[projects] EDA_visualization

EDA 발표 (01.25) 이전 사전시각화 (1)

Preprocessing

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
from datetime import datetime
warnings.filterwarnings(action='ignore')

plt.rcParams['font.family'] = 'NanumGothic'

#시각화 색상 통일

col=['#6B4E24','#EECA98','#EBAA4F','#6B5B45','#B8853E','#AB891A','#6B5610','#EBBC23','#F7B50F']

df = pd.read_csv('mapo_2019.csv')

# 시간데이터 datetime으로 변환
df['측정일시'] = df.apply(lambda row: datetime.strptime(str(row['측정일시']), '%Y-%m-%d %H:%M:%S'), axis = 1)

국내에서는 미세먼지 농도가 0 ~ 30은 좋음, 31 ~ 80은 보통, 81 ~ 150은 나쁨, 151 이상은 매우 나쁨으로 등급을 나눕니다.
초미세먼지 농도는 0 ~ 15은 좋음, 16 ~ 35은 보통, 36 ~ 75은 나쁨, 76 이상은 매우 나쁨으로 등급을 나눕니다.
좋음, 보통, 나쁨, 매우 나쁨일때 기준으로 구분해 등급을 나누겠습니다.

# 미세먼지 농도가  0 ~ 30은 0, 31 ~ 80은 1, 81 ~ 150은 2, 151 이상은 3으로 등급을 나눈다

for (i, row) in df.iterrows():
    dust = row[2]
    k = '오류'
    
    if dust < 31:
        k = '좋음'
    elif dust < 81:
        k = '보통'
    elif dust < 151:
        k = '나쁨'
    else:
        k = '매우 나쁨'
    df.loc[i, 'dust_alarm'] = k

# 초미세먼지 농도가  0 ~ 15은 0, 16 ~ 35은 1, 36 ~ 75은 2, 76 이상은 3으로 등급을 나눈다

for (i, row) in df.iterrows():
    f_dust = row[3]
    k = '오류'
    
    if f_dust < 16:
        k = '좋음'
    elif f_dust < 36:
        k = '보통'
    elif f_dust < 76:
        k = '나쁨'
    else:
        k = '매우 나쁨'
    df.loc[i, 'f_dust_alarm'] = k

df.head()

1. 마포구 미세먼지 경보 발령 횟수 barplot, piechart

dc = df['dust_alarm'].value_counts()
print(dc)

fig, axes = plt.subplots(2, 1, figsize=(8,12))

sns.barplot(ax = axes[0], x = dc.index,
            y = dc.values, palette = col).set_title('2019 한 해동안 마포구 미세먼지 등급 발령 횟수 (1시간)', size = 20)
axes[1].pie(labels = dc.index, x = dc.values,
            explode = [0.03, 0.03, 0.1, 0.1], colors = col,
            textprops = {'fontsize' : 12}, autopct = "%.2f%%")
plt.title('2019 한 해동안 마포구 미세먼지 등급 발령 횟수 (1시간)', size = 16)
plt.subplots_adjust(left = 0.125, bottom = 0.1,  right = 0.9, top = 0.9, wspace = 0.2, hspace = 0.35)
plt.show()

2. 요일별 미세먼지 등급 발령 횟수

# datetime 변수를 요일변수로 할당
week = ['월', '화', '수', '목', '금', '토', '일']
df['요일'] = df.apply(lambda row: week[datetime.date(row['측정일시']).weekday()], axis = 1)

# group variables by '요일'
df_al = df[df['dust'] >= 81]
days = df_al.groupby(['요일']).agg({'dust_alarm' : 'count'}).reset_index()

fig, axes = plt.subplots(2, 1, figsize=(8,12))

sns.barplot(ax = axes[0], x = days['요일'],
            y = days['dust_alarm'], palette = col).set_title('요일별 마포구 미세먼지 등급 발령', size = 20)
axes[0].axis([-0.5, 6.5, 80, 200])
axes[1].pie(labels = days['요일'], x = days['dust_alarm'],
            colors = col, textprops = {'fontsize' : 12}, autopct = "%.2f%%")
plt.title('요일별 마포구 미세먼지 등급 발령', size = 16)
plt.subplots_adjust(left = 0.125, bottom = 0.1,  right = 0.9, top = 0.9, wspace = 0.2, hspace = 0.35)
plt.show()

3. 미세먼지가 가장 심한 날짜시간 Top 10

# 미세먼지가 가장 심한 날 Top 10

plt.figure(figsize = (12, 8))

dust_srt = df.sort_values('dust', ascending = False)
sns.barplot(x = dust_srt['dust'][:10], y = dust_srt['측정일시'][:10].apply(lambda x : x.strftime('%m월%d일-%H시')), palette = col)
plt.axis([180, 250, 9.5, - 0.5])
plt.show()

4. 달 기준 미세먼지 경보 발령 횟수

df_month = df[df['dust'] >= 81]
df_month['month'] = df_month.apply(lambda row: row['측정일시'].strftime('%m'), axis = 1)

df_mon = df_month.groupby(['month']).agg({'dust' : 'count'}).reset_index()

plt.figure(figsize = (8, 6))

sns.barplot(x = df_mon['month'], y = df_mon['dust'],
            palette = col)
plt.title('미세먼지 경보 발령 횟수 (월)', fontsize = 20)
plt.show()

5. 미세먼지 경보 발령 시간대

df_month['time'] = df_month.apply(lambda row: row['측정일시'].strftime('%H'), axis = 1)
df_t = df_month.groupby(['time']).agg({'dust' : 'count'}).reset_index()

plt.figure(figsize = (8, 6))

sns.lineplot(x = df_t['time'], y = df_t['dust'],
            marker = 'o')
plt.grid(b = True, color='#999999')

plt.show()