빅데이터 분석 AI 조류 인플루엔자 데이터 EDA - (2)

@notepad_jj2

츄르사려고 코딩하는 코집사입니다.

---

 

 

 

In [94]:

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
from matplotlib import font_manager, rc

In [95]:

#plot 한글 깨짐
plt.rc('font', family='Malgun Gothic')

#막대그래프 한글 깨짐
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font_name)

In [96]:

AI_최종데이터 = pd.read_csv('C:/Users/User/Desktop/AI data/AI_최종데이터.csv', encoding="CP949")

In [97]:

AI_최종데이터

Out[97]:

	도	시군	발생연도	발생월	축종	평균기온	최저기온	최고기온	평균풍속	평균상대습도	일교차	철새도래지거리
0	충청남도	아산시	2018	3	닭	5.6	-2.9	14.4	1.5	58.8	17.3	8582.397046
1	경기도	평택시	2018	3	닭	5.5	-0.3	9.4	3.5	67.6	9.7	8966.784833
2	경기도	양주시	2018	3	닭	4.8	-1.0	10.3	2.7	57.5	11.3	1374.739109
3	충청북도	음성군	2018	3	오리	12.2	7.8	14.8	0.8	90.8	7.0	22033.033100
4	충청남도	천안시	2018	2	닭	-5.8	-14.6	3.2	0.8	55.3	17.8	3023.783302
...	...	...	...	...	...	...	...	...	...	...	...	...
937	경상북도	경주시	2003	12	닭	8.4	4.6	14.1	7.6	47.5	9.5	12675.870810
938	전라남도	나주시	2003	12	오리	-0.5	-6.8	5.0	4.0	68.1	11.8	8021.462978
939	충청북도	음성군	2003	12	닭	-4.7	-7.1	-1.3	4.3	46.1	5.8	26746.211120
940	충청북도	음성군	2003	12	오리	0.1	-3.5	2.3	3.2	63.9	5.8	26814.818890
941	충청북도	음성군	2003	12	닭	-1.2	-5.3	3.5	1.4	74.5	8.8	25511.467720

942 rows × 12 columns

 

sns.countplot()으로도 아래 코드 돌릴 수 있음

In [98]:

#발생연도 시각화 처리
발생연도_df = pd.DataFrame(pd.value_counts(AI_최종데이터['발생연도'], sort=False))
발생연도 = list(발생연도_df.index)
발생연도_count = list(발생연도_df['발생연도'])

In [99]:

#발생연도에 따른 빈도수 bar 그래프
sns.barplot(x=발생연도, y=발생연도_count)
plt.ylim(0,350)
plt.title('발생연도에 따른 빈도수')
plt.xlabel('발생연도')
plt.ylabel('빈도수')
plt.show()

 

In [100]:

fig = plt.figure(figsize=(20,20))
sns.countplot(x = '도', data = AI_최종데이터)
plt.title('도에 따른 빈도수')
plt.xlabel('도')
plt.ylabel('빈도수')
plt.show()

 

In [101]:

fig = plt.figure(figsize=(20,20))
sns.countplot(x = '시군', data = AI_최종데이터)
plt.title('시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

 

In [102]:

충청남도 = AI_최종데이터['도'] == '충청남도'
충청남도 = AI_최종데이터[충청남도]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 충청남도)
plt.title('충청남도의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[102]:

Text(0, 0.5, '빈도수')

 

In [103]:

충청북도 = AI_최종데이터['도'] == '충청북도'
충청북도 = AI_최종데이터[충청북도]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 충청북도)
plt.title('충청북도의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[103]:

Text(0, 0.5, '빈도수')

 

In [104]:

전라남도 = AI_최종데이터['도'] == '전라남도'
전라남도 = AI_최종데이터[전라남도]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 전라남도)
plt.title('전라남도의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[104]:

Text(0, 0.5, '빈도수')

 

In [105]:

전라북도 = AI_최종데이터['도'] == '전라북도'
전라북도 = AI_최종데이터[전라북도]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 전라북도)
plt.title('전라북도의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[105]:

Text(0, 0.5, '빈도수')

 

In [106]:

경상남도 = AI_최종데이터['도'] == '경상남도'
경상남도 = AI_최종데이터[경상남도]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 경상남도)
plt.title('경상남도의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[106]:

Text(0, 0.5, '빈도수')

 

In [107]:

경상북도 = AI_최종데이터['도'] == '경상북도'
경상북도 = AI_최종데이터[경상북도]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 경상북도)
plt.title('경상북도의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[107]:

Text(0, 0.5, '빈도수')

 

In [108]:

강원도 = AI_최종데이터['도'] == '강원도'
강원도 = AI_최종데이터[강원도]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 강원도)
plt.title('강원도의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[108]:

Text(0, 0.5, '빈도수')

 

In [109]:

경기도 = AI_최종데이터['도'] == '경기도'
경기도 = AI_최종데이터[경기도]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 경기도)
plt.title('경기도의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[109]:

Text(0, 0.5, '빈도수')

 

In [110]:

광주광역시 = AI_최종데이터['도'] == '광주광역시'
광주광역시 = AI_최종데이터[광주광역시]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 광주광역시)
plt.title('광주광역시의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[110]:

Text(0, 0.5, '빈도수')

 

In [111]:

대구광역시 = AI_최종데이터['도'] == '대구광역시'
대구광역시 = AI_최종데이터[대구광역시]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 대구광역시)
plt.title('대구광역시의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[111]:

Text(0, 0.5, '빈도수')

 

In [112]:

부산광역시 = AI_최종데이터['도'] == '부산광역시'
부산광역시 = AI_최종데이터[부산광역시]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 부산광역시)
plt.title('부산광역시의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[112]:

Text(0, 0.5, '빈도수')

 

In [113]:

서울특별시 = AI_최종데이터['도'] == '서울특별시'
서울특별시 = AI_최종데이터[서울특별시]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 서울특별시)
plt.title('서울특별시의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[113]:

Text(0, 0.5, '빈도수')

 

In [114]:

세종특별자치시 = AI_최종데이터['도'] == '세종특별자치시'
세종특별자치시 = AI_최종데이터[세종특별자치시]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 세종특별자치시)
plt.title('세종특별자치시의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[114]:

Text(0, 0.5, '빈도수')

 

In [115]:

울산광역시 = AI_최종데이터['도'] == '울산광역시'
울산광역시 = AI_최종데이터[울산광역시]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 울산광역시)
plt.title('울산광역시의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[115]:

Text(0, 0.5, '빈도수')

 

In [116]:

인천광역시 = AI_최종데이터['도'] == '인천광역시'
인천광역시 = AI_최종데이터[인천광역시]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 인천광역시)
plt.title('인천광역시의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[116]:

Text(0, 0.5, '빈도수')

 

In [117]:

제주특별자치도 = AI_최종데이터['도'] == '제주특별자치도'
제주특별자치도 = AI_최종데이터[제주특별자치도]

fig = plt.figure(figsize=(10,10))
sns.countplot(x = '시군', data = 제주특별자치도)
plt.title('제주특별자치도의 시군에 따른 빈도수')
plt.xlabel('시군')
plt.ylabel('빈도수')
plt.show()

Out[117]:

Text(0, 0.5, '빈도수')

 

In [31]:

#발생월 시각화 처리
발생월_df = pd.DataFrame(pd.value_counts(AI_최종데이터['발생월'], sort=False))
발생월 = list(발생월_df.index)
발생월_count = list(발생월_df['발생월'])

In [32]:

#발생월에 따른 빈도수 bar 그래프
sns.barplot(x=발생월, y=발생월_count)
plt.ylim(0,300)
plt.title('발생월에 따른 빈도수')
plt.xlabel('발생월')
plt.ylabel('빈도수')
plt.show()

 

In [33]:

#축종 시각화 처리
축종_df = pd.DataFrame(pd.value_counts(AI_최종데이터['축종'], sort=False))
축종 = list(축종_df.index)
축종_count = list(축종_df['축종'])

In [34]:

#축종에 따른 빈도수 bar 그래프
sns.barplot(x=축종, y=축종_count)
plt.title('축종에 따른 빈도수')
plt.xlabel('축종')
plt.ylabel('빈도수')
plt.show()

 

In [37]:

#평균기온에 따른 AI 발병 빈도 수
sns.distplot(AI_최종데이터['평균기온'])

Out[37]:

<matplotlib.axes._subplots.AxesSubplot at 0x245fdebe7c0>

 

C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0.0, flags=flags)
C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0, flags=flags)

 

In [38]:

#최저기온에 따른 AI 발병 빈도 수
sns.distplot(AI_최종데이터['최저기온'])

Out[38]:

<matplotlib.axes._subplots.AxesSubplot at 0x245fe094af0>

 

C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0.0, flags=flags)
C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0, flags=flags)

 

In [39]:

#최고기온에 따른 AI 발병 빈도 수
sns.distplot(AI_최종데이터['최고기온'])

Out[39]:

<matplotlib.axes._subplots.AxesSubplot at 0x245fe121880>

 

C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0.0, flags=flags)
C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0, flags=flags)

 

In [41]:

#평균 풍속에 따른 AI 발병 빈도 수
sns.distplot(AI_최종데이터['평균풍속'])

Out[41]:

<matplotlib.axes._subplots.AxesSubplot at 0x245fe1cdc10>

 

In [42]:

#평균 상대습도에 따른 AI 발병 빈도 수
sns.distplot(AI_최종데이터['평균상대습도'])

Out[42]:

<matplotlib.axes._subplots.AxesSubplot at 0x245fe2a5bb0>

 

In [43]:

#일교차에 따른 AI 발병 빈도 수
sns.distplot(AI_최종데이터['일교차'])

Out[43]:

<matplotlib.axes._subplots.AxesSubplot at 0x245fe2da7f0>

 

C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0.0, flags=flags)
C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0, flags=flags)

 

In [44]:

#철새도래지거리(m)에 따른 AI 발병 빈도 수
sns.distplot(AI_최종데이터['철새도래지거리'])

Out[44]:

<matplotlib.axes._subplots.AxesSubplot at 0x245fe3c0910>

 

C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0.0, flags=flags)
C:\Users\User\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 8722 missing from current font.
  font.set_text(s, 0, flags=flags)

 

In [ ]: