Univariate data analysis
Date: 2024-09-10
이번 글에서는 변수 (feature)가 1개인 단변량 데이터의 분석에 관하여 다루도록 하겠습니다.
단변량 데이터 (Univariate data)의 분석
데이터 분석은 데이터가 숫자형인지, 범주형인지에 따라 방법이 달라집니다. 숫자형의 경우 정보의 대표값 (기초통계량)을 보고 분석하는 방법과 구간을 나누고 빈도를 파악하는 방법 (도수분포표)으로 나뉩니다.
- 숫자형 단변량 데이터 분석
숫자형 단변량 데이터는 평균 (mean), 중앙값 (median), 최빈값 (mode)과 같은 정보의 대표값으로 요약할 수 있으며, 이러한 대표값을 기초통계량이라고 합니다. 파이썬에서는 matplotlib.pyplot.boxplot() 또는 seaborn.boxplot()을 사용하여 시각화 및 값을 얻을 수 있습니다.
import matplotlib.pyplot as plt
import seaborn as sns
plt.boxplot(dataframe['feature'])
sns.boxplot(x='feature', data=dataframe)
sns.boxplot(dataframe['feature'])
가운데 box는 4분위수를 나타내며, IQR (Inter Quartile Range)를 사용하여 데이터의 유효한 최소값과 최대값을 구합니다. 여기서의 유효함은 절대적이지 않고 참고사항임을 명심해야 하며, 해당 범위 밖의 값은 이상치 (outlier)로 취급할 수 있습니다.
- 범주형 단변량 데이터 분석
범주형 단변량 데이터는 범주별로 개수를 세면 되므로, 범주별 빈도수 또는 비율을 계산하거나 시각화합니다.
import seaborn as sns
# 범주별 빈도수
series.value_counts()
# 범주별 비율
series.value_counts(normalize=True)
# 시각화
sns.countplot(dataframe['feature'])
sns.countplot(x='feature', data=dataframe)
댓글남기기