데이터 분포와 통계량

from google.colab import drive
drive.mount('/content/drive')]

import pandas as pd

file_path = '/content/drive/MyDrive/data/titanic_train.csv'
df = pd.read_csv(file_path)

실습 데이터 중비.

---

분포 및 요약 통계

• describe(): 컬럼별 값의 갯수, 평균, 표준편차, 최솟값, 최댓값, 사분위수를 보여줌

df.describe()

result

숫자형으로된 컬럼들의 갯수, 평균, 표준편차, 최솟값, 사분위수, 최댓값

 

---

대푯값

• min(): 최솟값
• max(): 최댓값
• mean(): 평균
• median(): 중간값
• std(): 표준편차
• var(): 분산
• quantile(): 분위수

df.min(numerice_only = True)

*numeric_only = True: 숫자형 데이터만 가지고 계산

결과

df.max(numeric_only = True)
#최댓값
df.mean(numeric_only = True)
#평균
df.median(numeric_only = True)
#중간값
df.std(numeric_only = True)
#표준편차
df.var(numeric_only = True)
#분산
df.quantile(0.2, numeric_only = True)
#20퍼센트에 해당하는 값
df.quantile(0.9, numeric_only = True)
#90퍼센트에 해당하는 값

---

변수의 상관관계 확인하기

• 상관관계: 두 변수의 관련성
• 두 변수간의 연관된 정도를 의미 (!= 인과관계)
• 상관계수 r = 두 변수가 함께 변하는 정도 / 두 변수가 각각 변하는 정도
• .corr() : 상관계수 계산

출처) fastcampus 데이터분석 masterclass

df.corr(numeric_only=True)

result

두 변수(컬럼) 사이의 상관계수들 계산

절댓값이 1에 가까울수록 강한 상관관계

주대각선은 같은 컬럼끼리의 상관계수이므로 1!

 

import seaborn as sns
import matplotlib.pyplot as plt

sns.heatmap(df.corr(numeric_only=True), annot=True)
plt.show()

결과

시각화를 통해 상관관계 살펴보기

Pclass와 Fare, Pclass와 Survived, Pclass와 Age 간의 음의 상관관계를 확인할 수 있음