DATA101

안녕하세요, AI/빅데이터분석 연구개발 전문법인 DATA101 팀입니다👋 👀 DATA101 팀에서 서울 지하철 무임승차 Data를 통해 시민참여, 이동, 생활 패턴을 분석한 인사이트를 확인해 보세요! 🚇 시민참여 – 집회와 모임이 열리던 날, 지하철 Data는 목소리가 모이는 힘을 보여줍니다.🚶 이동 – 노년층의 일상적 발걸음은 시장과 골목을 잇고, 도시의 따뜻한 생활상을 기록합니다.🤝 생활 패턴 – 숫자 속에는 단순한 이동이 아니라 삶의 흔적과 연결이 담겨 있습니다. Data는 도시의 민낯을 비추는 거울이자, 미래를 읽는 인사이트가 됩니다.다음엔 또 어떤 움직임을 담아낼까요? 평소 Data 분석을 통해 여러분이 알아보고 싶었던 이슈가 있다면 댓글로 남겨주세요🙏DATA101 팀이 흥미로운 주..

안녕하세요, AI/빅데이터분석 연구개발 전문법인 DATA101 팀입니다👋 오늘은 저희 DATA101에서 대한민국 No.1 자동차 Youtube '김한용의 MOCAR' 채널을 심층 분석한 사례를 소개해 드립니다👨‍💻이번 사례zip 역시 저희 DATA101 실무진이 직접 데이터 수집부터 가공, 시각화, 리포트 작성까지 진행한 프로젝트입니다. 본 프로젝트에 활용한 데이터는 2024년 1개년 치를 직접 수집하여 분석한 점 참고해 주시길 바랍니다👀특정 브랜드, 특정 주제에 더욱 심층적인 분석 자료가 필요하신 분들께서는 댓글 / 이메일 / 카톡 중 편한 방법으로 문의해 주세요🙏 [ Contact Point ]📬 메일) contact@uf5.io🟡 카톡) DATA101 (플러스친구)🔴 유튜브) DAT..

📌 들어가며 현대 사회에서 반려동물은 단순한 애완동물을 넘어 가족의 일원으로 자리 잡고 있습니다.현재 반려동물을 양육하고 있는 인구는 약 1,500만 명으로, 이는 전체 인구의 28.2%이나 차지하고 있죠.이처럼 반려동물의 인식이 확산됨에 따라 건강 관리에 대한 관심과 필요성도 점차 증가하고 있습니다. 반려동물을 양육하는데 드는 월평균 비용은 약 15만 원에 달하며 이 중 상당 부분은 건강 유지와 관련된 지출로 나타납니다.이는 보호자들이 반려동물의 건강을 가족의 건강만큼이나 중요하게 여긴다는 점을 시사합니다.(반려동물 의료보험이 필요한 이유) 이에 본 레포트는 AI Hub에서 제공하는 반려동물 건강 데이터를 분석하여 주요 건강 문제와 관리 동향을 파악하고,보호자들에게 데이터 기반의 정보를 제공하여 반려..

👨‍💻 1.  개요본 포스팅에서는 파이썬 matplotlib.pyplot 패키지를 활용한 시각화 자료 저장 시 자료 내 불필요한 여백을 제거하는 방법에 대해 다룹니다.🤖 2.  문제점아래 (그림 1)과 같이, matplotlib 옵션 설정 없이 시각화 자료를 저장하게 되면 그래프 주변 사방으로 불필요한 여백이 많은 것을 확인할 수 있습니다. 이는 보고서나 대시보드 등에 활용 시 다른 차트들과의 심미성 있는 조화를 방해하는 요소가 되기도 합니다. [예시 코드 - savefig 메소드 옵션 미설정]# 패키지 설치 필요 : pip install matplotlibimport matplotlib.pyplot as plt# 그래프 생성plt.plot([1, 2, 3, 4])plt.ylabel('some nu..

💡 들어가며 본 포스팅에서는 데이터를 월 단위로 카운팅하고 이를 시각화하는 방법을 소개합니다. 1. 패키지 import import pandas as pd import numpy as np import matplotlib.pyplot as plt 2. 데이터셋 불러오기 포스팅에서 사용되는 데이터셋은 공유가 불가하오니 학습 목적으로만 봐주시길 바랍니다. DATASET = pd.read_csv('./dataset_app_review.csv') DATASET.head() 3. 데이터 타입 확인 DATASET.dtypes 아래와 같이, 날짜 정보(date)는 현재 정수형(int)입니다. 편리하게 날짜형 데이터를 처리하기 위하여 이를 datetime 타입으로 바꿔줄 필요가 있습니다. 4. 데이터 타입 변경 "연-..

💡 들어가며 Numpy 패키지의 where 함수를 사용하면 데이터프레임에서 특정 조건에 맞는 인덱스를 찾거나, 해당 인덱스의 값을 쉽게 바꿀 수 있습니다. 기본적으로 numpy 패키지 설치 및 import는 필수입니다. !pip install numpy import numpy as np 1. 조건에 맞는 인덱스 반환 아래와 같이 조건문을 입력하면, 조건에 해당되는 인덱스를 반환합니다. np.where(조건문) 아래와 같은 데이터셋이 있을 때, THK 칼럼 내 값이 30보다 큰 값의 인덱스를 조회해 보면 아래와 같습니다. np.where(30 < DATASET_RAW['THK']) 2. 조건에 따라 데이터 인코딩 아래와 같이, 조건문과 함께 조건문이 참 혹은 거짓일 경우 각각 데이터를 변환할 값을 입력해 ..

💡 들어가며데이터프레임 내 문자열 한 글자까지 완벽하게 일치하는 원소를 찾는지 혹은 일부 글자라도 일치하는 원소를 찾을지에 따라 사용해야 할 함수가 나뉩니다(아래 표 참고).No.함수활용방안1replace()완벽하게 일치하는 단어를 찾아 바꾸는 경우2str.replace()일부 단어라도 일치하는 단어를 찾아 바꾸는 경우함수별로 각각 자세히 알아봅니다.📚 목차1. replace 함수 1) 기본 사용방법 2) 여러 문자열 동시 변경 3) 특정 칼럼 데이터 변경 4) 원본 데이터 변경옵션(inplace)2. str.replace 함수1) 기본 사용방법내장 함수 replace는 데이터프레임 내 특정 문자열과 완벽하게 일치하는 데이터를 모두 찾아 변경합니다.df.replace('현재 ..

📌 들어가며 본 포스팅에서는 Boxplot를 해석하는 방법에 대해 알아봅니다. 아래 그림 1과 같이 세로축은 특정 값의 범위를 나타내고, 이 범위 내에서 데이터는 주로 파란색 박스 안에 분포합니다. 파란색 박스 가운데 노란색 직선으로 표시한 부분이 데이터의 중앙값(Median)이 됩니다. 박스 최상단은 제3 사분위수(Q3, 75th percentile), 최하단은 제1 사분위수(Q1, 25th percentile)입니다. 사분위수(Quantile)란 전체 데이터를 오름차순 정렬한 다음 25%씩 동일한 비율로 데이터를 나눈 것입니다. 즉, 제1 사분위수(Q1)는 가장 작은 데이터부터 전체 중 25% 비율만큼의 데이터를(25%) 의미하고, 제3 사분위수(Q3)는 중앙값(50%)에서부터 25% 비율만큼의 데이..