티스토리

시니신

검색하기

블로그 홈

시니신

jjsiny.tistory.com/m

괜찮아! 일단 그냥 해!!

구독자: 1

방명록 방문하기

주요 글 목록

AI데이터 분석_ 파이썬 기초11_클래스(변수, 상속, 오버라이딩, 예외처리) 클래스 변수와 인스턴스 변수#클래스 변수와 인스턴스 변수#한국사람을 나타내는 korean클래스 정의class Korean: country='한국' #생성자 def __init__(self,name,age,address): self.name=name self.age=age self.address=address#클래스 변수: country#인스턴스(객체변수) : name, age, address#객체화man1=Korean('정대만',25,'북산')man2=Korean('이정환',25,'해남')#객체(인스턴스 변수)print(man1.name)print(man1.age)print(man1.address)print(man2.name)print(man2.age)print(man2.addres.. 공감수 3 댓글수 0 2024. 10. 31.
AI데이터 분석_ 파이썬 기초10_클래스(전역,지역변수, global키워드, 표준모듈 사용법) 변수의 종류지역변수함수 내부에서 선언한 변수로 함수안에서만 사용이 가능한 함수이다. 전역변수함수 밖에서 선언한 변수로 전체에서 사용이 가능하다 특징전역변수지역변수함수안에서 읽기OO함수 안에서 쓰기XX함수 밖에서 읽기OX함수 밖에서 쓰기OX 전역변수와 지역변수 사용하기#전역변수와 지역변수value =100 #전역변수def change_value(): value=200 #지역변수 (전역변수와는 상관x) print(f"value={value}")change_value() #지역변수는 함수 호출시에만 사용되는 일회용 변수이기 때문에 전역변수의 값을 바꾸지 못함.print(f"value={value}")#함수 밖에서 정의되었고 함수를 호출한것이 아니기때문에 전역변수로 만들어준 값이 나온것지역변수는 함수 호출시.. 공감수 6 댓글수 1 2024. 10. 26.
Tableau Desktop_슈퍼스토어 데이터로 전년도 비교 KIP측정 대시보드 생성하기 데이터 시각화 목표KIP측정 대시보드를 제작하여 기업의 성장세 파악하기매개변수 활용 및 대시보드 생성방법 이해하기 사용데이터_출처(태블로)Superstore 시각화 대시보드 로직 구상하기KIP대시보드를 생성하기 전에, 어떻게 대시보드를 생성할지 미리 구상을 먼저 수행했다. KIP의 정확한 측정과 상승도를 파악하기 위해 24년도 매출합계와 전년도대비 몇퍼센트가 상승했는지를 표시할 레이블과 그래프로 구상하고, 매출뿐만아니라 최종 수익까지 파악할 수 있도록 매출과 수익모두 한번에 대시보드에 나타나도록 생성할 예정이다. 24년도 매출 레이블 생성하기먼저 매출을 나타낼 레이블을 생성했다. 년도와 매출필드를 사용하여 해당 년도별 매출의 합계가 나타나도록 표시했다. 계산된 필드 사용KIP이기때문에 모든 년도의 매.. 공감수 0 댓글수 0 2024. 10. 25.
Tableau Desktop_매개변수 사용하여 여러개 차트합친 대시보드 생성하기 데이터 준비실무에서 데이터 시각화 차트를 한개만 만드는 일보다는 다양한 분석에 알맞은 차트를 여러개 만들어 보여주는 경우가 많다. 이럴경우, 여러개의 차트들을 하나의 대시보드에 표현하면서 매개변수를 활용하여 마치 필터처럼 원하는 차트를 선택하면 그 해당 차트가 보이도록 할 예정이다. 그렇기때문에 오늘 매개변수에서 활용할 라인,막대,맵,파이차트를 준비한다. 매개변수 만들기전체차트, 라인,막대,맵,파이를 필터서럼 사용자가 선택할 수 있도록 매개변수를 생성한 후, 매개변수 표시를 눌러 표시해준다. 계산된 필드로 필터 만들기그 후 매개변수 자체를 필터로 사용할 수는 없기때문에 이에대한 계산된 필드로 필터를 생성해주어야한다. 계산된 변수에 생성해둔 매개변수를 그대로 로드해주기만 하면 된다.그 후 사용자 지정 값.. 공감수 0 댓글수 0 2024. 10. 25.
Tableau Desktop_매개변수 만들기 매개변수매개변수는 파리미터라고도 부르며, 사용자가 시각화를 다양하게 탐색하기 위해 직접 입력하거나 선택할 수 있는 값이다. 데이터의 유형은 문자열,숫자, 날짜 등의 단일 값으로 설정하며, 고정 목록에서 선택하거나 자유롭게 값을 입력기능하고 필터링, 계산 참조등의 목적으로 사용한다. 매개변수 사용 예시차원 혹은 설정값 바꾸기시트 이동임계값 설정 데이터 준비열에 주문날짜필드를, 행에 합계필드를 설정하면 년도별 매출액의 합계를 볼 수 있다. 하지만 이렇게 필드만을 사용할 경우, 보다 자세한 날짜를 확인하고싶다하더라도계층을 사용하면 그래프를 시각화하기도 어렵고, 필터처럼 자유롭게 사용하기도 어렵다. 이럴경우 사용할 수 있는것이 매개변수이다. 매개변수를 만들어, 주별, 월별, 분기별, 년도별을 사용자가 필터처럼 .. 공감수 1 댓글수 0 2024. 10. 24.
Tableau Desktop_컨텍스트 필터 설정 / LOD계산활용 컨텍스트 필터태블로에서 컨텍스트 필터는 여러개의 필터를 적용해야할때 특정 필터를 우선적으로 적용할 수 있는 기능이다. 컨텍스트 필터와 Fixed계산 사용하여 동남아시아의 판매 제품별 TOP5구성비율 알아보기데이터셋 준비동남아시아의 판매 제품 TOP5를 알아보기 위해 행에 제품이름과 각 해당제품별로 매출의 합계를 표시한 뷰를 생성한다. 지역 필터 생성그 후 동남아시아만의 제품별 매출합계를 확인하기 위해 지역 필터를 생성하여 동남아시아만 집계되도록 한다. 제품이름 필터 생성그 후 매출이 가장 높은 순서대로 TOP5개를 뽑기위해 제품이름으로 상위5를 표시할 수 있는 필터를 생성해준 후, 그에따른 구성비율을 표시했다. 하지만 동남아시아만의 판매 매출이 아니라 전체 지역 판매매출에서로 범위가 변경되어 표시가.. 공감수 0 댓글수 0 2024. 10. 23.
Tableau Desktop_LOD계산(Fixed, Include, exclude) LOD계산(데이터 원본 수준 + visualization 수준)계산할 세부 수준을 제어할 수 있음LOD 종류Fixed (완전히 독립적인 수준)Include(더 세분화된 수준)Exclude(덜 세분화된 수준)LOD계산 문법{Fixed [행] : 계산 값} FixedFixed는 완전히 독립적이기때문에 뷰의 차원을 참조하지 않고 식으로 지정된 차원을 사용하여 값을 게산하는 방식이다. 일단 값과 LOD계산이 된 값의 차이점을 지역별 매출 집계를 통해 살펴보자. 먼저, 열이나 행에 그 어떤 필드도 두지않고 오로지 매출의합산만을 측정값으로 두었을때 뷰에서는 전체 매출의 총합계가 계산된다.여기서 범주를 행에 추가하게되면 자동적으로 전체 총합이었던 매출액은 범주별 매출 총합으로 변동되게 되며, 필터와 같이 값을 집계하.. 공감수 0 댓글수 0 2024. 10. 22.
Tableau Desktop_Boxplot으로 NBA팀별 선수들의 연봉분포 파악하기 데이터 시각화 목표Boxplot을 사용하여 NBA팀별로 가장 연봉이 높은 선수와 팀별 중앙값의 차이 파악하기테이블 계산 이해하기 사용데이터_출처(NBA)NBA_1718.cvs 데이터 파악하기NBA_1718데이터는 4개의 필드와 573개의 행으로 구성된 테이블이며, 선수명, 팀명, 연봉으로 구성된 테이블이다. 팀별 연봉 분포 파악하기NBA팀별 선수 연봉분포를 파악하기 위해 행에 연봉합계를, 열에는 팀을 배치한 후, 팀별 가장 높은 연봉을 받는 선수를 파악을 위해측정값에 선수를 배치했다. Boxplot생성하기 팀별 연봉 중앙값과 이상치(극한으로 가장 높은 연봉의 값)의 차이 비교를 위해 Boxplot으로 표 형태를 바꿔주었다. 선수명과 연봉 레이블 추가 선수명과 연봉표시를 위해 마크에 player를.. 공감수 0 댓글수 0 2024. 10. 21.
Tableau Desktop_테이블 계산(테이블, 파티션, 방향, 레이아웃, 필터) 테이블 계산원본 테이블 기반이 아니라 현재 비주얼라이제이션에 표시된 항목을 기반으로 계산하는것예시) 구성비율 표시, 누계표시, 순위 표시 등등 테이블 계산에 영향을 주는 요소파티션방향레이아웃필터 데이터셋 준비오늘은 슈퍼스토어 데이터를 가지고 테이블 계산을 통해 지역, 년도별 구성비율을 계산해, 테이블 차트를 만들어보고자 한다.해당 계산을 하기 위해 국가와 년도별 매출을 표시한 테이블을 하나 생성해준다. 총합계 추가하기 국가별 매출, 년도 별 매출의 총합계 표시를 위해 분석탭에서 총계를 드래그 앤 드롭으로 소계, 열총합계, 행 총합계를 추가해준다. 총합계 색상 표시하기총계의 셀을 클릭 → 서식클릭 의 방식으로 서식탭에 들어가준 다음, 행과 열의 색상을 바꿔준다. 매출의 구성비율 구하기매출의 값이 아니라 각.. 공감수 2 댓글수 1 2024. 10. 21.
Tableau Desktop_이중 축 그래프 파레토 그램법칙으로 상위고객층 파악하기 데이터 시각화 목표1.파레토 그램법칙을 활용하여 상위 20%고객층파악하기2. 고객의 구간비율과 메출영향비율 한눈에 파악할 수 있도록 시각화 하기 사용데이터_출처(Tableau)Super store 데이터 준비고객정보를 확인하기 위해 고객이름을 열에 두고 매출을 행에 두어, 어떤 고객이 가장 매출에 큰 영향을 주고있는지 파악할 수 있도록 했으며, 고객과 매출 데이터의 양이 방대하여, 2022년도 데이터만 사용하기 위해 주문날짜로 필터를 걸고, 년도만 추출하였다. 그 후 매출을 내림차순으로 정렬하여 매출에 영향을 가장많이 주고있는 고객의순서대로 보이도록 정렬했다. 현재 데이터 기준으로는 Steven Ward가 가장 매출에 많은 영향을 준 고객임을 알 수 있다. 고객별 누적매출 파악하기 한명의 고객이 전체 .. 공감수 0 댓글수 0 2024. 10. 17.
Tableau Desktop_다중 측정값에 대한 축 추가_(이중 축 동기화) 다중 측정값실무에서 데이터 시각화를 할때 하나의 값을 가지고 그래프를 만드는 경우보다는 여러 데이터를 변수로 두고 데이터를 시각화하여 분석하는 경우가 많다. 이때 데이터 시각화 보드에 여러개의 행으로 그래프를 나타내는 경우가 있고, 아예 그래프를 겹쳐서 그래프를 만드는 경우가 있다. 다중 측정값의 종류측정값에 대한 개별 축 만들기여러 측정값을 단일 축으로 혼합하기이중 축 만들기 측정값에 대한 개별 축 만들기먼저, 측정해야할 데이터가 2개이고, 2개의 그래프를 따로 만드는 개별 축을 만들어볼 예정이다. 다중 측정값대해 개별로 축을 만드는 가장 간단한 방법은 측정하고자 하는 데이터들의 필드를 그대로 행에 나란히 놓아주면 자동으로 자동축이 생성된다. 위 그래프에서는 첫번째 그래프가 매출의 합계이고 두번째 그.. 공감수 0 댓글수 5 2024. 10. 16.
Tableau Desktop_계산된 필드(Running, Total, lookup, window, if~elseif)실습 계산된 필드태블로 계산된 필드란 기존 데이터를 기반으로 기존에 없던 새로운 필드를 만들어낼 수 있는 기능이다. 계산된 필드를 만들때는 주로 함수를 사용하며, 계산된 값을 통해 원하는 대시보드를 만들 수 있다. 계산된 필드 함수 종류Running_Totallookupwindowif~elseif사실 계산된 필드의 함수 종류는 굉장히 다양하다. 하지만 대부분 엑셀이나 파이썬, R, sql등 데이터분석에 사용되는 집계함수들과 문법이 거의 동일하기때문에 오늘은 실무에서 가장 많이 사용되는 계산된 필드 함수 종류들과 실제 실무에서는 어떤 상황에서 함수를 사용하는지 살펴볼 예정이다. Running_Running은 누적값을 구해주는 함수이다. Running_sum(누적합계)이나 Running_min등 다른 기본 집.. 공감수 3 댓글수 1 2024. 10. 16.
Tableau Desktop_히스토그램을 활용하여 날짜별 배송소요시간 분포도 파악하기 데이터 시각화 목표날짜별 배송 소요시간 분포도를 파악하여, 자사의 평균 배송시간 파악하기 사용데이터_출처(Tableau)Super store 배송 소요시간 필드 만들기_(계산된 필드) 현재 데이터에서는 배송 소요시간을 기록한 필드가 없기때문에 계산된 필드를 이용하여 일자(day)를 기준으로 주문 날짜에서 배송 날짜의 값을 빼주었다. 구간차원 만들기 그 다음 계산된 필드로 만들어진 배송 소요시간의 필드를 구간차원으로 만들어주었다. 1일 기준으로 값이 나뉘어져야하기때문에 차원의 크기를 1로 설정했다. 데이터 시각화 하기구간차원으로 만든 값을 열에 추가하고 그에 따른 주문건수를 파악하기 위해 주문ID필드를 카운트고유값으로 변경한 후 행의 열에 추가했다. 그래프 에서 4시간인 배송건수가 가장 많았다는것을 .. 공감수 0 댓글수 0 2024. 10. 15.
Tableau Desktop_데이터 구간차원(bin) 생성하기 구간차원데이터를 일정한 구간(bin)으로 나눠 분석하는 방법으로 구간차원에 사용하는 데이터는 불연속적인 범주형 데이터로 바꿔주어야한다. 데이터 준비오늘 구간차원에서 사용할 데이터는 태블로의 super store데이터이고, 주문건수 1건당 판매되는 제품수량의 분포를 알아볼 예정이다. 구간차원 만들기먼저, 수량의 개수를 구해야하는데 수량이 연속적인 데이터값이기때문에 이를 범주형데이터인 구간차원으로 나눠주어야한다.만들기 탭에서 구간차원을 클릭해준다.그럼 구간차원을 설정할 수 있는 창이나오는데, 태블로에서 디폴트로 계산된 구간차원크기인 1.77이 디폴트 값으로 적혀있겠지만, 현재 수량을 1건으로 계산하여야하기때문에 구간차원의 크기를 1로 맞춰준다. 현재 최소값이 1이고 최대값이 14인데 고유카운트가 14개인.. 공감수 0 댓글수 0 2024. 10. 15.
Tableau Desktop_데이터 필터로 추출하기 필터태블로에서 필터 기능을 사용하면 원하는 데이터만 추출하여 시각화 할 수 있다. 필터의 종류일반와일드카드조건상위 데이터 준비오늘 필터에서 사용할 데이터는 국가/지역별 판매데이터를 수집한 super store이다. 해당 데이터를 지도그래프로 시각화하였고, 주문ID를 고유카운트하여 마크로 표시해, 주문이 가장 많은 국가 상위10개를 추출해볼 예정이다. 필터 사용하기필터를 사용하려면, 필터를 하고싶은 필드를 필터탭에 놓아주면 된다. 일반 필터일반필터는 내가 직접 목록에서 추가하거나 제외할 필드를 선택하여 직접 필터를 거는 것을 말한다. 전체를 누르면 필드의 전체가 체크되고, 없음을 클릭하면 전체 체크된걸 없앨 수 있다. 와일드카드와일드 카드는 문자형 데이터를 필터링할 때 특정 패턴이나 규칙에 맞는 항목만.. 공감수 0 댓글수 0 2024. 10. 15.
Tableau Desktop_데이터 계층(자동계층과 사용자 지정계층) 계층태블로에서는 계층이라는 개념이있다. 계층이란 데이터 필드를 그룹화하여 세분화 하는 작업을 말한다. 데이터가 날짜와 같이 연속적인 값을 가지고있다면 태블로에서 자동으로 자동계층이라는것을 생성해주고, 문자형이나 범주로 구분되는 불연속적인 데이터라면 사용자 지정계층을 통해 데이터를 계층화 할 수 있다. 데이터 준비오늘 사용할 데이터는 super store라는 테이블로, 구체적인 제품판매에 관한 데이터가 수집된 테이블이다. 오늘 계층을 통해서 날짜별 매출과 제품 및 제조업처에 따른 매출합계를 알아보도록 하자. 자동계층날짜별 매출합계를 확인하기위해 열에 매출값을, 행에 날짜데이터를 삽입했다. 현재 년도별로 매출합계가 표시된 데이터이다. 만약 여기서 분기나, 월별로 매출을 확인하고싶다면 자동계층을 사용하면 된.. 공감수 1 댓글수 0 2024. 10. 15.
Tableau Desktop_데이터 집계방법과 세분화 하기 데이터 준비오늘 사용할 데이터는 국가별 할인률과 판매수, 고객ID등이 담긴 판매매출 데이터이다. 데이터 집계 목표지역별 매출과 할인율은 어떻게 다른지 데이터 시각화를 통해 살펴보기먼저 매출과 할인율을 구하기위해 워크시트의 행과 열에 각각 매출과 할인율을 드래그앤 드롭으로 집계해준다.이때 태블로는 디폴트로 합계를 보여주기때문에 할인율의 값을 평균으로 바꿔준다.현재 데이터를 보면 평균할인율은 0.1497이고 매출은 3,566,521원으로 나타는데 알고자 하는 값은 지역별로 매출과 할인율의 차이점이기때문에 마크탭에 국가/지역탭을 걸어 데이터를 다시 집계해준다.이렇게 마크탭에 국가/지역을 추가하면 국가와 지역별로 할인율과 매출을 볼 수 있는데, 이렇게 점으로만 표시되어있을때 국가/지역데이터를 다시 마크에 추가.. 공감수 1 댓글수 0 2024. 10. 15.
Tableau Prep_공공데이터로 서울시 상권데이터 전처리하기 데이터 전처리 목표서울시 상권데이터와 인구수에 관련된 데이터를 수집 후, 상권의 직장인과 생활인구를 행정동 단위로 파악하기 사용데이터_출처(서울시 공공데이터포털)서울 행정동 정보.csv상권분석_직장인구.csv상권분석_생활인구.csv상권분석_상권영역.csv 데이터 소개상권분석_직장인구첫번째 데이터 상권분석_직장인구데이터는 총 28개의 필드로 구성된 데이터이며, 10~60대까지의 연령대별 인구수, 10~60대별 성별인구수, 날짜, 상권코드, 상권코드명, 그리고 총 직장인구수를 기록한 데이티이다. 행정동 정보행정동 정보 데이터는 총 2개의 필드로 구성된 데이터이며, 각 행정동의 코드와 행정동명을 기록한 데이터이다. 상권분석_상권영역상권분석_상권영역 데이터는 총11개의 필드로 구성되어있으며, 날짜, 상권코드, .. 공감수 3 댓글수 1 2024. 10. 14.
Tableau Prep_데이터 출력 방법과 옵션 종류 데이터 출력하기원하는데이터 전처리 작업이 끝났다면, 전처리된 데이터를 파일 형태로 출력해주어야한다. 출력하기 위해서는 최종 데이터 흐름에서 +버튼을 눌러 출력을 클릭한다.출력을 누르면 이렇게 전처리나 내가 원하는대로 구조를 변경한 데이터를 파일의 형식으로 출력할 수 있는 환경이 셋팅된다. 데이터를 출력할 환경셋팅이 전부 끝났다면, 데이터를 출력할 형태를 정해주어야하는데, 파일은 다르지만 형식은 대부분 비슷하다. 파일은 말그대로 데이터를 파일의 형태로 출력하겠다는 의미이고 게시된 데이터원본은 데이터소스로 출력을 의미하고 데이터 베이스 및 클라우드 저장소는 DB로 출력하겠다는 의미이다. 이렇게 본인이 원하는 파일 형태를 지정해준다. 그 다음에는 출력유형을 선택하면되는데 여기서는 엑셀파일로 데이터를 추출할 .. 공감수 0 댓글수 0 2024. 10. 13.
Tableau Prep_데이터 집계 및 조인까지 데이터 집계데이터집계는 데이터포인트를 결합하여 하나의 값을 생성하는 프로세스로, 데이터를 집계할때사용할 수 있는 함수들은 다른 언어들과 비슷한 sum,count,average, group,max,min등이 있다. 데이터 준비태블로에서 집계작업에 사용할 데이터를 로드해준다. 오늘 사용할 데이터는 지역별, 년도별 할당량이 저장되어있는 Quota테이블과고객ID, 판매량 등, 주문에 대한 정보가 구체적으로 담겨있는 Oders데이터를 사용할 예정이다. 오늘 이 두데이터를 가지고 공통적으로 존재하는 년도와 지역을 그룹화한 후, 조인하여 년도, 국가별 전체 판매량과 그에대한 고객수를 한 테이블로 정리하여 추출할 예정이다. 데이터 설명Quota첫번째 Quota테이블먼저 정리단계로 살표보면 년도가 행으로 되어있는게 아니.. 공감수 0 댓글수 0 2024. 10. 13.
Tableau Prep_Data Pivoting(rows to columns, columns to rows) Data Pivoting태블로에서는 데이터의 구조를 바꿔주는 피봇팅을 할 수 있다. 그 종류는 다음과 같다. rows to columns(pivot)긴 형태 → 넓은 형태하나의 열의 고유 값들을 새로운 열 헤더로 전환columns to rows넓은 형태 → 긴 형태여러열을 취해서 두 개의 열, 보통 '키'와 '값'으로 재구조화 Pivoting 환경 셋팅사용할 데이터먼저 로드해준다. 오늘 사용할 테이블은 Quota라는 지역별 년도별 득표수를 표기한 데이터를 사용할 예정이다. 로드해준 원본테이블의 +버튼을 눌러 피벗을 선택한다.그럼 이렇게 피벗을 진행할 수 있는 환경이 셋팅된다. unpivot지금은 unpivot을 진행할 예정이기때문에 열을 행으로를 클릭해준다. (영어버전인 경우 column to r.. 공감수 0 댓글수 0 2024. 10. 12.
태블로_Tableau Prep 데이터 로드 및 필드 확인과 데이터 조인 data join태블로에서는 각각의 테이블의 데이터를 조인할 수 있다. 태블로에서 가능한 조인의 종류는 다음과 같다. join의 종류inner joinleftouter joinrightouter joinfull outer join 데이터 로드 및 필드 확인 먼저 사용할 데이터 테이블을 준비해주고 시작하자. 오늘 사용할 데이터는 책의 정보가 담긴 book데이터에서 책의 정보 자체가 담긴 book과 책의 수상정보인 Award테이블을 사용할 예정이다. 엑셀파일을 로드할경우, 시트와 테이블이 함께 전부 로드된다. 여기서 드래그로 사용할 테이블을 끌어다 창에 놓아주면홈에 테이블이름과 함께 그 테이블의 정보를 확인할 수 있다. 현재 book테이블안에 3개의 열이 있는것을 확인할 수 있다.여기서 조인을 하기위해 하나.. 공감수 0 댓글수 0 2024. 10. 12.
R복습_회귀분석 코드연구 (1차 단순회귀분석, 다중회귀분석, 로지스틱 회귀분석) 단순회귀분석 코드연구단순 회귀분석 코드연구 1예측 모델링 설계목적 : diamonds데이터에서 가격별 무게의 상관관계를 알아보고 가격의 변동에 따른 무게예측하기사용 데이터 : diamonds(r내장데이터)#데이터 셋 로드diamonds#상관관계분석cor.test(diamonds$price,diamonds$carat)#p-value = 회귀분석 코드연구 1 다이아몬드 데이터의 무게와 가격의 상관관계를단하 분석한 결과이다. p-value가 내장그래프인 plot을 사용하여 상관성을 확인하였을때도 어느정도 한 방향으로 관측점들이 분포하고있어, 상관성이 있다고 판단되었다. #기울기, 절편 구하기modellm함수를 이용하여 기울기와 절편을 구했고, coef함수를 이용하여 기울기와 절편을 추출했다. 회귀모델을 평가할.. 공감수 0 댓글수 0 2024. 10. 11.
R복습_회귀분석 (1차 단순회귀분석, 다중회귀분석, 로지스틱 회귀분석) 회귀분석회귀분석은 한개 또는 그 이상의 변수들(독립변수)에 대하여 다른 한 변수(종속변수) 사이의 관계를 설명하고 예측하는 분석기법을 말한다. 현재의 데이터로 일정한 패턴을 계산하여 예측하는 분석방법인데, 주로 가격, 매출, 주가, 수량 등 연속적인 값을 갖는 데이터를 예측하는데 주로 사용한다. 회귀분석의 기본 개념분석모형이 예측하고자 하는 결과 : 종속변수(예측변수)예측을 위해 모형이 사용하는 속성 : 독립변수(설명 변수) ex) y=x1 + x2 +10 x1,x2 : 독립변수, y : 종속변수독립변수와 종속변수에 해당하는 데이터를 모아 관계를 분석하고 예측에 활용할 수 있도록 통계적으로 정리하는과정을 예측모델(모형)이라고 하며 이는 회귀식이 된다. 회귀분석의 종류단순회귀 : 독립변수가.. 공감수 3 댓글수 1 2024. 10. 10.
R복습_데이터 시각화2_ (그래프에 회귀선그리기(단순회귀분석), 그래프 객체 추가,도형 및 화살표 추가) 그래프에 사선그리기그래프에 사선을 추가하게되면 그래프 추세를 확인할 수 있다. 그래프에 사선을 그리려면 단순하게 함수만 이용해서는안되며, 상관분석, 기울기, 절편값 구하기등 단계가 조금 복잡하다. 그래프에 회귀 사선을 추가하는 단계는 다음과 같다 그래프에 사선추가 단계cor.test(상관분석 진행) : 상관성이 있어야 기울기, 절편 구하기 가능 lm(종속변수, 독립변수) : 절편과 기울기 구하기coef() : 모델의 데이터에서 절편과 기울기 추출geom_abline(intercept=절편, slope=기울기) : 함수에 기울기, 절편 전달#패키지 불러오기library(ggplot2)#그래프에 사선그리기#ggplot에 저장된 economics 데이터셋economics#1)geom_abline() : 꺾은선.. 공감수 0 댓글수 0 2024. 10. 7.
R복습_데이터 시각화1_ ggplot2(산점도, 꺾은선, 막대, 누적,박스,히스토그램, 선버스트,gridExtra 등) 데이터 시각화데이터시각화란 숫자로 구성된 수치 데이터를 이미지화 하여 그 내용을 시각적으로 전달하는것을 의미한다. ggplot2패키지 설치#ggplot2패키지 #패키지 설치 install.packages('ggplot2') library(ggplot2) #R의 내장 데이터셋 불러오기 airquality #1973년 뉴욕의 대기 측정 데이터 ggplot2 패키지#그래프 기본틀 생성 str(airquality) #str()데이터프레임 요약함수 ggplot(airquality,aes(x=Day,y=Temp))#아직 값이 안들어가고 틀만 만들어진 상태데이터 시각화 시 사용하는 패키지로, 각종 그래프 함수가 포함되어있다. 기본적인 대부분의 시각화는 ggplot2패키지로 표현능하며, 실무에서도 r에서 데이터 시각화.. 공감수 1 댓글수 1 2024. 10. 7.
R복습_reshape2패키지와 함수(melt,cast,데이터구조 가공) reshape2데이터분석을 하게되면 동일한 데이터를 가지고 분석을 하더라도, 목적에 따라 분석기준이 달라지게된다. 이때 데이터의 구조를 데이터를 분석하는 방향성에 맞게 변경해주어야하는데, 이때 사용할수있는 패키지가 바로 reshape2 패키지이다. reshape2패키지는 수집한 데이터의 구조를 분석하기 쉬운형태로 가공할때 사용한다. reshape2패키지 설치와 데이터 생성#reshape2 패키지install.packages('reshape2')library(reshape2)#데이터 생성stu.df 다른 패키지들과 마찬가지로 일단 패키지를 설치한후 라이브러리에 로드한다.그후 reshape2패키지에서 사용할 데이터 프레임을 생성해준다. melt()#melt(데이터, id.vars=기준이되는 열, meas.. 공감수 3 댓글수 1 2024. 10. 6.
R복습_stringr패키지와 함수(문자열 가공) stringr패키지문자열 데이터를 가공하기 위해 자주 사용되는 유용한 패키지로, 문자열 치환, 벡터연산, 함수의 결과를 반복문 없이 저장해주는 등의 편리한 함수들을 가지고 있다. stringr패키지 설치#stringr패키지#패키지 설치install.packages('stringr')library(stringr)다른 패키지들과 마찬가지로 install.packages를 사용하여 패키지를 설치해준 후, library에 로드한 후 사용해야한다. str_count()#1)str_count(문자열1, 문자열2) : 문자열1에서 문자열2의 개수를 카운트str_count('abaabb','a') #3개str_count('안녕하세요','안')#str_count벡터사용str_v str_count는 str_count(.. 공감수 4 댓글수 0 2024. 10. 5.
R복습_dplyr패키지(추출및 정렬함수,통계요약함수,샘플데이터추출함수) 패키지패키지란 다른 사용자가 만든 여러함수들을 기능에따라 묶어서 제공하는기능을 말한다. 하나의 패키지를 r스튜디오안에 설지하면 그 패키지안에 포함된 여러함수들을 사용할 수있다. dplyr 패키지패키지의 종류는 상당히많다. 그중에서는 거의 사용되지않는 패키지도있을뿐더러 자주 사용되는패키지도 있다. 그중 dplyr패키지는 데이터가공시 실무에서 자주 사용되는패키지중 하나로, r의 내장함수와 비슷한역할을하는 함수들이 있지만, 내장함수보다도 더빠르고 쉽게 이용이 가능하다. 패키지 설치#패키지 설치install.packages('dplyr')library(dplyr)패키지 안에 있는 내장함수를 사용하려면 먼저 패키지를 스튜디오 내부에 설치해야한다. 설치방법은 install.packages('패키지명')이며.. 공감수 0 댓글수 0 2024. 10. 4.
R복습_파일입출력(text,csv,excel,절대경로와 상대경로) 파일입출력파일입출력은 r에서 쿼리문을 통해 파일을 작성하고 내보내는 것을 의미한다. 파일입력은 input이라고도 부르며, 기존에 작성된 파일을 r로 불러읽어들이는것을 말하고, 파일 출력은 output이라고도 부르며 기존 파일에 새로운 내용을 추가하거나 새로운 파일을 생성하는 것을 의미한다. r에서 사용하는 파일 확장자 종류text파일 : .txtcsv파일 : .csvexcel파일 : .xlsx 절대경로와 상대경로절대결오는 최상위 위치부터 내가 있는 (경로가 있는 파일명)위치까지 모두 작성하는 것을 말하며, 파일을 생성할때 파일명만 작성하는 경우, 현재 작성하고있는 r파일과 동일한 위치에 저장된다. 상대경로의 경우 현재 내 위치를 기준으로 이동하는 경로를 의미한다. ./ : 지금 내경로, 현재위치../ .. 공감수 5 댓글수 2 2024. 10. 1.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.