ACAIT

crime 데이터로 시계열, 시각화 분석 0. 데이터 타입 수정 및 인덱스 추가 1. 범죄 분석 1-1. 연도별 범죄 발생 추세 2012년부터 계속하여 범죄 비율이 상승한 것으로 확인된다. 2017년은 건수는 적으나 9월까지 반영된 자료이므로 기간에 비해 비율이 높은 것으로 해석된다. 1-2. 월별 교통사고 발생 추세 7, 8월의 가장 범죄 비율이 높은 것으로 나타난다. 건수로 시각화를 진행하더라도 7, 8월이 여전히 높은 비중을 차지하고 있다. 1-3. 연월별 범죄 발생 추세 6, 7, 8월은 범죄 비율 상위권에 꾸준히 위치하고, 1, 3, 4월은 2014년부터 상위권을 유지하는 것으로 확인된다. 1-4. 타입별 범죄 추세 상위 5개의 타입은 차량 물건 도난, 기타 교통, 차량 도난, 기타 도난, 자동..

저번 게시물에 이어 데이터 시각화 내용을 추가하고, 시계열 데이터 분석에 대해 정리해 보겠습니다. 1. 반복문 이용해서 시각화 2. Seaborn 2-1. sns.histplot() 2-2. sns.countplot() 2-3. sns.barplot() hue 인자 넣으면 범례 추가. 2-4. sns.boxplot() 2-5. sns.violinplot() 바이올린차트. 연속확률분포 차트 곡선과 boxplot 함께 시각화. 곡선 대칭, 가운데 몸통 수염. 반복문으로 가능. countplot: y축 고정. boxplot: 자유롭게 y축과 estimator 조절. 특징에 따라 원하는 시각화. 3. 시계열 데이터 시간의 흐름을 보여주는 인덱스. datatime을 이용해 시계열 데이터 확인할 예정. 기존 분석과..