-
서울특별시 구별 CCTV 현황 분석Python 2018. 2. 10. 22:14
[출처] 파이썬으로 데이터 주무르기, 민형기 지음, BJPublic, p23 ~ 72
In [70]:# 패키지 로딩하기 import pandas as pd import numpy as np import matplotlib.pyplot as plt from matplotlib import font_manager, rc %matplotlib inline
In [3]:# csv 데이터 불러오기 cctv_seoul = pd.read_csv("01. CCTV_in_Seoul.csv", encoding = "UTF-8")
In [5]:# 데이터의 일부 보기 cctv_seoul.head()
Out[5]:In [6]:# 데이터의 변수명 보기 cctv_seoul.columns
Out[6]:In [7]:# 첫 번째 변수명 보기 cctv_seoul.columns[0]
Out[7]:In [10]:# 변수명 변경하기 cctv_seoul.rename(columns = {cctv_seoul.columns[0] : "구별"}, inplace = True) cctv_seoul.head()
Out[10]:In [52]:# excel 데이터 불러오기 pop_seoul = pd.read_excel("01. population_in_Seoul.xls", encoding="UTF-8") pop_seoul.head()
Out[52]:In [53]:# excel 데이터 불러오기 pop_seoul = pd.read_excel("01. population_in_Seoul.xls", encoding = "UTF-8", header = 2, parse_cols = "B, D, G, J, N") pop_seoul.head()
Out[53]:In [54]:# 변수명 변경하기 pop_seoul.rename(columns = {pop_seoul.columns[0] : "구별", pop_seoul.columns[1] : "인구수", pop_seoul.columns[2] : "한국인", pop_seoul.columns[3] : "외국인", pop_seoul.columns[4] : "고령자",}, inplace = True) pop_seoul.head()
Out[54]:In [16]:# 행 이름 pop_seoul.index
Out[16]:In [17]:# 데이터의 정보 pop_seoul.info()
In [18]:# 기술통계량 구하기 pop_seoul.describe()
Out[18]:In [21]:# 정렬하기 : 내림차순 pop_seoul.sort_values(by = "인구수", ascending = False)
Out[21]:In [22]:# 특정 변수만 불러오기 pop_seoul["인구수"]
Out[22]:In [23]:# 일부의 행만 불러오기 pop_seoul[0:3]
Out[23]:In [29]:# 하나의 열만 추출하기 pop_seoul.loc[: , "구별"]
Out[29]:In [30]:# 한 개 이상의 열을 추출하기 pop_seoul.loc[: , ["구별", "인구수"]]
Out[30]:In [34]:# 특정한 행과 특정한 열만 추출하기 # 구별 열만 추출하기 pop_seoul.loc[pop_seoul.구별 == "양천구", "인구수"]
Out[34]:In [35]:# iloc를 이용한 특정한 행과 열을 추출하기 pop_seoul.iloc[1:3, 2:4]
Out[35]:In [37]:# 데이터 복사하기 pop_seoul2 = pop_seoul.copy() pop_seoul2.head()
Out[37]:In [42]:# 구별에 용산구가 있는지를 확인 pop_seoul["구별"].isin(["용산구"])
Out[42]:In [44]:# 양적 자료인 열에 대한 누적합 구하기 pop_seoul.iloc[:, 1:4].apply(np.cumsum)
Out[44]:In [49]:# 양적 자료인 열에 대한 범위 구하기 pop_seoul.iloc[:, 1:4].apply(lambda x: x.max() - x.min())
Out[49]:In [55]:# 첫 행 제거하기 pop_seoul.drop([0], inplace = True) pop_seoul.head()
Out[55]:In [56]:# 구별 목록 보기 pop_seoul["구별"].unique()
Out[56]:In [57]:# NAN 추출하기 pop_seoul[pop_seoul["구별"].isnull()]
Out[57]:In [58]:# 구별에 NAN을 포함하는 행 삭제하기 pop_seoul.drop([26], inplace = True) pop_seoul.head()
In [60]:# 새로운 변수 만들기 pop_seoul["외국인비율"] = (pop_seoul["외국인"] / pop_seoul["인구수"])*100 pop_seoul["고령자비율"] = (pop_seoul["고령자"] / pop_seoul["인구수"])*100 pop_seoul.head()
Out[60]:In [61]:# 인구수를 기준으로 내림차순으로 정렬하기 pop_seoul.sort_values(by = "인구수", ascending = False) pop_seoul.head()
Out[61]:In [62]:# CCTV와 인구 데이터 합치기 seoul = pd.merge(cctv_seoul, pop_seoul, on = "구별") seoul.head()
Out[62]:In [65]:# 특정한 열 삭제하기 del seoul["2013년도 이전"] del seoul["2014년"] del seoul["2015년"] del seoul["2016년"] seoul.head()
Out[65]:In [66]:# 기준 세팅하기 seoul.set_index("구별", inplace = True) seoul.head()
Out[66]:In [67]:# 상관계수 구하기 np.corrcoef(seoul["고령자비율"], seoul["소계"])
Out[67]:In [68]:# 상관계수 구하기 np.corrcoef(seoul["외국인비율"], seoul["소계"])
Out[68]:In [69]:# 상관계수 구하기 np.corrcoef(seoul["인구수"], seoul["소계"])
Out[69]:In [84]:# 가로막대 그래프 font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name() rc('font', family=font_name) seoul["소계"].plot(kind = "barh", grid = True, figsize = (10, 10)) plt.show()
In [85]:# 가로막대 그래프 seoul["소계"].sort_values().plot(kind = "barh", grid = True, figsize = (10, 10)) plt.show()
In [86]:seoul["CCTV비율"] = (seoul["소계"] / seoul["인구수"])*100 seoul["CCTV비율"].sort_values().plot(kind = "barh", grid = True, figsize = (10, 10)) plt.show()
In [90]:# 산점도 작성하기 plt.figure(figsize = (10, 10)) plt.scatter(seoul["인구수"], seoul["소계"], s = 50) plt.xlabel("인구수") plt.ylabel("CCTV") plt.grid() plt.show()
In [92]:fp1 = np.polyfit(seoul["인구수"], seoul["소계"], 1) f1 = np.poly1d(fp1) fx = np.linspace(100000, 700000, 100)
In [93]:plt.figure(figsize = (10, 10)) plt.scatter(seoul["인구수"], seoul["소계"], s = 50) plt.plot(fx, f1(fx), ls = "dashed", lw = 3, color = "g") plt.xlabel("인구수") plt.ylabel("CCTV") plt.grid() plt.show()
In [94]:fp1 = np.polyfit(seoul["인구수"], seoul["소계"], 1) f1 = np.poly1d(fp1) fx = np.linspace(100000, 700000, 100) seoul["오차"] = np.abs(seoul["소계"] - f1(seoul["인구수"])) seoul_sort = seoul.sort_values(by = "오차", ascending = False) seoul_sort.head()
Out[94]:In [95]:plt.figure(figsize = (10, 10)) plt.scatter(seoul["인구수"], seoul["소계"], c = seoul["오차"], s = 50) plt.plot(fx, f1(fx), ls = "dashed", lw = 3, color = "g") for n in range(10): plt.text(seoul_sort["인구수"][n]*1.02, seoul_sort["소계"][n]*0.98, seoul_sort.index[n], fontsize = 15) plt.xlabel("인구수") plt.ylabel("CCTV") plt.colorbar() plt.grid() plt.show()
01서울시 구별 CCTV 현황 분석 'Python' 카테고리의 다른 글
seaborn 패키지를 이용한 상자그림(Boxplot) 작성하기 (0) 2018.02.19 %matplotlib inline (0) 2018.02.19 문자열(string) (0) 2018.02.10 python기초 (0) 2018.01.31 Python으로 Big Data 분석하기 (0) 2018.01.31
01서울시 구별 CCTV 현황 분석.ipynb
