빅데이터 분석 AI 조류 인플루엔자 데이터 EDA - (3)

@notepad_jj2

츄르사려고 코딩하는 코집사입니다.

---

1. 데이터에 철새도래지 추가하여 EDA 실시

 

In [2]:

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 [3]:

#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 [4]:

AI_최종데이터 = pd.read_csv('C:/Users/User/Desktop/바탕화면/AI data/AI_철새도래지_최종데이터.csv', encoding='euc-kr')

In [5]:

AI_최종데이터

Out[5]:

	발생여부	도	발생연도	발생월	축종	평균기온	최저기온	최고기온	평균풍속	평균상대습도	일교차	철새도래지거리
0	1	충청남도	2018	3	닭	5.6	-2.9	14.4	1.5	58.8	17.3	8.58
1	1	경기도	2018	3	닭	5.5	-0.3	9.4	3.5	67.6	9.7	8.97
2	1	경기도	2018	3	닭	4.8	-1.0	10.3	2.7	57.5	11.3	1.37
3	1	충청북도	2018	3	오리	12.2	7.8	14.8	0.8	90.8	7.0	22.03
4	1	충청남도	2018	2	닭	-5.8	-14.6	3.2	0.8	55.3	17.8	3.02
...	...	...	...	...	...	...	...	...	...	...	...	...
5529	0	경상북도	2017	4	닭	15.9	9.2	23.2	3.9	62.6	14.0	17.99
5530	0	경상북도	2012	7	닭	24.1	20.8	28.3	2.4	83.9	7.5	27.53
5531	0	경상북도	2014	1	닭	-0.2	-6.4	5.7	2.8	48.4	12.1	41.31
5532	0	경상북도	2014	6	닭	21.7	16.3	29.2	1.8	71.9	12.9	23.23
5533	0	경상북도	2012	9	닭	20.8	18.7	23.9	5.9	80.6	5.2	15.72

5534 rows × 12 columns

In [6]:

도_df = pd.DataFrame(AI_최종데이터['도'].value_counts())
도 = list(도_df.index)
도

Out[6]:

['경상북도',
 '강원도',
 '경상남도',
 '제주도',
 '충청남도',
 '전라남도',
 '전라북도',
 '경기도',
 '충청북도',
 '세종특별자치시',
 '울산광역시',
 '부산광역시',
 '대구광역시',
 '광주광역시',
 '서울특별시',
 '인천광역시']

In [7]:

충청북도 = AI_최종데이터['도'] == '충청북도'
충청북도 = AI_최종데이터[충청북도]
plt.title('충청북도 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 충청북도)

Out[7]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065ec84e20>

In [8]:

충청남도 = AI_최종데이터['도'] == '충청남도'
충청남도 = AI_최종데이터[충청남도]
plt.title('충청남도 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 충청남도)

Out[8]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f42d670>

In [9]:

경상북도 = AI_최종데이터['도'] == '경상북도'
경상북도 = AI_최종데이터[경상북도]
plt.title('경상북도 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 경상북도)

Out[9]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f47ba60>

In [10]:

경상남도 = AI_최종데이터['도'] == '경상남도'
경상남도 = AI_최종데이터[경상남도]
plt.title('경상남도 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 경상남도)

Out[10]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f4c3b80>

In [11]:

강원도 = AI_최종데이터['도'] == '강원도'
강원도 = AI_최종데이터[강원도]
plt.title('강원도 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 강원도)

Out[11]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f516850>

In [12]:

제주도 = AI_최종데이터['도'] == '제주도'
제주도 = AI_최종데이터[제주도]
plt.title('제주도 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 제주도)

Out[12]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f5622b0>

In [13]:

전라남도 = AI_최종데이터['도'] == '전라남도'
전라남도 = AI_최종데이터[전라남도]
plt.title('전라남도 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 전라남도)

Out[13]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f5a8d30>

In [14]:

전라북도 = AI_최종데이터['도'] == '전라북도'
전라북도 = AI_최종데이터[전라북도]
plt.title('전라북도 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 전라북도)

Out[14]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f60f5e0>

In [15]:

경기도 = AI_최종데이터['도'] == '경기도'
경기도 = AI_최종데이터[경기도]
plt.title('경기도 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 경기도)

Out[15]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f64b910>

In [16]:

세종특별자치시 = AI_최종데이터['도'] == '세종특별자치시'
세종특별자치시 = AI_최종데이터[세종특별자치시]
plt.title('세종특별자치시 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 세종특별자치시)

Out[16]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f6a1e20>

In [17]:

울산광역시 = AI_최종데이터['도'] == '울산광역시'
울산광역시 = AI_최종데이터[울산광역시]
plt.title('울산광역시 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 울산광역시)

Out[17]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f562580>

In [18]:

부산광역시 = AI_최종데이터['도'] == '부산광역시'
부산광역시 = AI_최종데이터[부산광역시]
plt.title('부산광역시 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 부산광역시)

Out[18]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f72d370>

In [19]:

인천광역시 = AI_최종데이터['도'] == '인천광역시'
인천광역시 = AI_최종데이터[인천광역시]
plt.title('인천광역시 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 인천광역시)

Out[19]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f5adee0>

In [20]:

대구광역시 = AI_최종데이터['도'] == '대구광역시'
대구광역시 = AI_최종데이터[대구광역시]
plt.title('대구광역시 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 대구광역시)

Out[20]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f7cc670>

In [21]:

광주광역시 = AI_최종데이터['도'] == '광주광역시'
광주광역시 = AI_최종데이터[광주광역시]
plt.title('광주광역시 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 광주광역시)

Out[21]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f7824f0>

In [22]:

서울특별시 = AI_최종데이터['도'] == '서울특별시'
서울특별시 = AI_최종데이터[서울특별시]
plt.title('서울특별시 AI 발생여부', size = 20)
sns.countplot(x = '발생여부', data = 서울특별시)

Out[22]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f5625e0>

In [23]:

fig = plt.figure(figsize=(25,10))
sns.barplot(x = '도', y = '발생여부', data = AI_최종데이터)
plt.xticks(fontsize = 15)
plt.yticks(fontsize = 15)
plt.xlabel('도', fontsize=20)
plt.ylabel('발생비율', fontsize=20)
plt.title('각 도의 AI 발생 비율', size = 30)
plt.show()

In [25]:

#발생여부에 따른 철새도래지거리 boxplot
sns.boxplot(x = '발생여부', y = '철새도래지거리', data = AI_최종데이터)

Out[25]:

<matplotlib.axes._subplots.AxesSubplot at 0x2065f9a8970>

In [ ]: