매수 분석가 또는 분석가로 활동할 때 효과적인 데이터 분석과 통찰을 얻기 위해서는 고급 코딩 기술을 배우는 것이 중요합니다. 이 게시물에서는 타이타닉 데이터셋을 중심으로 15가지 고급 Python 코드 조각을 살펴보겠습니다. 데이터 조작, 시각화, 머신러닝과 같은 분석 능력을 향상시키는데 도움이 될 것입니다.
1. 타이타닉 데이터셋 불러오기
먼저, Seaborn 라이브러리를 사용하여 타이타닉 데이터셋을 불러오고 데이터셋의 처음 몇 줄을 보여줍시다.
import seaborn as sns
# 타이타닉 데이터셋을 불러옵니다
titanic = sns.load_dataset('titanic')
# 데이터셋의 처음 몇 행을 출력합니다
print(titanic.head())
이 코드 조각은 타이타닉 데이터셋을 판다스 DataFrame으로 불러와서 처음 몇 행을 출력하여 데이터의 구조를 살펴볼 수 있게 해줍니다.
2. 누락된 값 처리
누락된 값을 처리하는 것은 데이터 분석에서 흔한 작업입니다. 'age' 열의 누락된 값을 중앙값으로 채워봅시다.
# 'age' 열의 누락된 값을 중위 연령으로 채우기
titanic['age'].fillna(titanic['age'].median(), inplace=True)
이 코드 스니펫은 'age' 열의 누락된 값을 탑승객들의 중위 연령으로 대체하여 데이터를 완전하게 유지하여 추가 분석을 수행합니다.
3. Feature Engineering
피처 엔지니어링은 모델 성능을 향상시키기 위해 새로운 피처를 생성하거나 기존 피처를 변환하는 작업을 포함합니다. 승객이 어린이인지 성인인지를 나타내는 새로운 피처를 만들어 보겠습니다:
# 새로운 기능 'is_child'를 생성합니다
titanic['is_child'] = titanic['age'] < 18
이 스니펫은 데이터셋에 새로운 이진 기능 'is_child'를 추가합니다. 이 기능은 승객이 어린이인지(나이 < 18) 성인인지를 나타냅니다.
4. Seaborn을 활용한 데이터 시각화
Seaborn은 Python에서 데이터 시각화를 위한 강력한 라이브러리입니다. 승객 클래스의 분포를 시각화하기 위해 카운트 플롯을 생성해봅시다:
import matplotlib.pyplot as plt
# 승객 클래스에 대한 카운트 플롯
plt.figure(figsize=(8, 5))
sns.countplot(x='pclass', data=titanic, color='skyblue')
plt.title('승객 클래스 분포')
plt.xlabel('클래스')
plt.ylabel('카운트')
plt.show()
이 코드 스니펫은 승객 클래스의 분포를 보여주는 카운트 플롯을 생성하며, 아름다움을 위해 하늘색을 사용했습니다.
5. 상관 분석
변수 간의 관계를 이해하는 것은 데이터 분석에서 중요합니다. 수치형 특성에 대한 상관 행렬을 계산하고 시각화해 보겠습니다:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 범주형 열을 원-핫 인코딩을 사용하여 수치형으로 변환합니다
titanic_numeric = pd.get_dummies(titanic, drop_first=True)
# 상관 행렬을 계산합니다
correlation_matrix = titanic_numeric.corr()
# Matplotlib 피겨 설정
plt.figure(figsize=(12, 10))
# 적절한 가시성과 비율로 heatmap을 그립니다
sns.heatmap(correlation_matrix, annot=True, fmt=".2f", cmap="coolwarm", vmin=-1, vmax=1, linewidths=.5, annot_kws={"size": 7})
# 플롯 스타일을 조정합니다
plt.xticks(rotation=45, ha='right', fontsize=8)
plt.yticks(fontsize=8)
plt.title('상관 행렬', fontsize=15)
plt.tight_layout()
# 플롯을 보여줍니다
plt.show()
이 코드 스니펫은 상관 행렬을 계산하고, 수치형 특성 간의 상관 관계를 시각화하는 heatmap을 생성합니다. 쿨 웜 컬러를 사용하며, 빨간색은 양의 상관 관계를 나타냅니다.
6. 각 클래스별 운임 분포를 시각화하는 상자 그림
여기 각 승객 클래스별 운임 분포를 시각화하기 위한 상자 그림을 만들어봅시다:
# 클래스별 운임 분포를 위한 상자 그림
plt.figure(figsize=(8, 6))
sns.boxplot(x='pclass', y='fare', data=titanic, color='green')
plt.title('클래스별 운임 분포')
plt.xlabel('클래스')
plt.ylabel('운임')
plt.show()
이 코드 스니펫은 서로 다른 승객 클래스 간의 운임 분포를 보여주는 상자 그림을 생성합니다. 여기서는 미적 요소로 녹색 색상을 사용했습니다.
7. Distribution of Age by Survival Status
생존자와 비생존자의 연령 분포를 시각화하면 연령이 생존에 미치는 영향에 대한 통찰력을 얻을 수 있습니다:
# 생존 상태별 연령 분포
plt.figure(figsize=(8, 6))
sns.histplot(x='age', hue='survived', data=titanic, multiple='stack', palette='Set2')
plt.title('Distribution of Age by Survival Status')
plt.xlabel('Age')
plt.ylabel('Count')
plt.show()
이 코드 스니펫은 생존자와 비생존자의 연령 분포를 보여주는 히스토그램을 생성하며, 서바이벌 상태를 나타내는 다른 색상을 사용합니다.
| Age | Survived |
|---|---|
| 22 | 1 |
| 30 | 0 |
| 25 | 1 |
| 40 | 0 |
| 35 | 1 |
8. Fare vs. Age에 대한 산점도 그래프
요금과 연령 간의 관계를 시각화하기 위해 산점도 그래프를 생성해 봅시다.
# 요금 대 나이 산점도
plt.figure(figsize=(8, 6))
sns.scatterplot(x='나이', y='요금', data=타이타닉, color='green')
plt.title('요금 대 나이')
plt.xlabel('나이')
plt.ylabel('요금')
plt.show()
이 코드 조각은 나이와 요금 사이의 관계를 보여주는 산점도를 생성하며, 시각적으로 녹색을 사용합니다.
9. 클래스별 생존율 막대 그래프
생존율을 각 클래스별로 시각화하면 클래스에 따른 생존 가능성에 대한 통찰을 제공할 수 있습니다.
# 클래스별 생존율 막대 그래프
plt.figure(figsize=(8, 6))
sns.barplot(x='pclass', y='survived', data=titanic, ci=None, color='하늘색')
plt.title('클래스별 생존율')
plt.xlabel('클래스')
plt.ylabel('생존율')
plt.show()
이 코드 조각은 각 승객 클래스의 생존율을 보여주는 막대 그래프를 생성하며, 아름다운 하늘색을 사용했습니다.
10. 숫자 변수에 대한 쌍 플롯
쌍 플롯을 사용하면 데이터셋의 숫자 변수 쌍 간의 관계를 시각화할 수 있습니다:
# 숫자 변수에 대한 쌍 플롯
sns.pairplot(titanic[['age', 'fare', 'pclass']], diag_kind='kde', palette='Set3')
plt.title('숫자 변수에 대한 쌍 플롯')
plt.show()
이 코드 조각은 'age', 'fare', 'pclass' 변수에 대한 쌍 플롯을 생성하며, 대각선에 커널 밀도 추정(KDE) 플롯이 포함되어 있습니다.
11. 승선 도시 분포를 위한 막대 그래프
승선 도시에 따른 승객 분포를 시각화해보겠습니다. 다음은 막대 그래프를 사용한 코드입니다:
# 승선 도시 분포를 위한 막대 그래프
plt.figure(figsize=(8, 6))
sns.countplot(x='embark_town', data=titanic, color='skyblue')
plt.title('승선 도시별 승객 분포')
plt.xlabel('승선 도시')
plt.ylabel('인원 수')
plt.show()
이 코드 스니펫은 승선한 마을별 승객 분포를 보여주는 막대 플롯을 만듭니다. 시각적인 아름다움을 위해 하늘색이 사용되었습니다.
12. 함께 탑승한 형제/배우자의 분포
함께 탑승한 형제/배우자의 분포를 시각화하면 승객들 사이의 가족 구성원 크기에 대한 통찰을 얻을 수 있습니다.
함께 탑승한 형제자매/배우자 분포
plt.figure(figsize=(8, 6)) sns.histplot(x='sibsp', data=titanic, bins=range(0, 9), color='skyblue', discrete=True) plt.title('함께 탑승한 형제자매/배우자 분포') plt.xlabel('형제자매/배우자 수') plt.ylabel('수량') plt.show()
이 코드 스니펫은 함께 탑승한 형제자매/배우자 수에 대한 분포를 보여주는 히스토그램을 생성합니다. 아름다운 목적으로 하늘색을 사용했어요.
13. 성별 분포를 보여주는 파이 차트
여행객의 성별 분포를 파이 차트로 시각화해보세요:
# 성별 분포 파이 차트
gender_counts = titanic['sex'].value_counts()
plt.figure(figsize=(6, 6))
plt.pie(gender_counts, labels=gender_counts.index, colors=['#66c2a5', '#fc8d62'], autopct='%1.1f%%', startangle=140)
plt.title('Gender Distribution')
plt.show()
이 코드 스니펫은 성별에 따른 탑승객 분포를 보여주는 파이 차트를 생성하며, 남성과 여성을 나타내기 위해 서로 다른 색상을 사용합니다.
14. 성별에 따른 연령 분포를 시각화하는 스왐 플롯
스왐 플롯은 성별에 따른 연령 분포를 시각화하는 데 사용될 수 있습니다:
# 성별에 따른 연령 분포를 나타내는 스왐 플롯
plt.figure(figsize=(10, 6))
sns.swarmplot(x='sex', y='age', data=titanic, color='skyblue')
plt.title('성별에 따른 연령 분포')
plt.xlabel('성별')
plt.ylabel('연령')
plt.show()
이 코드 조각은 남성과 여성 승객의 연령 분포를 보여주는 스왐 플롯을 생성하며, 시각적으로 아름다운 하늘색을 사용합니다.
15. 클래스 및 성별별 요금 분포에 대한 바이올린 플롯
승객 클래스 및 성별에 따른 요금 분포를 시각화하기 위해 바이올린 플롯을 만들어봅시다:
# 클래스 및 성별에 따른 요금 분포에 대한 바이올린 플롯
plt.figure(figsize=(10, 6))
sns.violinplot(x='pclass', y='fare', hue='sex', data=titanic, split=True, palette='Greens')
plt.title('클래스 및 성별별 요금 분포')
plt.xlabel('클래스')
plt.ylabel('요금')
plt.show()
이 코드 스니펫은 각 승객 클래스별로 성별로 나누어 지불요금의 분포를 보여주는 바이올린 플롯을 생성합니다. 이 때, 시각적으로 녹색 색상을 사용합니다.
이러한 고급 코드 스니펫은 파이썬을 사용한 데이터 조작, 시각화 및 분석의 다양한 측면을 다룹니다. 이 기술들을 숙달함으로써 우리는 복잡한 데이터셋을 처리하고 데이터에서 의미 있는 통찰을 얻는 데 더 잘 대비할 수 있습니다.