계산하여 상관계수로 판단해보겠습니다.

상관계수 전체의 상관계수를 계산하여 corr_body 에 저장해보겠습니다.

corr_body = body.corr()

[실습6] 에서 그려보았던 산점도에서 본 직관적인 관계가 맞는지 직접 수치로 확인해보세요.

키와 몸무게의 관계 : 우 상향 직선, 기울기가 양수인 경향의 직선 키와 체지방량의 관계 : 우 하향 직선, 기울기가 음수인 경향의 직선 키와 다리 길이의 관계 : 모든 점이 정확히 기울기가 양수인 직선 키와 모발의 관계 : 모든 점이 정확히 기울기가 음수인 직선

from statistics import variance, stdev
import numpy as np 
import pandas as pd

# body.csv 읽어오기 
body = pd.read_csv("body.csv")

# 상관계수 
corr_body = body.corr()

print(corr_body)

               height    weight    ...       leglen      hair
height       1.000000  0.596670    ...     1.000000 -1.000000
weight       0.596670  1.000000    ...     0.596670 -0.596670
muscle_mass  0.156690  0.218316    ...     0.156690 -0.156690
body_fat     0.315368  0.632993    ...     0.315368 -0.315368
leglen       1.000000  0.596670    ...     1.000000 -1.000000
hair        -1.000000 -0.596670    ...    -1.000000  1.000000

[6 rows x 6 columns]