[Python] Seaborn을 활용한 시각화 실습

단원별 심화 연습 문제¶

In [1]:

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import seaborn as sns
import glob

# set floating point formatting
pd.options.display.float_format = '{:,.1f}'.format

Q6¶

범위

• (이전 범위 포함)
• 시각화

rental.csv 파일을 로드하여 다음의 지시사항에 맞는 시각화 그래프를 생성하고 출력합니다.

• date - 시간. 연-월-일 시:분:초 로 표현합니다. (가령 2011-01-01 00:00:00은 2011년 1월 1일 0시 0분 0초)
• businessday - 근무일. 1이면 근무일이며, 0이면 근무일이 아닙니다.
• holiday - 공휴일. 1이면 공휴일이며, 0이면 공휴일이 아닙니다.
• season - 계절. 봄, 여름, 가을, 겨울 순으로 표현합니다.
• weather - 날씨. 1 ~ 4 사이의 값을 가지며, 구체적으로는 다음과 같습니다.
  • 1: 맑은 날씨
  • 2: 약간의 안개와 구름이 끼어있는 날씨
  • 3: 약간의 눈, 비가 오거나 천둥
  • 4: 아주 많은 비가 오거나 우박
• humid - 습도
• wind - 풍속
• temp - 온도
• sense_temp - 체감 온도
• onetime - 비회원의 공유킥보드 대여량.
• membership - 멤버십에 가입한 회원의 공유킥보드 대여량.
• count - 총 공유킥보드 대여랑. 비회원(onetime)과 멤버십 회원(membership)이 대여한 총 공유킥보드 대여량

In [2]:

# 데이터셋
rental = pd.read_csv('/mnt/elice/dataset/rental.csv')
rental.head()

Out[2]:

	date	businessday	holiday	season	weather	humid	wind	temp	sense_temp	onetime	membership	count
0	2011-01-01 00:00:00	0	0	1	1	81	0.0	9.8	14.4	3	13	16
1	2011-01-01 01:00:00	0	0	1	1	80	0.0	9.0	13.6	8	32	40
2	2011-01-01 02:00:00	0	0	1	1	80	0.0	9.0	13.6	5	27	32
3	2011-01-01 03:00:00	0	0	1	1	75	0.0	9.8	14.4	3	10	13
4	2011-01-01 04:00:00	0	0	1	1	75	0.0	9.8	14.4	0	1	1

date 컬럼의 월별 temp의 평균 온도를 bar 그래프로 생성합니다.

In [23]:

# 코드를 입력해 주세요

# date 컬럼을 datetime 형식으로 변환
rental['date'] = pd.to_datetime(rental['date'])

# date 컬럼에서 월을 추출하여 새로운 컬럼 생성
rental['month'] = rental['date'].dt.month

# 월별 temp의 평균 온도 계산
monthly_avg_temp = rental.groupby('month')['temp'].mean().reset_index()

# 바 그래프 생성
plt.bar(monthly_avg_temp['month'], monthly_avg_temp['temp'])
plt.show()

월별 temp의 평균 온도를 bar 그래프로 생성하되, 연도별로 분할하여 생성합니다.

In [33]:

# 코드를 입력해 주세요

# date 컬럼에서 연도와 월을 추출하여 새로운 컬럼 생성
rental['year'] = rental['date'].dt.year
rental['month'] = rental['date'].dt.month

# 연도별, 월별 temp의 평균 온도 계산
monthly_avg_temp = rental.groupby(['year', 'month'])['temp'].mean().unstack()

# 막대 그래프 생성
fig, ax = plt.subplots(figsize=(12, 8))

width = 0.35  # 막대 폭
months = monthly_avg_temp.columns

# 막대를 그리기 위한 위치 설정
x = np.arange(len(months))

ax.bar(x - width/2, monthly_avg_temp.loc[2011], width, label='2011')
ax.bar(x + width/2, monthly_avg_temp.loc[2012], width, label='2012')

# 레이아웃 조정 및 그래프 출력
#plt.xticks(rotation=0)
#plt.tight_layout()
plt.show()

월별 count를 연도별로 비교 bar 그래프로 생성합니다.

In [37]:

# 코드를 입력해 주세요

# 연도별, 월별 count의 합계 계산
monthly_count = rental.groupby(['year', 'month'])['count'].sum().unstack()

# 막대 그래프 생성
fig, ax = plt.subplots(figsize=(10, 6))

width = 0.35  # 막대 폭
months = monthly_count.columns

# 막대를 그리기 위한 위치 설정
x = np.arange(len(months))

bars1 = ax.bar(x - width/2, monthly_count.loc[2011], width, label='2011')
bars2 = ax.bar(x + width/2, monthly_count.loc[2012], width, label='2012')

# 중지점 설정
ax.set_xticks(x)
ax.set_xticklabels(months)

# 레이아웃 조정 및 그래프 출력
plt.xticks(rotation=0)
plt.tight_layout()
plt.show()

• 2011년도의 대여량(count)를 요일별 boxplot으로 시각화 합니다.
• 동일하게 2012년도의 대여량(count)를 요일별 boxplot으로 시각화 하여 비교합니다.

In [40]:

# 코드를 입력해 주세요

# date 컬럼에서 연도와 요일을 추출하여 새로운 컬럼 생성
rental['year'] = rental['date'].dt.year
rental['weekday'] = rental['date'].dt.dayofweek

# date 컬럼에서 연도와 요일을 추출하여 새로운 컬럼 생성
rental['year'] = rental['date'].dt.year
rental['weekday'] = rental['date'].dt.dayofweek

# 2011년도와 2012년도 데이터 분리
rental_2011 = rental[rental['year'] == 2011]
rental_2012 = rental[rental['year'] == 2012]

# 박스플롯 생성
fig, axes = plt.subplots(nrows=2, ncols=1, figsize=(12, 10), sharex=True)

# 색상 팔레트 설정
colors = sns.color_palette("Set3")

# 2011년도 요일별 대여량 박스플롯
sns.boxplot(x='weekday', y='count', data=rental_2011, ax=axes[0], palette=colors)
axes[0].set_title('2011 Yearly Rentals by Weekday')
axes[0].set_ylabel('Count')
axes[0].set_xlabel('')

# 2012년도 요일별 대여량 박스플롯
sns.boxplot(x='weekday', y='count', data=rental_2012, ax=axes[1], palette=colors)
axes[1].set_title('2012 Yearly Rentals by Weekday')
axes[1].set_ylabel('Count')
axes[1].set_xlabel('Weekday')

# 레이아웃 조정 및 그래프 출력
plt.tight_layout()
plt.show()

2011년도의 대여량(count)을 시간대(hour) / dayofweek로 나누어 point plot을 생성하세요

In [45]:

# 코드를 입력해 주세요

# date 컬럼에서 연도, 요일, 시간 추출하여 새로운 컬럼 생성
rental['year'] = rental['date'].dt.year
rental['dayofweek'] = rental['date'].dt.dayofweek
rental['hour'] = rental['date'].dt.hour

# 2011년도 데이터 필터링
rental_2011 = rental[rental['year'] == 2011]

# 포인트 플롯 생성
#plt.figure(figsize=(14, 8))
sns.pointplot(x='hour', y='count', hue='dayofweek', data=rental_2011)
#plt.legend(title='Day of Week', labels=['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'])
plt.tight_layout()
plt.show()

2012년도 데이터를 대상으로 month를 인덱스, dayofweek를 컬럼으로 갖는 wind에 대한 피벗테이블을 완성 후 다음의 히트맵을 출력하세요

• hint. 컬러맵은 다음을 활용합니다. cmap='coolwarm'

In [51]:

# 코드를 입력해 주세요

# date 컬럼에서 연도, 월, 요일 추출하여 새로운 컬럼 생성
rental['year'] = rental['date'].dt.year
rental['month'] = rental['date'].dt.month
rental['weekday'] = rental['date'].dt.dayofweek

# 2012년도 데이터 필터링
rental_2012 = rental[rental['year'] == 2012]

# 피벗 테이블 생성
pivot_table = rental_2012.pivot_table(values='wind', index='month', columns='weekday', aggfunc='mean')

# 히트맵 생성
plt.figure(figsize=(12, 8))
sns.heatmap(pivot_table, cmap='coolwarm', annot=True)
plt.xticks(ticks=[0.5 + i for i in range(7)], labels=['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'])
plt.show()

rental 데이터프레임에 대한 각 특성(feature)별 상관관계를 완성한 후 다음의 히트맵을 완성하세요.

• hint. 컬러맵은 다음을 활용합니다. cmap='Greens'

In [52]:

# 코드를 입력해 주세요

# 상관관계 계산
corr_matrix = rental.corr()

# 히트맵 생성
plt.figure(figsize=(12, 10))
sns.heatmap(corr_matrix, cmap='Greens', annot=True, fmt='.2f')
plt.title('Correlation Matrix of Rental Features')
plt.show()

제출¶

제출을 위해 새로 불러온 rental.csv 데이터에서 2011년도의 대여량(count)을 시간대(hour) / dayofweek로 나누어 point plot을 그리세요.

In [53]:

rental = pd.read_csv('/mnt/elice/dataset/rental.csv')
rental['date'] = pd.to_datetime(rental['date'])
rental['year'] = rental['date'].dt.year
rental['dayofweek'] = rental['date'].dt.dayofweek
rental['hour'] = rental['date'].dt.hour

plt.figure(figsize=(12, 6))

# TODO: 조건에 맞는 point plot을 그리세요.

# 2011년도 데이터 필터링
rental_2011 = rental[rental['year'] == 2011]

# 포인트 플롯 생성
sns.pointplot(x='hour', y='count', hue='dayofweek', data=rental_2011)
#plt.show()

# 이 아래를 수정하면 제대로 채점되지 않습니다.
plt.tight_layout()
plt.savefig('result.png')