다시 이음

안녕하세요. 오늘은 시계열 시각화에 대해서 알아보도록 하겠습니다. 해당 글은 Hyndman, R.J., & Athanasopoulos, G. (2018) Forecasting: principles and practice, 2nd edition, OTexts: Melbourne, Australia. 온라인 교재의 내용을 요약,정리한 글이며 제가 주로 사용하는 파이썬이 아닌 R로 설명되어 있어 이해함에 부족함이 있을 수 도 있다는 점을 알려드립니다. 시계열 시각화 데이터 분석 작업에서 가장 먼저 해야하는 것은 데이터를 그래프으로 나타내는 것입니다. 그래프는 패턴, 특이한 관측값, 시간에 따른 변화, 변수 사이의 관계 등의 데이터의 많은 특징을 눈으로 볼 수 있게 해줍니다. 시계열의 빈도 빈도의 값은 일별 혹..

안녕하세요. 오늘은 자료구조 중급의 두번째 그래프(Graph)에 대해서 알아보겠습니다. 이 그래프 자료구조는 트리 자료구조와 많이 비교가 이루어지는 자료구조 입니다. 그만큼 비슷한 점도 있고 차이점도 있는 구조입니다. 그래프(Graph) 위에서 언급한 것과 같이 트리 구조와 어떤 부분이 비슷하고 어떤 부분에서 차이를 보일까요? 그래프란? 그래프는 노드(=정점,vertex) 와 엣지(=링크,간선)로 구성된 구조입니다. 이러한 구성에 대해서는 어느 정도 연관성을 가지고 있는 구조이지만, 트리 구조는 노드 간에 계층 구조를 나타나고 그래프는 노드간에 관계를 나타낸다는 차이점이 있습니다. 그래프에서 노드간에 관계란 실제의 object간의 관계를 보여주기 때문에 보통 SNS, 도로 상의 차량 검색, 운송시스템 등..

어제에 이어서 여러가지 시각화 방법을 알아볼게요. 3. 순위 ( Ranking ) 1) Bar plot ( 막대 그래프 ) barplot를 나타내는 숫자 및 categoric 변수 사이의 관계. 범주형 변수의 각 항목은 막대로 표시됩니다. 막대의 크기는 숫자 값을 나타냅니다. # Libraries import numpy as np import matplotlib.pyplot as plt # Make a random dataset: height = [3, 12, 5, 18, 45] bars = ('A', 'B', 'C', 'D', 'E') y_pos = np.arange(len(bars)) # Create bars plt.bar(y_pos, height) # Create names on the x-axis..

이번주 프로젝트를 진행을 하면서 데이터 전처리와 분석이 중요하단 걸 알았지만 가장 크게 다가왔던 것은 그동안 신경을 안썼던 시각화에 대한 문제였습니다. 데이터를 분석한다 함은 내가 CEO가 아닌 이상 누군가에게 분석한 내용을 발표하거나 전달해야하는 위치에 있다는 걸 잊고 있던 거죠. 그러기위해서 필요한 능력은 안정된 톤으로 발표하는 전달력, 단순 명료하나 설득력이 있는 논리전개, 깔끔하고 말하고자하는 바가 잘 들어난 발표자료. 이 세가지가 얼마나 중요한지 알게된 시간이었습니다. 그 부족함을 채우기 위해서 다른 동기여러분들이 많이 사용하신 시각화에 대해서 흥미를 느꼈고 한번 정리를 해보고 싶었습니다. 1. 분포 ( Distribution ) 1) Violin violin t-plot은 하나 이상의 그룹을 ..