데이터시각화
-
[데이터 시각화] 히트맵 및 swarmplot데이터 분석 2021. 9. 12. 22:40
앞서 concat으로 병합한 데이터셋 df를 활용하여 데이터 시각화를 하자. pivot_table 사용하기 # 연도를 인덱스로, 지역명을 컬럼으로 평당분양가격을 피봇테이블로 그리기. # pivot은 연산 없이 데이터 형태만 바꾸는 것 # pivot_table은 연산 가능 t = pd.pivot_table(df, index="연도", columns="지역명", values="평당분양가격").round() t 히트맵으로 구현하기 # 위에서 그린 피봇테이블을 히트맵으로 표현하기. plt.figure(figsize=(15, 7)) sns.heatmap(t, cmap="Blues", annot=True, fmt='.0f') plt.figure(figsize=(15, 7)) sns.heatmap(t.T, cmap=..
-
[판다스&Seaborn] 데이터 시각화 (line, bar, relplot, catplot, violinplot, boxplot)데이터 분석 2021. 9. 12. 18:48
선 그래프와 막대 그래프 판다스를 이용하여 그래프를 그리고자 한다. 데이터는 앞서 사용한 전국 아파트 분양 가격을 이용한다. # 지역명으로 분양 가격의 평균을 구하고 선 그래프로 시각화 한다. g = df_last.groupby(["지역명"])["평당분양가격"].mean().sort_values(ascending=False) g.plot() # 지역명으로 분양 가격의 평균을 구하고 막대 그래프로 시각화 한다. g.plot.bar(rot=0, figsize=(10, 3)) # 전용면적으로 분양가격의 평균을 구하고 막대그래프로 시각화 한다. df_last.groupby(["전용면적"])["평당분양가격"].mean().plot.bar() # 연도별 분양가격의 평균을 구하고 막대그래프(bar)로 시각화 합니다...