[데이터 분석] 메타코드M '파이썬 입문 데이터분석 프로젝트 만들기' 강의 후기 (2/3)

 

  메타코드M의 '파이썬 입문 데이터분석 프로젝트 만들기' 강의에 대한 두번째 글이다. 이전 포스트에서는 파이썬 기초 문법과 데이터 전처리를 학습했다. 이번에는 데이터 시각화에 대해 공부할 것이다. 

메타코드M

 

 ※ 이전글: 2024.02.08 - [Python] - [데이터 분석] 메타코드M '파이썬 입문 데이터분석 프로젝트 만들기' 강의 후기 (1/3)

 

Index

파이썬 데이터 분석 프로젝트 #2

  주로 matplotlib나 seaborn 라이브러리를 사용해 시각화를 해왔는데 plotly.express라는 새로운 라이브러리를 import하여 여러 기능을 확인할 수 있어 참신했다. 

  데이터 시각화 챕터의 모든 코드를 다루지 않고 주요 코드를 공부하면서 제품 포트폴리오를 분석하는 프로젝트의 코드 중 생소한 부분을 정리할 것이다. 

선그래프

  facet_row 혹은 facet_col을 파라미터를 지정해 서브플롯을 구현하면 여러 개의 그래프를 그릴 수 있다. 아래 그래프는 facet_row를 지정하여 나타냈다.

import plotly.express as px

# 선 그래프 생성
line_fig = px.line(df_agg2
    , x="pickup_date"  # X축에 표시할 컬럼
    , y="total"  # Y축에 표시할 컬럼
    , color="payment"  # 각 선의 색상을 구분하기 위한 컬럼
    , facet_row="color"  # 서브플롯을 구분하기 위한 컬럼 (세로로 나누기)
    # facet_row="col_5"를 사용하면 가로로 나눌 수 있음
    #, title="title_name"  # 그래프의 제목
)
# line_fig.update_layout(xaxis_title="x_title_name", yaxis_title="y_title_name")

# 선 그래프 표시
line_fig.show()

 

히스토그램

  span을 설정해 필요한 부분을 강조할 수 있다.

avg = filtered_iris.sepal_length.mean()
std = filtered_iris.sepal_length.std()

import plotly.express as px

# 히스토그램 생성
fig = px.histogram(
    filtered_iris,  # 사용할 데이터셋
    x='sepal_length',  # x축에 사용할 열 이름
    height = 500,
    width = 700,
    title= f'{iris_name} histogram'
)


# 세로선 추가
fig.add_vline(
    x=avg,  # 세로선의 x축 위치
)

# 주석 추가
fig.add_annotation(
    x=avg ,  # 주석의 x축 위치
    y=30,  # 주석의 y축 위치
    text="{:.2f}".format(avg)  # 표시할 텍스트
)

# 세로 스팬 추가
fig.add_vrect(
    x0= avg-std,  # 스팬의 시작 x축 위치
    x1= avg+std,  # 스팬의 종료 x축 위치
    fillcolor="red",  # 스팬의 색상
    opacity=.2,  # 스팬의 불투명도
)

# 히스토그램 표시
fig.show()

제품 포트폴리오 분석

1. 데이터프레임 탐색

  구글 드라이브를 mount하여 pd.read_csv로 데이터프레임을 불러온 후 product_id, category, price라는 3가지 기준으로 그룹핑했다. 이전 강의와 마찬가지로 net profit ratio, total net profit과 같은 파생변수를 추가했다.

2. 데이터 시각화

fig = px.scatter(
    df_agg,
    x = 'total_revenue',
    y = 'net_profit_ratio',
    height = 500,
    width = 700,
    title = '제품 포트폴리오 분석',
    hover_name = 'product_id',
    size = 'total_net_profit',
    color = 'discount_ratio'
)

fig.show()

  산점도를 그리는 기능을 사용했다. 파라미터로 x, y축으로 사용할 컬럼을 정해주고 합계 총 이윤 (total_net_profit)에 따라 점의 크기가 달라지도록 설정했다. hover_name은 마우스 커서를 가져다 대면 해당 점의 product_id를 표시하도록 설정하는 파라미터이다.

  위 산점도로 총매출과 이익률, 그리고 할인율을 모두 파악할 수 있다. 예를 들어, 4개의 사분면으로 나누어 매출은 낮지만 이익률이 좋은 제품이 무엇인지, 또 그 제품이 할인폭이 크지 않았음에도 매출이 잘 나왔다면 이유가 무엇인지 추가적인 분석을 시도하는 것도 가능하다. 

---

  다음 글에서는 탐색적 데이터 분석 (EDA)과 지표 정의에 대해 다룰 예정이다.