[데이터 분석] 시각화 | 상관계수, 수치형 변수

9.3 단변량 수치형 변수 시각화

 

• 위도의 distplot 그리기

sns.distplot(df["위도"])

  - 우리의 데이터 셋은 서울과 부산의 정보만 담겨있다. (서울-오른쪽, 부산-오른쪽)

  - distplot : 부드러운 곡선인 확률밀도 함수도 함께 그려줌

  - 막대의 개수는 bins를 통해 조절 가능

 

 

 

• 경도의 distplot 그리기

sns.distplot(df["경도"])

   (서울-왼쪽, 부산-오른쪽)

 

 

---

 

• 위/경도의 평균, 중앙값 표현하기

plt.axvline(df["위도"].mean(), linestyle=":", color="r")
plt.axvline(df["경도"].median(), linestyle="--")

sns.distplot(df["위도"])

  - 평균은 빨간 점선, 중앙값은 남색 실선으로 표현된 것을 볼 수 있다.

  - color로 색상 조절이, linestyle로 선의 모양 조절이 가능하다.

 

 

 

 

---

 

 

9.4 상관계수

 

• X, Y가 완전히 동일하면 +1, 전혀 다르면 0, 반대방향으로 완전히 동일하면 -1
• 결정계수 : r**2로, X로부터 Y를 예측할 수 있는 정도

  출처 : Correlation and dependence - Wikipedia

 

 

• 각 변수의 상관계수 구하기

corr = df.corr()

 

 

• 상관계수 시각화

 https://seaborn.pydata.org/examples/many_pairwise_correlations.html

mask = np.triu(np.ones_like(corr, dtype=np.bool))
sns.heatmap(corr, annot=True, cmap="Blues", mask=mask)

 

  - mask = ~~ : 대각선은 하얗게 하고, 나머지 값들만 표시

  - annot=True : corr의 수치 값 보여주기

  - cmap="컬러" : 색 변경

 

  - 경도와 위도는 (-0.99) 강한 음의 상관관계가 있구나 ~