Open in app

Sign in

Write

Sign in

초심자를 위한 데이터 시각화 (EDA) 가이드라인 실습

Bonnie BK
BON DATA
Published in
29 min readMar 11, 2021

(2) 뉴욕 바이크 대여 기록 데이터 기반 실습

이전 포스팅에 이어서 Jupyter Notebook 기반으로 실습해봅니다. Jupyter Notebook에서 예제 기반으로 작성한 가이드라인을 설명할 예정입니다. 각 상황별로 어떤 시각화 방식을 택하는 게 좋고 파이썬 코드는 어떻게 작성하면 되는지에 대한 매뉴얼입니다.

목차

  1. 데이터 시각화란?
  2. EDA란?
  3. 실전에선 어떤 툴을 쓰는가?
  4. 데이터 시각화 (EDA) 가이드라인 with Python
이번 포스팅은 목차의 4를 다루는 핵심 포스트입니다.

시작하기 전, 아래 링크에서 (1) 데이터와 (2) 노트북 파일을 받으실 수 있습니다.

  • nyc_citibike.csv
  • Session 03.EDA Guideline.ipynb

BokyungChoi/teaching_in_GrowthHackers

what I taught in Growthhackers SNU. Contribute to BokyungChoi/teaching_in_GrowthHackers development by creating an…

github.com

EDA Guideline

📍 Basic Setups

시각화를 진행함에 있어 필요한 패키지를 설치합니다.

# Install pip packages in the current Jupyter kernel

import sys
!{sys.executable} -m pip install numpy
!{sys.executable} -m pip install pandas
!{sys.executable} -m pip install matplotlib==3.0.3
!{sys.executable} -m pip install seabornimport numpy as np
import pandas as pd
import matplotlib.pyplot as plt 
import seaborn as sns 

# 커널을 구성하다보면 에러는 아니지만, 빨간색 네모 박스 warning이 뜨는 경우를 제거 
import warnings
warnings.filterwarnings('ignore')

브라우저에서 바로 차트를 볼 수 있게 하며, 디렉토리를 변경해 csv 파일을 읽어줍니다.

# notebook을 실행한 브라우저에서 바로 그림을 볼 수 있게 해주는 라인
%matplotlib inline# os 패키지를 통해 현재 디렉토리 위치를 변경하고, read_csv를 더 편리하게 함
import os
os.getcwd() # 현재 디렉토리 파악
os.chdir(r"______") # 불러오고 싶은 파일이 위치한 주소를 ___에 입력

Jupyter Notebook에서 시각화할때, matplotlib가 한글 폰트 지원하지 않아, 깨지는 현상을 따로 처리해줘야 합니다.

# 다른 노트북 작성할 때도 이 셀만 떼서 사용 가능하다.
import matplotlib.pyplot as plt 
import platform                

# 웬만하면 해주는 것이 좋다.
from matplotlib import font_manager, rc
plt.rcParams['axes.unicode_minus']= False

if platform.system() == 'Darwin': # 맥os 사용자의 경우에
    plt.style.use('seaborn-darkgrid') 
    rc('font', family = 'AppleGothic')
    
elif platform.system() == 'Windows':# 윈도우 사용자의 경우에
    path = 'c:/Windows/Fonts/malgun.ttf'
    font_name = font_manager.FontProperties(fname=path).get_name()
    plt.style.use('seaborn-darkgrid') # https://python-graph-gallery.com/199-matplotlib-style-sheets/
    rc('font', family=font_name)

📍 1. 데이터프레임 확인

# 한글이 들어간 csv는 encoding 인자를 넣어주는 것이 좋음df=pd.read_csv("nyc_citibike.csv",encoding='euc-kr') 
df.head()
# 데이터 shape 파악
df.shape# 데이터 통계량 파악
df.describe()
png
# 결측치 개수 파악
# 셀 실행 결과를 데이터프레임으로 보고 싶을 때 to_frame()과 pd.DataFrame() 두 가지를 사용 가능
df.isnull().sum().to_frame('nan_count')
png
# 결측치 비율 파악
pd.DataFrame(data=df.isnull().sum()/len(df),columns=['nan_ratio'])
png

결측치가 있다면 결측치에 대한 전처리를 거쳐줘야 합니다. 현 예시에서는 없으니, 패스합니다. 결측치 제거 참고

# 변수 타입 파악
df.dtypesstart_date                  object
end_date                    object
start_hour                   int64
end_hour                     int64
trip_duration                int64
start_station_id             int64
start_station_name          object
start_station_latitude     float64
start_station_longitude    float64
end_station_id               int64
end_station_name            object
end_station_latitude       float64
end_station_longitude      float64
bike_id                      int64
usertype                    object
birth_year                   int64
gender                      object
day_since_register           int64
dtype: object

가장 먼저, 범주형 변수, 연속형 변수 두가지를 구분하고 시작

범주형 변수 : 빈도(frequency) 계산 가능
연속형 변수 : 평균, 표준편차, 분산 등의 수학적 계산 가능

df['start_station_id']=df['start_station_id'].astype(str)
df['end_station_id']=df['end_station_id'].astype(str)
df['bike_id']=df['bike_id'].astype(str)df.dtypes
  • dtypes로 전체 변수 타입을 확인할때, 범주형이어도 연속형 변수 dtype일 수 있습니다
  • 이 예시에서는 trip_duration, day_since_register 연속형 변수, 그 외는 다 범주형입니다.
  • 실제로 연속형이 아닌데, int64(연속형)인 변수들을 string으로 만들어줍니다.
start_date                  object
end_date                    object
start_hour                   int64
end_hour                     int64
trip_duration                int64
start_station_id            object
start_station_name          object
start_station_latitude     float64
start_station_longitude    float64
end_station_id              object
end_station_name            object
end_station_latitude       float64
end_station_longitude      float64
bike_id                     object
usertype                    object
birth_year                   int64
gender                      object
day_since_register           int64
dtype: object

📍 2. 데이터 도메인과 변수 이해

먼저, 가지고 있는 데이터에 대해서 이해하기 위해서는 어떤 변수들이 있는지 그리고 각 변수들의 의미와 풀고자하는 문제 간의 연관성 등을 파악해야 합니다.

  • 변수 이름
  • 변수 타입
  • 변수들의 Segmentation

nyc_citibike 예시에서는 아래와 같이 Segmentation 해볼 수 있다.

1. 주행시간 변수 (start_date, end_date, start_hour, end_hour, trip_duration)

2. 주행위치 변수 (start_station_id,start_station_name, start_station_latitude, start_station_longitutde, end_station_id,end_station_name, end_station_latitude, end_station_longitude)

3. 대여바이크종류 변수 (bike_id)

4. 유저정보 변수 (usertype, birth_year, gender,day_since_register)

  • 단변수 분석에서, 변수들에 대해 알고 싶은 정보를 생각합니다.

1. 평균적 trip_duration은 얼마일까?

2. 가장 기록(=대여 건 수)이 많은 start_hour는 언제일까?

3. 유저들 성별 분포는 어떨까?

  • 서로 영향을 줄 변수들에 대한 기대 가설을 세워봅니다.

신규 가입자들이 한번 탈 때 더 짧게 쓰지 않을까?

gender에 따라 trip_duration이 다르지 않을까? 어떻게 다를까?

start_hour이 새벽 시간대일수록 trip_duration이 짧지 않을까?

  • 실제 EDA 후 기대한 가설과 결과를 보며 해석합니다.

📍 3. 단일 변수 분석

3.1 (맞추고자 하는 타겟값 y부터 분석) 연속형 변수 분포 파악

데이터에서 예측하고자 하는 타겟 y변수가 있다면, 타겟값부터 분석합니다.

  • 이 예시의 y값은 연속형 변수로, 이 목차는 연속형 변수에 대한 분석 방법으로 이해하면 됩니다.
  • y값이 범주형 변수라면 다음 목차(범주형 변수의 빈도 파악)을 우선적으로 진행합니다.
# 분석 결과의 이해를 돕기위해 데이터 단위를 바꿔줄 수도 있다.
# 현재 예시 df에서 trip_duration은 second 단위여서 직관적으로 와닿지 않는다.
# trip_duration_min으로 바꿔준다.
df['trip_duration_min']=df['trip_duration'] /60

3.1.1 통계량 파악

df['trip_duration_min'].describe()count    72035.000000
mean        17.445851
std        135.661662
min          1.016667
25%          6.633333
50%         11.350000
75%         20.016667
max      22407.700000
Name: trip_duration_min, dtype: float64

단순히 실행 결과로 끝나지 말고 해석 보태기

가장 작게 빌린 건수는 1분, 평균적으로 17분을 대여한다. 최대값이 22407분인 것을 보아 outlier(정상적이지 않은 대여패턴)가 데이터에 속해 있을 것이다.

3.1.2 분포(경향 위주) 파악

데이터가 많고 연속형으로, 그 경향을 파악하기에는
seaborn 패키지의 두 플랏을 추천합니다. Seaborn 활용한 Distribution 파악
seaborn에서의 단변수 플라팅은 distplot과 kdeplot이 있는데,

  • kdeplot = Kernel Density Estimation Plot.
    확률밀도가 추정되어 discrete 변수를 continuous하게 만들어 준다.
  • distplot = kdeplot + histogram [선호]
# kdeplot
# 빈 캔버스 사이즈 지정
plt.figure(figsize=(10,5))

# 캔버스에 그림 그리기
kde=sns.kdeplot(df['trip_duration_min']) 
kde.set_xlabel("바이크 주행 시간(분)")
kde.set_ylabel("비율")

# 다 그려진 캔버스 보여주기
plt.show()
png
# distplot, shade 연한 하늘색 네모가 histogram입니다plt.figure(figsize=(10,5)) # 빈 캔버스 사이즈 지정
dist=sns.distplot(df['trip_duration_min']) # kde=False를 넣어보자
dist.set_xlabel("바이크 주행 시간(분)")
dist.set_ylabel("비율")
plt.show() # 다 그려진 캔버스 보여주기
png
#skewness and kurtosis
print("Skewness: %f" % df['trip_duration_min'].skew())
print("Kurtosis: %f" % df['trip_duration_min'].kurt())Skewness: 116.002624
Kurtosis: 15913.196644

분포를 보고 생각해야 하는 기본 3가지

  1. 정규분포를 따르고 있는가 / 정규분포와 유사한 형태를 띄는가?
    (플라팅을 통해 눈으로 or 더 정확하고 싶으면 정규분포인지 통계적으로 검정)
    왜 정규분포를 따라야하는지 더 알고싶으면?
  2. 눈에 띄는 치우침 정도가 있는가 (skewness)?
  3. 얼마나 뾰족한가 (kurtosis)?

3.1.3 (y값 기준) 이상치 제거

위에서 살펴본 바 목표로 하는 y값에 과하게 큰 값이 있어, 이상치를 제거한 후에 EDA를 진행하고자 합니다.

아웃라이어가 y변수 분포 상에 존재하면..

  • 향후 이진 변수 분석에서 다른 변수들과 ~ y 관계를 볼 때도 분포가 길게 늘어져 세밀하게 볼 수 없습니다.
  • 아웃라이어가 만들고자하는 모델의 성능에 큰 영향을 미칩니다.
  • 그렇다고, 완전히 제거하는 것보다 아웃라이어만 떼서 살펴볼 필요도 있습니다. 가지고 있는 데이터에 대한 의미있는 정보를 줄 수도 있기 때문입니다.

이상치를 제거하는 방법은 아주 다양한데,

일단은 y값 기준 최상위 1% 값을 제거하는 방식을 택해봅니다.

# 상위 99% 값을 cut_point로 지정
cut_point = df["trip_duration_min"].quantile(0.99)df_cut=df[df['trip_duration_min'] < cut_point]

이상치를 제거하고 분포를 다시 그려보면

# 단순 pandas visualization 활용!
plt.figure(figsize=(10,5))
df_cut['trip_duration_min'].hist()
plt.show()
png
# seaborn의 distplot, shade 연한 하늘색 네모가 histogram
plt.figure(figsize=(10,5)) # 빈 캔버스 사이즈 지정
dist=sns.distplot(df_cut['trip_duration_min'],kde=False) # kde=False를 넣어보자
dist.set_xlabel("바이크 주행 시간(분)")
dist.set_ylabel("비율")
plt.show() # 다 그려진 캔버스 보여주기
png
#skewness and kurtosis
print("Skewness: %f" % df_cut['trip_duration_min'].skew())
print("Kurtosis: %f" % df_cut['trip_duration_min'].kurt())Skewness: 1.418011
Kurtosis: 2.307984

분포를 보고 생각해야 하는 기본 3가지

  1. 정규분포를 따르고 있는가 / 정규분포와 유사한 형태를 띄는가?
    (플라팅을 통해 눈으로 or 더 정확하고 싶으면 정규분포인지 통계적으로 검정)
    왜 정규분포를 따라야하는지 더 알고싶으면?
  2. 눈에 띄는 치우침 정도가 있는가 (skewness)?
  3. 얼마나 뾰족한가 (kurtosis)?
이미지 출처, 더 자세한 설명은 여기로

3.2 범주형 변수의 빈도 파악

3.2.1 범주형 변수가 30개 이하일 때, 빈도표(Counting and Basic Frequency Plots)

30개가 아니더라도, 범주형 변수의 고유 값이 X축에 전부 표현될 수 있을 때

A. Pandas visualization 활용 dataframe.plot() 형태
장점: 정말 편하고, customizing이 쉽고, 구글링할 자료가 많다
단점: 타 패키지보다 덜 예쁘다

# 대여 시작 시간대(start_hour)의 빈도표
df_cut['start_hour'].value_counts()18    8171
17    7954
8     6640
19    5576
16    4687
9     4265
7     3971
20    3624
15    3544
14    3398
13    3210
12    3109
11    2763
10    2640
21    2374
6     1855
22    1574
23     918
5      476
0      235
1      110
4       77
2       77
3       66
Name: start_hour, dtype: int64# 시간대 순(x축에 따라) 으로 정렬
plt.figure(figsize=(10,5))# 있어도 되고 없어도 되는 코드, 다만 캔버스를 준비한다는 의미
df_cut['start_hour'].value_counts().sort_index(ascending=True).plot(kind='bar')
plt.xlabel('대여 시작 시간대')
plt.ylabel('count')
plt.title('대여 시작 시간대별 이용 기록 수')
plt.show() # 캔버스를 보여준다
png
# 빈도가 적은 순으로 정렬
plt.figure(figsize=(10,5))# 있어도 되고 없어도 되는 코드, 다만 캔버스를 준비한다는 의미
df_cut['start_hour'].value_counts(ascending=True).plot(kind='bar')
plt.xlabel('대여 시작 시간대')
plt.ylabel('count')
plt.title('대여 시작 시간대별 이용 기록 수')
plt.show() # 캔버스를 보여준다
png
# 빈도가 많은 순으로 정렬
plt.figure(figsize=(10,5)) # 있어도 되고 없어도 되는 코드, 다만 캔버스를 준비한다는 의미
df_cut['start_hour'].value_counts().plot(kind='bar')
plt.xlabel('대여 시작 시간대')
plt.ylabel('count')
plt.title('대여 시작 시간대별 이용 기록 수')
plt.show() # 캔버스를 보여준다
png

해석 보태기

주로 오후 5–6시가 가장 많은 대여 건수를 보였고, 그 다음은 오전 8시가 많았다. 뉴욕 기준 퇴근과 출근 시간대의 양상을 반영하고 있다.
새벽 시간대 특히 0시 ~ 4시에서 대여 건수가 지나치게 낮다.

# 성별 (gender) 의 빈도표
plt.figure()
df_cut['gender'].value_counts().plot(kind='barh')
plt.xlabel('count')
plt.ylabel('성별')
plt.title('이용자 성별에 따른 기록 수')
plt.show()
png

해석 보태기

남성 사용자 48310명으로, 여성 사용자 16568명에 비해 3배 가량 많았다.

3.2.2 범주형 변수가 30개 이상일 때, 빈도표(Counting and Basic Frequency Plots)

30개가 넘지 않더라도, 범주형 변수의 고유 값이 X축에 전부 표현되기 어려울 때

범주형 변수의 고유값이 많을 때, 상위 또는 하위 n개로 자르고 Horizontal로 시각화합니다.

# start_station 대여 시작 지점별 빈도
# .nlargest(N) 는 N개 가장 큰 값을 가져와라
df_cut['start_station_name'].value_counts().nlargest(10)Pershing Square North    749
West St & Chambers St    504
Broadway & E 22 St       501
W 21 St & 6 Ave          468
8 Ave & W 33 St          443
E 17 St & Broadway       442
E 47 St & Park Ave       441
W 41 St & 8 Ave          436
W 22 St & 10 Ave         431
W 38 St & 8 Ave          407
Name: start_station_name, dtype: int64plt.figure(figsize=(10,6))
df_cut['start_station_name'].value_counts().nlargest(10).plot(kind='barh')
plt.xlabel('count')
plt.ylabel('Top 10 대여 시작 지역')
plt.title('상위 10개 대여 시작 지역과 대여 건수')
plt.show()
png

📍 4. 이진 변수 분석

단일 변수, 즉 변수 하나가 아닌 두 변수간의 관계를 살핍니다.

4.1 연속형 변수 — 연속형 변수 관계

  • 가설 예시: 신규 가입자(day_since_register이 작을수록)일수록, 주행 시간(trip_duration)이 더 짧지 않을까?
  • 가설 검증: 가입한 지 기간(x)과 주행 시간(y)의 관계를 보자.

4.1.1 Scatterplot

Pandas Visualization 활용

# pandas dataframe의 함수 plot()
plt.figure(figsize=(10,5))
df.plot.scatter(x='day_since_register',y='trip_duration_min')
plt.show()<Figure size 720x360 with 0 Axes>
png

4.1.2 Scatterplot with Regression fit

Seaborn 활용

plt.figure(figsize=(10,5))
reg=sns.regplot(x=df['day_since_register'],y=df['trip_duration_min'],
                line_kws={"color":"red","lw":2})
plt.show()
png

4.2 범주형 변수 — 범주형 변수 관계

seaborn countplot 활용 누적 막대 그래프

변수 1: in x축 or y축

변수 2: in hue(색상으로 표현)

Countplot 링크 에서 상세한 파라미터를 확인하실 수 있습니다.

A. Vertical Countplot 은 x명시

# 성별 gender 별 usertype 분포
plt.figure(figsize=(4,6))
cnt=sns.countplot(x='usertype',hue='gender',data=df_cut,palette='Set3')
cnt.set_xlabel("count")
cnt.set_ylabel("유저 타입")
plt.show()
png

해석 보태기

구독자가 아닌 일시적인 Customer에는 성별조차 등록하지 않은 멤버가 많다.

B. Horizontal Countplot 은 y명시

# 상위 10개 시작 지점으로 시작된 기록 건수만 남겨 df_top으로 생성
top_list=df_cut['start_station_name'].value_counts().nlargest(10).index
df_top=df_cut[df_cut['start_station_name'].isin(top_list)]# 상위 대여시작지점 별 usertype 분포
plt.figure(figsize=(8,6))
cnt=sns.countplot(y='start_station_name',hue='usertype',data=df_top,palette='Set3')
cnt.set_xlabel("count")
cnt.set_ylabel("Top 10 대여 시작 지역")
plt.show()
png

4.3 범주형 변수 — 연속형 변수 관계

4.3.1 범주형 변수가 10개 이하

A. seaborn의 boxplot

# 성별 gender 와 주행 시간 trip_duration
plt.figure(figsize=(6,8))
box=sns.boxplot(x='gender',y='trip_duration_min',data=df_cut)
box.set_xlabel("성별")
box.set_ylabel("주행 시간")
plt.show()
png

B. seaborn의 catplot, 그 안의 box 또는 boxen
kind=’boxen’을 kind=’box’로 변경하실 수 있습니다
boxen 그래프는 boxplot에서 더 많은 정보를 담는 신상 그래프입니다

# Usertype 과 주행 시간 trip_duration
sns.catplot(x='usertype',y='trip_duration_min', kind='boxen',data=df_cut)
plt.show()
png

해석 보태는 데 도움이 될 박스플랏 해석방법 을 첨부합니다.

4.3.2 범주형 변수가 10개 이상

범주형 변수의 고유값이 많을 때, 상위 또는 하위 n개로 자르고 Horizontal로 시각화

# 상위 10개 시작 지점으로 시작된 기록 건수만 남겨 df_top으로 생성
top_list=df_cut['start_station_name'].value_counts().nlargest(10).index
df_top=df_cut[df_cut['start_station_name'].isin(top_list)]plt.figure(figsize=(10,6))
box=sns.boxplot(y='start_station_name',x='trip_duration_min',data=df_top)
box.set_xlabel("주행 시간")
box.set_ylabel("대여시작 지점")
plt.show()
png

해석 보태기

해석이라고 작성해뒀지만, 명확한 액션 플랜까지 연결 지어 주는 것도 분석가의 몫입니다.

West St & Chambers St 에서 유난히 주행시간 평균이 높고, 넓게 퍼져 있다. 더불어 건수도 상위 2위로 많으니, 여기에 바이크를 더 배치해놓는 액션을 하자!

📍 5. 3개 이상의 변수 분석

5.1 버블도(Bubble Scatter Chart, Bubble Plot)

상위 top 10개 시작 지역 / 시작 시간대별 / 주행 시간

plt.figure(figsize=(10,6))
plt.scatter(df_top['start_hour'], # x축
            df_top['start_station_name'], # y축
            c=df_top['trip_duration_min'], # 색상
            s=10*df_top['trip_duration_min'], # 사이즈 
            # 10을 곱해본 이유는 그래프 사이즈에 맞게 원의 지름을 키워주기 위함
            alpha=0.4, # 투명도
            cmap='viridis') # 컬러바 종류
plt.colorbar()
plt.ylabel('Top 10 시작 지역')
plt.xlabel('대여 시작 시간대')
# plt.xticks(rotation=90) # x축에 종류가 많으면 label 돌려주기
plt.show()

해석 보태기

수요가 없는 새벽 시간대에도 Broadway & E 22 St, W 38 St & 8 Ave 쪽에서 꽤 주행 시간이 긴 수요가 발생하고 있다.

5.2 히트맵(Heatmap)의 스마트한 활용

Heatmap은 실전에서 잘 쓰이고, 직관적입니다. 위 그래프를 히트맵으로 그려볼게요.

상위 top 10개 시작 지역 / 시작 시간대별 / 주행 시간

# 핵심은 groupby
base=df_top.groupby(['start_station_name','start_hour'])['bike_id'].count().unstack()
base
fig, ax = plt.subplots(figsize=(12,6))
pal = sns.dark_palette("palegreen", as_cmap=True) # color palette 설정
sns.heatmap(base, 
            annot=True, # 셀에 숫자 표기
            ax=ax, # 위에서 만들어 둔 캔버스의 (Matplotlib) Axes
            linewidths=.5, # 셀을 나눌 선의 너비
            fmt='.1f',
           cmap=pal) # 소수점 자리 처리
plt.ylabel('Top 10 시작 지역')
plt.xlabel('대여 시작 시간대') 
plt.xticks(rotation=90) 
plt.yticks(fontsize=12)# x축에 종류가 많으니까 label 돌려주기
plt.show()# heatmap이 아래 위로 잘린다면 현 matplotlib 3.1.1 의 오류
# This was a matplotlib regression introduced in 3.1.1 which has been fixed in 3.1.2 (still forthcoming). 
# For now the fix is to downgrade matplotlib to a prior version.
png

📍 6. 상관관계 분석 (Correlogram)

6.1 Heatmap

Scatter plots are useful for spotting structured relationships between variables, like whether you could summarize the relationship between two variables with a line. Attributes with structured relationships may also be correlated and good candidates for removal from your dataset.

시각화 코드는 함수로 작성해서 활용할 수도 있습니다

# 전체 데이터셋 히트맵def draw_corrmat(df):
  y_corrmat = df.corr()
  f, ax = plt.subplots(figsize=(8,6))
  sns.heatmap(y_corrmat, vmax=.8, annot=True, fmt='.1f', square=True);
  
draw_corrmat(df_cut)
png
# 입력값 정보
# df = 데이터프레임
# y = 주요하게 보고 싶은 값
# k = 그 y값으로부터 가장 상관관계가 강한 TOP k개를 보겠다def draw_top_corrmat(df,y,k):
  #k is choosing top k corrleation variables for the heatmap
  y_corrmat = df.corr()
  y_cols = y_corrmat.nlargest(k, y)[y].index
  cm = np.corrcoef(df[y_cols].values.T)
  sns.set(font_scale=1.25)
  f, ax = plt.subplots(figsize=(6,4))
  hm = sns.heatmap(cm, cbar=True, annot=True, square=True, fmt='.2f', annot_kws={'size': 10}, yticklabels=y_cols.values, xticklabels=y_cols.values)
  plt.show()
    
draw_top_corrmat(df_cut,'trip_duration_min',5)
png

왜 굳이 함수로 작성했을까요? 자동화하고 간편하게 하려구요

그럼 어떻게 더 간편하게 할까요?
함수와 함께 짜서 쓰는 Interactive (동적인) EDA 방식이 있습니다

  • 직접 그래프를 더 탐색해보고 싶은 목적이 있는 분들에게 보내는 그래프라면 추천
  • 여러가지 y변수를 두고 이진변수관계 분석을 해야할 때 추천
  • Jupyter Notebook에서는 Ipywidget, Plotly
  • Colab Notebook 에서는 Widget

관련 링크

Eda
Data Visualization
Data Analysis
Jupyter Notebook
Exploratory Data Analysis

--

--

Bonnie BK
BON DATA

Written by Bonnie BK

389 Followers
Writer for

옆 동네 데이터 분석가, 데이터로 유저의 행동을 이해하고 인과관계를 파악합니다. Contact me through 🔗 https://www.linkedin.com/in/b-choi/ 🗂 https://www.slideshare.net/choibokyung/presentations

Help

Status

About

Careers

Press

Blog

Privacy

Terms

Text to speech

Teams