그래프 시각화 실습 3 (연도별, 상관관계 분석)

오늘도 대회 코드를 가져왔다.

 

 

 

하루단위로 추출된 데이터들을 연도별로 묶어서 표현하는 방법과

 

Column들의 상관관계를 파악하는 방법을 알아보고자 한다.

 

두 방법 모두 아주 간단하니 가볍게 보면 될 듯 하다.

 

---

 

strftime 함수를 이용해 4자리 연도 숫자를 문자열로 바꿔주는 작업을 한다.

 

kospi['year'] = kospi['Date'].dt.strftime('%Y')

평균값으로 groupby 함수를 사용해 묶어준다음

 

활용하고 싶은 부분부터 다시 데이터프레임을 정의해준다.

 

year_m = kospi.groupby('year').mean()
kospi_for_news = year_m[9:]
kospi_for_news

google이라는 데이터프레임은 날짜에 따른 분야별 뉴스 개수를 나타낸다.

 

'society', 'politics', 'economy' 이렇게 세 가지로 나누었고 

 

상관분석 결과는 다음과 같다.

 

 

import seaborn as sns
fig = plt.figure(figsize=[10,10])
ax = sns.heatmap(google.corr(),annot=True,square=True)

 

 

세 분야 모두 높은 상관관계를 가지고 있지만 

 

politics와 society가 가장 높은 상관성을 지니고 있음을 알 수 있다.

 

조금 더 다양한 Column에 부가적인 요소들을 추가하면 다음과 같다.

 

 

 

 

import seaborn as sns
 
fig = plt.figure(figsize=[15,15]) #크기
ax = sns.heatmap(news1.corr(),
                 annot=True, fmt='g', #상관계수 표시, 소수점 자리
                 linewidths = 1,  #굵기
                 linecolor = 'white', #색깔
                 cmap='Blues') #색 계열
                #이 밖에도 square = 'True', cbar(수치 정도 막대 출력여부) ='True' 등이 있음
 
 
plt.title('분야별 뉴스 개수의 상관관계(1)', size = 15) #제목