1편에서 전처리한 파일을 바탕으로 특정 상호의 분석을 시작한다. 먼저 전처리한 파일에서 배스킨라빈스 브랜드명을 추출한다. -> 대소문자가 섞여있을 수도 있기 때문에 대소문자를 변환해준다. -> 배스킨라빈스/베스킨라빈스가 상호명인 곳을 추출한다. 다음은 던킨도너츠의 갯수를 세어본다. "배스킨/베스킨/baskin/던킨/dunkin"를 가져와 df_31변수에 담아준다. 브랜드명이 배스킨라빈스가 아닌 데이터를 찾아본다. head()로 데이터 살펴보기 데이터가 제대로 모아졌는지 확인한다. "상권업종대분류명"의 빈도수를 계산한다. "소매"와 "생활서비스"가 있다는 게 이상하다 ? "상권업종대분류명"컬럼에서 "소매", "생활서비스"인 데이터만 가져온다. "상권업종대분류명"에서 "소매", "생활서비스"는 제외시킨다. ..

배스킨라빈스 vs 던킨도너츠 -> 근처에 입지한 것을 종종 볼 수 있다. 파리바게뜨 vs 뚜레주르 -> 주변에서 많이 볼 수 있는 프랜차이즈 중 하나 이런 프랜차이즈 매장이 얼마나 모여 있는지, 흩어져 있는지 지도에 표시를 해보면서 대용량 데이터에서 원하는 특정 데이터를 추출해본다. 데이터 불러오기 공공데이터 포털 : 소상공인시장진흥공단 상가업소정보 데이터 활용 df = pd.read_csv 한 뒤 df.head를 통해 데이터 구조를 확인한다. 데이터 크기 보기 df_shape를 통해 데이터 크기를 볼 수 있다. info 보기 info를 사용하여 데이터의 전체적인 정보를 본다.(데이터 사이즈, 타입, 메모리 사용량 등) 결측치 보기 isnull을 사용하여 결측치를 본다. 결측치는 True로 값이 있다면 ..

1편에 이어서 분석한 결과를 바탕으로 시각화를 해보았다! 시각화를 하기 앞서 "상권업종소분류명", "시군구명"으로 그룹화를 하고, "상호명"으로 빈도수를 계산한다. 이 프로젝트에서는 "학원-입시" 데이터를 살펴보기 때문에 loc를 통해 index값을 가져온다. 따라서 시군구 별 ["학원-입시"]를 가져온 결과 아래와 같이 구별 "학원-입시"학원의 수를 볼 수 있다. Pandas의 plot으로 시각화 강남구 > 양천구 > 서초구 순으로 입시학원이 많이 분포하고 있다는 것을 알 수 있다. 경도와 위도를 scatterplot으로 표현하기 1) scatterplot 으로 경도와 위도를 표현하고, 시군구명으로 색상을 다르게 표현한다. 2) scatterplot 으로 경도와 위도를 표현하고, "상권업종소분류명"으로..

#groupby로 데이터 집계하기 groupby를 통해 데이터를 그룹화해서 연산을 해본다. df.groupby(['인덱스로 사용할 컬럼명'])["계산할 컬럼 값"].연산() -지역명으로 분양가격의 평균을 구하고 막대그래프(bar)로 시각화 df_last.groupby(["지역명"])["평당분양가격"].mean() -전용면적으로 분양가격의 평균을 구한다. df_last_groupby(["전용면적"])["평당분양가격"].mean() -지역명, 전용면적으로 평당분양가격의 평균을 구한다. df_last_groupby(["전용면적", "지역명"])["평당분양가격"].mean().unstack().round() -연도, 지역명으로 평당분양가격의 평균을 구한다. g = df_last.groupby(["연도", "지역..

강의 듣고 정리하는 포스팅 [섹션 1. 전국 신규 민간 아파트 분양가격 동향] "2013년부터 최근까지 부동산 가격 변동 추세가 아파트 분양가에도 반영이 될까?" 학습목표 -공공데이터를 활용해 전혀 다른 두 개의 데이터를 가져와서 전처리하고 병합하기 -수치형 데이터와 범주형 데이터를 바라보는 시각 기르기 -데이터 형식에 따른 다양한 시각화 방법 이해하기 Data : 공공데이터포털에서 다운 전국 평균 분양가격 데이터와 주택도시보증공사_전국 평균 분양가격 데이터를 활용한다. 전국 평균 분양가격 : 전국 공동주택의 3.3제곱미터당 평균분양가격 데이터를 제공함. 주택도시보증공사_전국 평균 분양가격 : 1) 전국 공동주택의 연도별, 월별, 전용면적별 제곱미터당 평균분양가격 데이터를 제공 2) 지역별 평균값은 가중..