import pandas as pd

# sep = "\t" : tab 을 기준으로 데이터를 가지고 옴
df = pd.read_csv("../data_set/3.시각화/report.txt", sep="\t")
df.head()

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 52 entries, 0 to 51
Data columns (total 9 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   기간                 52 non-null     int64  
 1   대분류                52 non-null     object 
 2   분류                 52 non-null     object 
 3   운동을 할 충분한 시간이 없어서  52 non-null     float64
 4   함께 운동을 할 사람이 없어서   52 non-null     float64
 5   운동을 할 만한 장소가 없어서   52 non-null     float64
 6   운동을 싫어해서           52 non-null     float64
 7   운동을 할 충분한 비용이 없어서  52 non-null     float64
 8   기타                 52 non-null     object 
dtypes: float64(5), int64(1), object(3)
memory usage: 3.8+ KB

# 각 컬럼의 결측치 값의 갯수 확인
df.isnull().sum()

기간                   0
대분류                  0
분류                   0
운동을 할 충분한 시간이 없어서    0
함께 운동을 할 사람이 없어서     0
운동을 할 만한 장소가 없어서     0
운동을 싫어해서             0
운동을 할 충분한 비용이 없어서    0
기타                   0
dtype: int64

df.describe()

# 컬럼 확인
# 운동을 할 충분한 시간이 없어서, 함께 운동을 할 사람이 없어서 컬럼 등은
# 내가 운동시설을 만든다고 가정할 때 중요한 컬럼이 아니기 때문에 제거할 것임
df.columns

Index(['기간', '대분류', '분류', '운동을 할 충분한 시간이 없어서', '함께 운동을 할 사람이 없어서',
       '운동을 할 만한 장소가 없어서', '운동을 싫어해서', '운동을 할 충분한 비용이 없어서', '기타'],
      dtype='object')

# 사용하지 않을 컬럼을 label 에 저장
label = ['기간', '분류', '운동을 할 충분한 시간이 없어서', '함께 운동을 할 사람이 없어서',
       '운동을 싫어해서', '기타']

# axis=1 로 label 에 들어있는 값을 가진 열을 삭제
df.drop(labels=label, axis=1, inplace=True)
df.columns

Index(['대분류', '운동을 할 만한 장소가 없어서', '운동을 할 충분한 비용이 없어서'], dtype='object')

df['대분류']

0       서울시
1        성별
2        성별
3       연령별
4       연령별
5       연령별
6       연령별
7       연령별
8       연령별
9       학력별
10      학력별
11      학력별
12      학력별
13      소득별
14      소득별
15      소득별
16      소득별
17      소득별
18      소득별
19    혼인상태별
20    혼인상태별
21    혼인상태별
22    지역대분류
23    지역대분류
24    지역대분류
25    지역대분류
26    지역대분류
27      종로구
28       중구
29      용산구
30      성동구
31      광진구
32     동대문구
33      중랑구
34      성북구
35      강북구
36      도봉구
37      노원구
38      은평구
39     서대문구
40      마포구
41      양천구
42      강서구
43      구로구
44      금천구
45     영등포구
46      동작구
47      관악구
48      서초구
49      강남구
50      송파구
51      강동구
Name: 대분류, dtype: object

# 대분류의 값이 "구" 로 끝나는 문자가 아닌 값을 가져와라
# ~ 를 앞에 사용하여 "구"로 끝나는 문자가 아닌 것들을 가져옴
del_index = df[ ~df['대분류'].str.endswith("구")].index
del_index

Index([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19, 20, 21, 22, 23, 24, 25, 26],
      dtype='int64')

df.loc[ del_index ]

# 대분류 컬럼의 "구" 로 끝나지 않는 행을 모두 삭제
df.drop( del_index, inplace=True )
df

# 대분류에 중복된 데이터의 합을 구해옴
# 결과가 0 이므로 대분류 컬럼엔 중복된 데이터가 없음
df["대분류"].duplicated().sum()

0

import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings("ignore")

plt.rc("font", family="Malgun Gothic")

fig, ax = plt.subplots(2,1, figsize=(10,7))
g = sns.barplot( x="대분류", y="운동을 할 만한 장소가 없어서", data=df, ax=ax[0], hue="대분류")
g.set_xticklabels(g.get_xticklabels(), rotation = 30)

g1 = sns.barplot( x="대분류", y="운동을 할 충분한 비용이 없어서", data=df, ax=ax[1], palette="rainbow")
g1.set_xticklabels(g.get_xticklabels(), rotation = 30)

plt.show()

# 운동을 할 만한 장소가 없어서의 데이터를 내림차순 하여 넣어주겠ek
df_sort = df.sort_values(by=["운동을 할 만한 장소가 없어서"], axis=0, ascending=False)
df_sort

df_sort.rename(columns={
    df_sort.columns[0] : "분류",
    df_sort.columns[1] : "장소부족",
    df_sort.columns[2] : "비용부족"}, inplace=True )
df_sort

df_sort.describe()

from sklearn.preprocessing import MinMaxScaler

movie = {"daum" : [2, 4, 6, 8, 10], "naver" : [1, 3, 3, 2, 5]}
mv = pd.DataFrame(movie)
mv

# 스케일을 표준화
min_max_scaler = MinMaxScaler()
mv_sc = min_max_scaler.fit_transform(mv)
mv_sc

array([[0.  , 0.  ],
       [0.25, 0.5 ],
       [0.5 , 0.5 ],
       [0.75, 0.25],
       [1.  , 1.  ]])

# 표준화된 데이터 출력
pd.DataFrame(mv_sc, columns=["daum", "naver"])

# 데이터 표준화
min_max_s = MinMaxScaler()
min_max_df = min_max_s.fit_transform(df_sort[["장소부족", "비용부족"]])
min_max_df

array([[1.        , 0.02222222],
       [0.87804878, 0.63333333],
       [0.79268293, 0.63333333],
       [0.74390244, 0.5       ],
       [0.68292683, 1.        ],
       [0.6097561 , 0.63333333],
       [0.57317073, 0.24444444],
       [0.56097561, 0.11111111],
       [0.54878049, 0.75555556],
       [0.52439024, 0.46666667],
       [0.45121951, 0.08888889],
       [0.43902439, 0.72222222],
       [0.42682927, 0.14444444],
       [0.35365854, 0.15555556],
       [0.31707317, 0.38888889],
       [0.26829268, 0.        ],
       [0.2195122 , 0.43333333],
       [0.18292683, 0.        ],
       [0.18292683, 0.47777778],
       [0.17073171, 0.01111111],
       [0.13414634, 0.04444444],
       [0.13414634, 0.32222222],
       [0.09756098, 0.36666667],
       [0.08536585, 0.26666667],
       [0.        , 0.37777778]])

df_replace = pd.DataFrame(min_max_df, columns=["장소부족", "비용부족"])
df_replace

# min(최솟값), max(최댓값) 표준화 된 것 확인
# 둘 다 0, 1 로 변경
df_replace.describe()

# 분류 값을 추가
df_replace = pd.DataFrame(min_max_df, columns=["장소부족", "비용부족"])
df_replace["분류"] = df_sort["분류"].values
df_replace

# 컬럼의 순서를 변경하여 df_sort 에 저장
df_sort = df_replace[["분류", "장소부족", "비용부족"]]
df_sort

# 장소부족을 60% 가중치, 비용부족을 40% 가중치를 부여하여
# 종합점수라는 컬럼을 생성하여 저장
df_sort["종합점수"] = df_sort["장소부족"] * 0.6 + df_sort["비용부족"] * 0.4

# 종합점수의 내림차순을 기준으로 정렬
df_sort.sort_values(by="종합점수", ascending=False)

# 종합 점수를 기준으로 상위 5항목만 df_top5 에 저잠
df_top5 = df_sort.sort_values(by="종합점수", ascending=False).head()
df_top5

# 분류를 그룹을 기준으로 시각화
g = sns.barplot(x="분류", y="종합점수", data=df_top5, hue="분류")

# dataset 다시 들고와서 저장
# 성별을 가져와서 파악해볼 것임
df = pd.read_csv("../data_set/3.시각화/report.txt", sep="\t")
df

# 대분류의 성별 의 행만 가져옴
df_gender = df[df['대분류'].isin(["성별"])]
df_gender

features = [
    '운동을 할 충분한 시간이 없어서',
    '함께 운동을 할 사람이 없어서'
]

pg = sns.PairGrid( df_gender, y_vars="분류", x_vars=features, height=5, hue="분류")
pg.map(sns.barplot)

<seaborn.axisgrid.PairGrid at 0x20b60ef5990>

df_age = df[df["대분류"].isin(["연령별"]) ]
df_age

pg = sns.PairGrid( df_age, y_vars="분류", x_vars=features, height=5, hue="분류")
pg.map(sns.barplot)

<seaborn.axisgrid.PairGrid at 0x20b611fb2d0>

df_age["운동할 수 있음"] = df_age["운동을 할 충분한 시간이 없어서"].apply(lambda x: 100 - x)
df_age["함께 운동할 수 있음"] = df_age["함께 운동을 할 사람이 없어서"]
f = ["운동할 수 있음", "함께 운동할 수 있음"]

pg = sns.PairGrid( df_age, y_vars="분류", x_vars=features, height=5, hue="분류")
pg.map(sns.barplot)

<seaborn.axisgrid.PairGrid at 0x20b5cb14790>

df_age["종합점수"] = df_age["운동할 수 있음"] + df_age["함께 운동할 수 있음"]
f = ["운동할 수 있음", "함께 운동할 수 있음", "종합점수"]

pg = sns.PairGrid( df_age, y_vars="분류", x_vars=f, height=5, hue="분류")
pg.map(sns.barplot)
df_age[["분류", "종합점수"]]

	기간	대분류	분류	운동을 할 충분한 시간이 없어서	함께 운동을 할 사람이 없어서	운동을 할 만한 장소가 없어서	운동을 싫어해서	운동을 할 충분한 비용이 없어서	기타
0	2019	서울시	서울시	46.8	5.0	4.3	37.3	5.2	1.4
1	2019	성별	남자	52.4	4.4	4.9	32.4	4.9	1.1
2	2019	성별	여자	42.5	5.6	3.9	41.0	5.4	1.7
3	2019	연령별	10대	55.3	4.8	3.9	32.6	3.5	-
4	2019	연령별	20대	46.0	4.2	4.5	38.8	6.4	0.1

	기간	운동을 할 충분한 시간이 없어서	함께 운동을 할 사람이 없어서	운동을 할 만한 장소가 없어서	운동을 싫어해서	운동을 할 충분한 비용이 없어서
count	52.0	52.000000	52.000000	52.000000	52.000000	52.000000
mean	2019.0	46.267308	5.103846	4.655769	37.153846	5.163462
std	0.0	10.723709	2.211109	1.868145	8.666217	2.020001
min	2019.0	10.700000	0.400000	1.200000	17.900000	0.900000
25%	2019.0	42.775000	4.125000	3.300000	32.550000	4.075000
50%	2019.0	46.900000	4.850000	4.400000	35.850000	5.250000
75%	2019.0	52.100000	6.050000	5.700000	39.775000	6.250000
max	2019.0	69.800000	13.900000	9.900000	68.100000	10.900000

	대분류	운동을 할 만한 장소가 없어서	운동을 할 충분한 비용이 없어서
0	서울시	4.3	5.2
1	성별	4.9	4.9
2	성별	3.9	5.4
3	연령별	3.9	3.5
4	연령별	4.5	6.4
5	연령별	2.9	4.5
6	연령별	2.9	3.3
7	연령별	4.5	5.6
8	연령별	6.6	6.6
9	학력별	4.8	7.3
10	학력별	5.6	5.5
11	학력별	3.3	4.6
12	학력별	5.6	0.9
13	소득별	9.9	9.4
14	소득별	6.0	7.4
15	소득별	3.9	5.1
16	소득별	4.2	4.8
17	소득별	3.3	5.3
18	소득별	4.0	4.5
19	혼인상태별	4.1	4.6
20	혼인상태별	4.0	5.6
21	혼인상태별	5.7	6.4
22	지역대분류	7.2	4.0
23	지역대분류	4.1	5.5
24	지역대분류	5.1	5.3
25	지역대분류	4.7	4.8
26	지역대분류	3.1	5.4

	장소부족	비용부족
count	25.000000	25.000000
mean	4.604000	5.068000
std	2.230187	2.473648
min	1.200000	1.900000
25%	2.700000	2.900000
50%	4.700000	5.200000
75%	5.900000	6.400000
max	9.400000	10.900000

	daum	naver
0	0.00	0.00
1	0.25	0.50
2	0.50	0.50
3	0.75	0.25
4	1.00	1.00

	대분류	운동을 할 만한 장소가 없어서	운동을 할 충분한 비용이 없어서
27	종로구	9.4	2.1
28	중구	7.7	7.6
29	용산구	4.9	2.7
30	성동구	5.7	8.7
31	광진구	3.0	5.8
32	동대문구	2.7	6.2
33	중랑구	6.8	10.9
34	성북구	2.6	2.0
35	강북구	3.4	1.9
36	도봉구	6.2	7.6
37	노원구	2.7	1.9
38	은평구	7.3	6.4
39	서대문구	1.2	5.3
40	마포구	4.7	3.2
41	양천구	5.9	4.1
42	강서구	1.9	4.3
43	구로구	5.8	2.9
44	금천구	2.3	2.3
45	영등포구	3.8	5.4
46	동작구	8.4	7.6
47	관악구	5.5	6.1
48	서초구	4.1	3.3
49	강남구	2.0	5.2
50	송파구	2.3	4.8
51	강동구	4.8	8.4

	장소부족	비용부족
0	1.000000	0.022222
1	0.878049	0.633333
2	0.792683	0.633333
3	0.743902	0.500000
4	0.682927	1.000000
5	0.609756	0.633333
6	0.573171	0.244444
7	0.560976	0.111111
8	0.548780	0.755556
9	0.524390	0.466667
10	0.451220	0.088889
11	0.439024	0.722222
12	0.426829	0.144444
13	0.353659	0.155556
14	0.317073	0.388889
15	0.268293	0.000000
16	0.219512	0.433333
17	0.182927	0.000000
18	0.182927	0.477778
19	0.170732	0.011111
20	0.134146	0.044444
21	0.134146	0.322222
22	0.097561	0.366667
23	0.085366	0.266667
24	0.000000	0.377778

	분류	종합점수
3	10대	49.5
4	20대	58.2
5	30대	45.3
6	40대	49.8
7	50대	60.1
8	60대 이상	79.4

MinMaxScaler(표준화)¶