[Python] 03 가장 적절한 고객 관리 타이밍은?_ 분석 및 시각화(바그래프, 라인 그래프, 히트맵 만들기

import pandas as pd sparta_data = pd.read_table('/content/access_detail (1).csv',sep=',') print(type(sparta_data['access_date'][1])) format='%Y-%m-%dT%H:%M:%S.%f' sparta_data['access_date_time'] = pd.to_datetime(sparta_data['access_date'], format=format) sparta_data.tail(5) #[날짜 컬럼].dt.day_name 으로 해당 날짜의 요일을 가져 올수 있어요! sparta_data['access_date_time_weekday'] = sparta_data['access_date_time'].dt.day_name() sparta_data['access_date_time_hour'] = sparta_data['access_date_time'].dt.hour sparta_data.tail(5) weeks = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'] weekdata = sparta_data.groupby('access_date_time_weekday')['user_id'].count() weekdata = weekdata.agg(weeks) #week의 리스트에 따라 데이터들을 다시한번 재배열 할수 있어요! hourdata = sparta_data.groupby('access_date_time_hour')['user_id'].count() hourdata = hourdata.sort_index() hourdata

 

이전 것 이어서 분석 및 시각화 하기 

 

 

1. matplotlib, numpy 사용 선언하기

import matplotlib.pyplot as plt import numpy as np

 

=> 넘파이는 데이터 연산을 빠르고 쉽게 할 수 있게 도와주는 라이브러리 

 

2. 요일별 수강생 수 바 그래프 그리기 

#그래프 사이즈 plt.figure(figsize=(10,5)) #그래프 x축 y축 plt.bar(weekdata.index, weekdata) #그래프 명 plt.title('요일별 수강 완료 수강생 수') #그래프 x축 레이블 plt.xlabel('요일') #그래프 y축 레이블 plt.ylabel('수강생(명)') #x축 레이블을 90도로 변환 plt.xticks(rotation=90) #그래프 출력 plt.show()

 

 

2. 시간 별 접속 하는 수강생 수의 라인 그래프 그리기

#그래프 사이즈 변경 plt.figure(figsize=(10,5)) #그래프 x축 y축 plt.plot(hourdata.index, hourdata) #그래프 명 plt.title('시간별 수강 완료 사용자 수') #그래프 x축 레이블 plt.xlabel('시간') #그래프 y축 레이블 plt.ylabel('사용자(명)') #x축 눈금 표시 하기 plt.xticks(np.arange(24)) #그래프 출력 plt.show()

 

 

 

* np.arange() : 괄호에 명시된 간격으로 배열을 생성

 

3. 요일 별 접속 시간 살펴보기 그리고 히트맵으로 나타내기

 

#피벗테이블 만들기 #values : 열에 들어 가는 부분 #index : 행에 들어가는 부분 #aggfunc : 데이터 축약시 사용할 함수 sparta_data_pivot_table = pd.pivot_table(sparta_data, values='user_id',                        index=['access_date_time_weekday'],                        columns=['access_date_time_hour'],                        aggfunc="count").agg(weeks) sparta_data_pivot_table

 

* values는 user_id의 갯수를 보겠다. '행'에 들어가는 부분은 weekdays

'열'에 들어가는 부분은 hours. 각 행과 열이 만날 때마다 user_id를 보겠다. 

aggfunc = user_id들이 모이면 갯수를 세기 

 

- aggfunc 사실 이해가 안 감...

 

#그래프 사이즈 변경 plt.figure(figsize=(14,5)) #pcolor를 이용하여 heatmap 그리기 plt.pcolor(sparta_data_pivot_table) #히트맵에서의 x축 plt.xticks(np.arange(0.5, len(sparta_data_pivot_table.columns), 1), sparta_data_pivot_table.columns) #히트맵에서의 y축 plt.yticks(np.arange(0.5, len(sparta_data_pivot_table.index), 1), sparta_data_pivot_table.index) #그래프 명 plt.title('요일별 종료 시간 히트맵') #그래프 x축 레이블 plt.xlabel('시간') #그래프 y축 레이블 plt.ylabel('요일') #plt.colorbar() 명령어를 추가하면 그래프 옆에 숫자별 색상값을 나타내는 컬러바를 보여 줍니다 plt.colorbar()

 

 

* np.arrange() 이해하기 

=> ex) np.arrange(1, 100, 3) : 1부터 100까지 숫자를 출력할건데 3칸씩 이동시켜줘. 

plt.xticks(np.arange(0.5, len(sparta_data_pivot_table.columns), 1), sparta_data_pivot_table.columns)

=> 0.5부터 ' sparta_data_pivot_table.columns' 길이만큼 숫자를 출력할건데 1칸씩 이동시켜줘.