[빅데이터분석] R _ 38. 데이터 시각화 5 (히스토그램 그래프)

 

막대그래프와 차이

막대 그래프	히스토그램 그래프
개별항목의 수량이나 빈도 비교 (ex. 직업, 연도별)	연속형 데이터의 분포를 시각화 할때 사용 (ex. 시험점수 분)

 

문제 1. 날씨 데이터로 히스토 그램 그래프를 그리시오.

## 데이터 업로드 및 상태확인
setwd('c:\\data')
weather<-read.csv('weather.csv',header =T, fileEncoding ='euc-kr') 
weather

nrow(weather) #472
ncol(weather) #8
str(weather)

##  시각화할 데이터선택
ahot <- weather$평균기온
ahot

## 히스토 그래프 출력
histo <- hist(ahot)
histo

## 간격조정
histo4 <-hist(ahot,breaks = 50)
histo4


## 간격조정2
hist5<- hist(ahot, breaks=seq(10,40,by=1))
hist5

설명: x축이 평균 기온값(10,40도사이) /y축이 각구간에 해당하는 빈도수 
  -> 대부부의 데이터가 24도~29도에 밀집해있음
  -> 왜도(skewness)를 보면 히스토그램의 분포는 대칭적이지 않고 약간 왼쪽으로 치우쳐져 있음.
  -> 확률 밀도그래프로 데이터의 치우침을 시각화 할 수 있음. 

## 확률 밀도 히스토그램램
hist(ahot, breaks = seq(10,40, by=1),col='grey',border = 'white',
     prob= T, ylim = c(0,0.3))
hist
# 확률 밀도 히스토그램 그래프에 확률 밀도 그래프 라인 그리기
lines( density(ahot), col="red")​

※ 확률밀도 히스토그램 그래프에서 확률밀도라는게 무엇인가 ?
->  연속형 확률 변수의분포를나타내는 함수 (*특정값이 아니라 특정구간에 속하는 확률변수를 설명)

문제2. 중고차 데이터를 이용하여 히스토그램을 설정하시오.

# 데이터 로드
usedcars <- read.csv('c:\\data\\usedcars.csv', header = TRUE, fileEncoding = 'euc-kr')

# 중고차의 가격 데이터 선택
p <- usedcars$price

# 가격 데이터의 최소값과 최대값 확인
min_price <- min(p)
max_price <- max(p)

# 약간의 여유를 두고 breaks 설정
breaks <- seq(min_price - 500, max_price + 500, by = 1000)

# 확률 밀도 히스토그램 생성
hist(p, breaks = breaks, col = 'grey', border = 'white', prob = TRUE, ylim = c(0, 0.0003),
     xlab = 'Price', ylab = 'Density', main = 'Probability Density Histogram of Used Car Prices')

# 밀도 그래프 라인 추가
lines(density(p), col = 'red')​

 by =1000 은 구간설정 (5000,6000,7000,8000,9000~~)

그래프 해석: 비율이 중앙 양측에 균

문법2. plotly 를 이용해서 중고차 가격 데이터의 히스토그램 그래프를 그리시오


# plotly 패키지 로드
library(plotly)

# 데이터 로드
data <- read.csv("usedcars.csv")

# plotly를 사용한 히스토그램 생성
fig <- plot_ly(data, x = ~price, type = 'histogram', marker = list(color = 'blue'))

# 그래프 레이아웃 설정
fig <- fig %>%
  layout(title = 'Histogram of Used Car Prices',
         xaxis = list(title = 'Price'),
         yaxis = list(title = 'Count'))

# 그래프 출력
fig

 

 

 

문법 3. y축이 빈도수가 아니라 확률 로 출력되게 하시오.

# plotly 패키지 로드
library(plotly)

# 데이터 로드
data <- read.csv("usedcars.csv")

# plotly를 사용한 히스토그램 생성
fig <- plot_ly(data, x = ~price, type = 'histogram', marker = list(color = 'blue'), 
                  histnorm = 'probability')

# 그래프 레이아웃 설정
fig <- fig %>%
  layout(title = 'Probability Histogram of Used Car Prices',
         xaxis = list(title = 'Price'),
         yaxis = list(title = 'Probability'))

# 그래프 출력
fig​

★ 마지막문제. 오늘 그린 그래프들을 이용해서  sql포트폴리오 데이터를 이용해서 시각화를 하시오.

# plotly 패키지 로드
library(plotly)
library(dplyr)

# 데이터 로드
birth <- read.csv("c:\\data\\birth_table.csv", header = TRUE, fileEncoding = 'euc-kr')

# 데이터 구조 확인
print(head(birth))

# 기존 코드에 추가된 코드:  year, com_size 별로 birth_cnt 합산

a <- birth %>%
  group_by(year, com_size) %>%
  summarise(total_birth = sum(birth_cnt), .groups = 'drop')

print(a)

# plotly를 사용한 라인 그래프 생성
fig <- plot_ly(a, 
               x = ~year, 
               y = ~total_birth, 
               color = ~com_size, 
               colors = c('blue', 'red', 'gold', 'purple'),
               type = 'scatter', 
               mode = 'lines+markers')

# 그래프 레이아웃 설정
fig <- fig %>%
  layout(title = '사업장 규모별 출산수',
         xaxis = list(title = 'YEAR'),
         yaxis = list(title = 'TOTAL_BIRTH'))

# 그래프 출력
fig