__07.data_analyzing_visualizing_tourist_data (한국 관광객 추이 2편)

• 한국 관광객 추이 1편 크롤링/전처리: https://lime-jelly.tistory.com/43

__06.data_analyzing_tourist_data (한국 관광객 추이 1편)

7. tourist data visualizing (관광객 데이터 시각화)

7.1. 시계열 그래프 그리기

import pandas as pd
import numpy as np
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
from matplotlib import rc, font_manager
import seaborn as sns

• 한글 지원

path = 'c:/Windows/Fonts/malgun.ttf'
font_name = font_manager.FontProperties(fname = path).get_name()
# font_name
rc('font', family = font_name)

7.1.1. 데이터 불러오기

df = pd.read_excel('./files/kto_total.xlsx')
df.head()
'''
    국적    관광    상용    공용    유학/연수    기타    계    기준년월    대륙    관광객비율(%)    전체비율(%)
0    일본    202825    1750    89    549    3971    209184    2010-01    아시아    96.96    50.602515
1    중국    40425    11930    55    2751    36091    91252    2010-01    아시아    44.30    10.085575
2    대만    35788    41    17    37    516    36399    2010-01    아시아    98.32    8.928696
3    미국    26943    1195    2145    135    12647    43065    2010-01    아메리카    62.56    6.721970
4    홍콩    13874    55    0    21    595    14545    2010-01    아시아    95.39    3.461404
'''

7.1.2. 중국 데이터 필터링하기

df_filter = df[df['국적']== '중국']
df_filter
'''
    국적    관광    상용    공용    유학/연수    기타    계    기준년월    대륙    관광객비율(%)    전체비율(%)
1    중국    40425    11930    55    2751    36091    91252    2010-01    아시아    44.30    10.085575
61    중국    60590    7907    68    29546    42460    140571    2010-02    아시아    43.10    13.569168
121    중국    50330    13549    174    14924    62480    141457    2010-03    아시아    35.58    9.227345
181    중국    84252    13306    212    2199    47711    147680    2010-04    아시아    57.05    15.507483
241    중국    89056    12325    360    2931    49394    154066    2010-05    아시아    57.80    16.952005
...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...
7200    중국    393336    2813    99    10433    75000    481681    2020-01    아시아    81.66    38.169469
7262    중국    49520    715    11    20753    33087    104086    2020-02    아시아    47.58    9.825826
7321    중국    5040    115    2    7388    4050    16595    2020-03    아시아    30.37    16.000508
7382    중국    522    71    0    1112    2230    3935    2020-04    아시아    13.27    10.161573
7445    중국    179    70    2    1189    3684    5124    2020-05    아시아    3.49    2.928186
125 rows × 11 columns
'''

7.1.3. 데이터 시각화하기

plt.figure(figsize = (12, 6))
plt.plot(df_filter['기준년월'], df_filter['관광'])
plt.title('중국관광객 추이')
plt.xlabel('기준년월')
plt.ylabel('관광객 수')
plt.xticks(['2010-01', '2011-01', '2012-01', '2013-01', '2014-01', '2015-01', '2016-01', '2017-01', '2018-01', '2019-01', '2020-01'])
plt.show()

7.1.4. 외국인 관광객 상위 5개 국가의 리스트 만들기

cntry_list = ['중국','일본','대만','미국','홍콩']

7.1.5. 반복문으로 시각화하기

for cntry in cntry_list:
    condition = df['국적'] == cntry
    df_filter = df[condition]

    plt.figure(figsize = (12, 4))

    plt.plot(df_filter['기준년월'], df_filter['관광'])
    plt.title('{}관광객 추이'.format(cntry))
    plt.xlabel('기준년월')
    plt.ylabel('관광객 수')
    plt.xticks(['2010-01', '2011-01', '2012-01', '2013-01', '2014-01', '2015-01', '2016-01', '2017-01', '2018-01', '2019-01', '2020-01'])
    plt.show()

7.2. 히트맵 그래프 그리기

• 정보 확인

df.head()
'''
    국적    관광    상용    공용    유학/연수    기타    계    기준년월    대륙    관광객비율(%)    전체비율(%)
0    일본    202825    1750    89    549    3971    209184    2010-01    아시아    96.96    50.602515
1    중국    40425    11930    55    2751    36091    91252    2010-01    아시아    44.30    10.085575
2    대만    35788    41    17    37    516    36399    2010-01    아시아    98.32    8.928696
3    미국    26943    1195    2145    135    12647    43065    2010-01    아메리카    62.56    6.721970
4    홍콩    13874    55    0    21    595    14545    2010-01    아시아    95.39    3.461404
'''

7.2.1 년도, 월 컬럼 추가하기

df['년도'] = df['기준년월'].str.slice(0,4)
df['월'] = df['기준년월'].str.slice(5,7)

7.2.2 중국 필터링하기

condition = df['국적'] == '중국'

df_filter = df[condition]
df_filter.head()
'''

국적    관광    상용    공용    유학/연수    기타    계    기준년월    대륙    관광객비율(%)    전체비율(%)    년도    월
1    중국    40425    11930    55    2751    36091    91252    2010-01    아시아    44.30    10.085575    2010    01
61    중국    60590    7907    68    29546    42460    140571    2010-02    아시아    43.10    13.569168    2010    02
121    중국    50330    13549    174    14924    62480    141457    2010-03    아시아    35.58    9.227345    2010    03
181    중국    84252    13306    212    2199    47711    147680    2010-04    아시아    57.05    15.507483    2010    04
241    중국    89056    12325    360    2931    49394    154066    2010-05    아시아    57.80    16.952005    2010    05
'''

7.2.3. pivot table

df_pivot = df_filter.pivot_table(values = '관광', index = '년도', columns = '월')

df_pivot
'''
월    01    02    03    04    05    06    07    08    09    10    11    12
년도                                                
2010    40425.0    60590.0    50330.0    84252.0    89056.0    87080.0    122432.0    142180.0    93545.0    107237.0    75686.0    58987.0
2011    55070.0    53863.0    72003.0    86397.0    85668.0    108060.0    170524.0    178937.0    144704.0    141824.0    113856.0    101605.0
2012    106606.0    74895.0    110965.0    166843.0    154841.0    179074.0    258907.0    268988.0    203857.0    204866.0    155503.0    148320.0
2013    148118.0    169395.0    182850.0    250549.0    196306.0    280319.0    417991.0    472005.0    353359.0    249850.0    208175.0    210950.0
2014    230706.0    219533.0    313400.0    429419.0    410971.0    429991.0    540683.0    588181.0    423133.0    459708.0    381118.0    345957.0
2015    327225.0    413096.0    386386.0    536428.0    517154.0    223101.0    172075.0    372990.0    453670.0    518651.0    409635.0    381722.0
2016    456636.0    424232.0    500018.0    601460.0    614636.0    671493.0    823016.0    747818.0    611538.0    588561.0    452082.0    456882.0
2017    489256.0    458952.0    263788.0    158784.0    172527.0    181507.0    207099.0    226153.0    229172.0    244541.0    223743.0    260983.0
2018    236825.0    237075.0    281020.0    283533.0    284317.0    303405.0    332657.0    360982.0    326438.0    382922.0    327664.0    345135.0
2019    320113.0    324291.0    369165.0    410542.0    413949.0    395196.0    439699.0    451570.0    432018.0    476460.0    426849.0    433577.0
2020    393336.0    49520.0    5040.0    522.0    179.0    NaN    NaN    NaN    NaN    NaN    NaN    NaN
'''

7.2.4. 히트맵 시각화

7.2.4.1. seaborn

import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize = (12 ,8))
sns.heatmap(df_pivot, annot = True, fmt = '.0f')

plt.show()

• 상위 5개국 시각화는 위와 같은 반복문으로 가능

# cntry_list

for cntry in cntry_list:
    condition = df['국적'] == cntry

    df_filter = df[condition]
    df_pivot = df_filter.pivot_table(values = '관광',
                                    index = '년도',
                                    columns = '월')

    plt.figure(figsize = (10, 8))
    sns.heatmap(df_pivot, annot = True,
               fmt = '.0f',
               cmap = 'rocket_r') # r은 reverse
    plt.title('{} 관광객 히트맵'.format(cntry))
    plt.show()

7.2.4.2. pyplot

• 예제 파일

flights = sns.load_dataset('flights')
flights.head()
'''
    year    month    passengers
0    1949    Jan    112
1    1949    Feb    118
2    1949    Mar    132
3    1949    Apr    129
4    1949    May    121
'''

• pivot

flights_pivot = flights.pivot_table(values = 'passengers', index = 'year',columns = 'month')
flights_pivot
'''

month    Jan    Feb    Mar    Apr    May    Jun    Jul    Aug    Sep    Oct    Nov    Dec
year                                                
1949    112    118    132    129    121    135    148    148    136    119    104    118
1950    115    126    141    135    125    149    170    170    158    133    114    140
1951    145    150    178    163    172    178    199    199    184    162    146    166
1952    171    180    193    181    183    218    230    242    209    191    172    194
1953    196    196    236    235    229    243    264    272    237    211    180    201
1954    204    188    235    227    234    264    302    293    259    229    203    229
1955    242    233    267    269    270    315    364    347    312    274    237    278
1956    284    277    317    313    318    374    413    405    355    306    271    306
1957    315    301    356    348    355    422    465    467    404    347    305    336
1958    340    318    362    348    363    435    491    505    404    359    310    337
1959    360    342    406    396    420    472    548    559    463    407    362    405
1960    417    391    419    461    472    535    622    606    508    461    390    432
'''

• 시각화

plt.pcolor(flights_pivot, cmap = 'RdYlGn_r')
plt.colorbar()
plt.xticks(np.arange(0.5, len(flights_pivot.columns)), flights_pivot.columns)
plt.yticks(np.arange(0.5, len(flights_pivot.index)), flights_pivot.index)
plt.show()

plt.figure(figsize = (12, 8))
sns.heatmap(flights_pivot,
           annot = True,
           fmt = 'd',
           cmap = 'RdYlGn_r',
           annot_kws = {'size': 10, 'color':'red'})
plt.title('Heatmap', fontsize = 10)
plt.show()

• 여러가지 시각화

penguins = sns.load_dataset('penguins')
sns.pairplot(penguins)