티스토리 뷰

beginner/데이터 분석 스터디

[서울시 먹거리 분석 – 2] 1월 치킨 판매업종 이용 통화량 분석_2

johh 2019. 3. 17. 10:03


Untitled10

지난 블로그: [서울시 먹거리 분석] - 1월 치킨 판매업종 이용 통화량 분석
https://jfun.tistory.com/82

이번에는 지난 블로그에 이어서 1월 치킨 판매 업종 통화량을 여러 각도로 보도록 해보자.

1. Data 확인

먼저 Data에 대한 전반적인 확인을 해보자.

In [1]:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
In [2]:
data = pd.read_csv('CALL_CHICKEN_01MONTH.csv')
In [3]:
data.head()
Out[3]:
기준일 요일 성별 연령대 시도 시군구 읍면동 업종 통화건수
0 20190101 화 여 20대 서울특별시 강남구 도곡동 치킨 5
1 20190101 화 남 30대 서울특별시 강남구 삼성동 치킨 36
2 20190101 화 여 10대 서울특별시 강남구 대치동 치킨 5
3 20190101 화 여 40대 서울특별시 강남구 대치동 치킨 5
4 20190101 화 여 40대 서울특별시 강남구 일원동 치킨 5

모든 날짜가 나타나 있는지 확인하자

In [33]:
d2=data['기준일'].unique()
d2, len(d2)
Out[33]:
(array([20190101, 20190102, 20190103, 20190104, 20190105, 20190106,
        20190107, 20190108, 20190109, 20190110, 20190111, 20190112,
        20190113, 20190114, 20190115, 20190116, 20190117, 20190118,
        20190119, 20190120, 20190121, 20190122, 20190123, 20190124,
        20190125, 20190126, 20190127, 20190128, 20190129, 20190130,
        20190131], dtype=int64), 31)

len(d2)가 31개이므로 빠진 날짜는 없다.

날짜를 숫자열이 아닌 날짜열로 바꿔보자

In [6]:
data.dtypes
Out[6]:
기준일      int64
요일      object
성별      object
연령대     object
시도      object
시군구     object
읍면동     object
업종      object
통화건수     int64
dtype: object
In [7]:
pd.to_datetime(d2,format='%Y%m%d')
Out[7]:
DatetimeIndex(['2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04',
               '2019-01-05', '2019-01-06', '2019-01-07', '2019-01-08',
               '2019-01-09', '2019-01-10', '2019-01-11', '2019-01-12',
               '2019-01-13', '2019-01-14', '2019-01-15', '2019-01-16',
               '2019-01-17', '2019-01-18', '2019-01-19', '2019-01-20',
               '2019-01-21', '2019-01-22', '2019-01-23', '2019-01-24',
               '2019-01-25', '2019-01-26', '2019-01-27', '2019-01-28',
               '2019-01-29', '2019-01-30', '2019-01-31'],
              dtype='datetime64[ns]', freq=None)

대부분의 날짜 형식은 datetime을 이용하면 날짜열로 바꿔줄수 있다.
제대로 안되는경우 문자열로 바꿔준 다음 날짜열로 바꿔보던가, 아니면 format을 이용해본다.

In [8]:
d3 = d2.astype('float')

2. 빠진 정보가 없는지 확인해 보자.

null값 판단방법1

In [9]:
data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 29850 entries, 0 to 29849
Data columns (total 9 columns):
기준일     29850 non-null int64
요일      29850 non-null object
성별      29850 non-null object
연령대     29850 non-null object
시도      29850 non-null object
시군구     29850 non-null object
읍면동     29850 non-null object
업종      29850 non-null object
통화건수    29850 non-null int64
dtypes: int64(2), object(7)
memory usage: 2.0+ MB
  • RangeIndex: 29850 entries, 0 to 29849
    0부터 29849까지 총 29850개의 데이터가 있음을 의미
  • 모든 데이터가 29850개 이머 non-null이므로 데이터가 빠짐 없이 존재함을 알 수 있다.

null값 판단방법2

In [10]:
d1=data.isnull()
d1.head()
Out[10]:
기준일 요일 성별 연령대 시도 시군구 읍면동 업종 통화건수
0 False False False False False False False False False
1 False False False False False False False False False
2 False False False False False False False False False
3 False False False False False False False False False
4 False False False False False False False False False

df.isnull()을 하면 모든 데이터에 대해서 null값일 경우 True, 아니면 False로 처리한다.
반면 df.notnull()을 하면 반대로 처리한다.

In [11]:
d1.sum()
Out[11]:
기준일     0
요일      0
성별      0
연령대     0
시도      0
시군구     0
읍면동     0
업종      0
통화건수    0
dtype: int64

위에서 bull값으로 처리한 데이터를 열(column)별로 더하는 작업이다. True=1, False=0을 의미한다.
더했을때 값이 0이 나오므로 이를 통해서도 null값이 없음을 알 수 있다.

3.어떻게 분석을 해볼까? 도메인 지식!

이제 이 데이터를 어떻게 다룰지 방향을 잡아보자. 데이터를 다룰때는 도메인 지식을 가지고 있어야지만 데이터에 의미를 부여할 수 있다. 우리가 알고 있는 약간의 지식을 활용하여 질문을 던져보자.

  1. 통화건수에 요일은 영향을 미칠까?
    금요일이나 토요일에 가장 많은 주문을 할 것 같다.

  2. 연령에 따라 통화 건수의 차이가 클까?
    금전적으로 여유가 있는 30대 40대가 더 많은 주문을 할 것 같다.

  3. 스포츠 경기나 중요 행사등이 영향을 미칠까?
    1월에 있었던 아시안게임의 축구경기가 영향을 미쳤을 것 같다.

4.분석을 위해 Data를 구축해 보자

Groupby
https://rfriend.tistory.com/383
집단별 크기는 grouped.size(), 집단별 합계는 grouped.sum(), 집단별 평균은 grouped.mean() 을 사용

In [12]:
from PIL import Image
img = Image.open('Groupby.jpg')
size=(500,500) 
img.thumbnail(size) # 불러온 이미지를 사이즈에 맞춰 조절
img
Out[12]:

이제 Data를 group by를 이용하여 요약해 보자.
요일은 보기 좋게 순서대로 나오도록 설정하자.
다음은 groupby의 구조가 딕셔너리라는 점을 이용해서 for문을 짜봤다.

In [13]:
week = data['통화건수'].groupby(data['요일'])
W = week.sum()
week_s = {}
for w in ['월','화','수','목','금','토','일']:
    week_s[w] = W[w]
week_s
Out[13]:
{'월': 38808,
 '화': 59152,
 '수': 55211,
 '목': 55768,
 '금': 63117,
 '토': 64817,
 '일': 58460}

인덱서를 사용해 나타내보자.
loc : 라벨값 기반의 2차원 인덱싱
iloc : 순서를 나타내는 정수 기반의 2차원 인덱싱

loc인덱서를 이용해 나타내 보았다.
여기서는 이게 베스트 인듯.
loc 인덱서를 사용하려면 df.loc[행 인덱스, 열 인덱스]와 같은 형태로 사용한다.
https://datascienceschool.net/view-notebook/704731b41f794b8ea00768f5b0904512/

In [14]:
week = data['통화건수'].groupby(data['요일'])
W = week.sum()
W.loc[['월','화','수','목','금','토','일']]
Out[14]:
요일
월    38808
화    59152
수    55211
목    55768
금    63117
토    64817
일    58460
Name: 통화건수, dtype: int64

책에서 보고 따라한건데 ix인덱서는 loc 인덱서와 iloc 인덱서로 대체 되었나보다.

In [15]:
week = data['통화건수'].groupby(data['요일'])
W = week.sum()
W.ix[['월','화','수','목','금','토','일']]

C:\Users\whanh\AppData\Local\Continuum\anaconda3\lib\site-packages\ipykernel_launcher.py:3: DeprecationWarning: 
.ix is deprecated. Please use
.loc for label based indexing or
.iloc for positional indexing

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
  This is separate from the ipykernel package so we can avoid doing imports until
Out[15]:
요일
월    38808
화    59152
수    55211
목    55768
금    63117
토    64817
일    58460
Name: 통화건수, dtype: int64

연령대별로 요약해보자

In [16]:
age = data['통화건수'].groupby(data['연령대'])
age.sum()
Out[16]:
연령대
10대       26681
20대       65140
30대       95924
40대      122028
50대       56655
60대이상     28905
Name: 통화건수, dtype: int64

피벗테이블을 이용해 요일과 연령대 정보를 통합하여 통화건수 정보를 추출해 보았다.

In [17]:
data1=data[['요일','연령대','통화건수']]
data1.head()
Out[17]:
요일 연령대 통화건수
0 화 20대 5
1 화 30대 36
2 화 10대 5
3 화 40대 5
4 화 40대 5
In [18]:
data1=data.pivot_table(values='통화건수',index='요일',columns='연령대', aggfunc=sum, margins=True).loc[['월','화','수','목','금','토','일']]
data1
Out[18]:
연령대 10대 20대 30대 40대 50대 60대이상 All
요일
월 3009 7002 9297 11069 5390 3041 38808
화 4147 10095 14282 17828 8518 4282 59152
수 4108 9556 13151 16200 8003 4193 55211
목 3963 9227 13228 17162 7993 4195 55768
금 4155 9779 15479 20609 8812 4283 63117
토 3896 10008 15959 20798 9428 4728 64817
일 3403 9473 14528 18362 8511 4183 58460

순서를 세기 위해 'All' 컬럼을 삭제하자.

In [19]:
data2 = data1.drop('All',axis=1)
data2
Out[19]:
연령대 10대 20대 30대 40대 50대 60대이상
요일
월 3009 7002 9297 11069 5390 3041
화 4147 10095 14282 17828 8518 4282
수 4108 9556 13151 16200 8003 4193
목 3963 9227 13228 17162 7993 4195
금 4155 9779 15479 20609 8812 4283
토 3896 10008 15959 20798 9428 4728
일 3403 9473 14528 18362 8511 4183
In [20]:
data2.idxmax(axis=0)
Out[20]:
연령대
10대      금
20대      화
30대      토
40대      토
50대      토
60대이상    토
dtype: object
In [21]:
data2.idxmax(axis=1)
Out[21]:
요일
월    40대
화    40대
수    40대
목    40대
금    40대
토    40대
일    40대
dtype: object

이 정보를 통해 40대가 가장 많이 주문 했음을, 그리고 토요일에 가장 많이 주문 했음을 알 수 있다.

한눈에 보기 좋게 전체 데이터를 나열해보자.

In [22]:
data3=np.array(data2)
np.sort(data3) , len(data3)*6
Out[22]:
(array([[ 3009,  3041,  5390,  7002,  9297, 11069],
        [ 4147,  4282,  8518, 10095, 14282, 17828],
        [ 4108,  4193,  8003,  9556, 13151, 16200],
        [ 3963,  4195,  7993,  9227, 13228, 17162],
        [ 4155,  4283,  8812,  9779, 15479, 20609],
        [ 3896,  4728,  9428, 10008, 15959, 20798],
        [ 3403,  4183,  8511,  9473, 14528, 18362]], dtype=int64), 42)
In [23]:
I=[]
labels1 = ['10대','20대','30대','40대','50대','60대이상']
labels2 = ['월','화','수','목','금','토','일']
for i in range(5):
    for j in range(6):
        I.append([data3[j,i], labels1[i], labels2[j]])
    
np.array(I)
data4 = pd.DataFrame(I)

data4.rename(columns = {data4.columns[0] : '총 통화건수',
                        data4.columns[1] : '연령대',
                        data4.columns[2] : '요일'}, inplace = True)
data4.sort_values('총 통화건수', ascending=False).head(15)
Out[23]:
총 통화건수 연령대 요일
23 20798 40대 토
22 20609 40대 금
19 17828 40대 화
21 17162 40대 목
20 16200 40대 수
17 15959 30대 토
16 15479 30대 금
13 14282 30대 화
15 13228 30대 목
14 13151 30대 수
18 11069 40대 월
7 10095 20대 화
11 10008 20대 토
10 9779 20대 금
8 9556 20대 수

40대 다음으로 30대 20대 순으로 주문량이 많았음을 한눈에 알아볼 수 있다.

30대 40대의 치킨주문량이 많은 이유는 금전적으로 여유가 있기 때문인것 같다.
그리고 사회활동이 왕성한 30대보다 40대 치킨 주문량이 많은것에 대해 의아하게 생각할 수 있는데, 40대의 경우 자녀들이 부모님의 핸드폰으로 치킨을 주문하는 경우가 있기 때문인 것 같다.

아시안컵 대한민국 축구 일정에 따른 주문건수 분석

https://janeshin059.github.io/Food_analysis_1_chicken/# 에서 아이디어 참조

  • 1차전
    대한민국:필리핀
    20190107 (월) 오후 10:30
  • 2차전
    대한민국:키르기스스탄
    20190112 (토) 오전 01:00
  • 3차전
    대한민국:중국
    20190116 (수) 오후 10:30
  • 16강
    대한민국:바레인
    20190122 (화) 오후 10:00
  • 8강
    대한민국:카타르
    20190125 (금) 오후 10:00

신기하게도 모든 축구경기 요일이 다르기 때문에, 각 축구경기가 있던 날의 주문량과 각 요일의 평균을 비교해보면 뻔하면서도 재미있는 결과를 알 수 있을 것 같다.

위 데이터를 이용하여 DataFrame을 만들어보자.

In [24]:
Asia = {'경기일':[20190107,20190112,20190116,20190122 ,20190125 ],
      '경기국가':['대한민국:필리핀', '대한민국:키르기스스탄','대한민국:중국','대한민국:바레인','대한민국:카타르'],
       '요일':['월','토','수','화','금']}
Asia_df = pd.DataFrame(Asia)
Asia_df
Out[24]:
경기일 경기국가 요일
0 20190107 대한민국:필리핀 월
1 20190112 대한민국:키르기스스탄 토
2 20190116 대한민국:중국 수
3 20190122 대한민국:바레인 화
4 20190125 대한민국:카타르 금

전체 데이터에서 해당 날짜 데이터만 가져오자

In [26]:
year = Asia_df['경기일']
data['기준일'].isin(year)
data_soccer = data[data['기준일'].isin(year)]
data_soccer.head(10)
Out[26]:
기준일 요일 성별 연령대 시도 시군구 읍면동 업종 통화건수
5761 20190107 월 남 30대 서울특별시 강남구 삼성동 치킨 23
5762 20190107 월 여 60대이상 서울특별시 강남구 역삼동 치킨 6
5763 20190107 월 여 50대 서울특별시 강남구 수서동 치킨 5
5764 20190107 월 남 20대 서울특별시 강남구 대치동 치킨 5
5765 20190107 월 여 40대 서울특별시 강남구 일원동 치킨 5
5766 20190107 월 여 40대 서울특별시 강남구 삼성동 치킨 66
5767 20190107 월 남 10대 서울특별시 강남구 삼성동 치킨 14
5768 20190107 월 여 20대 서울특별시 강남구 삼성동 치킨 14
5769 20190107 월 남 30대 서울특별시 강남구 대치동 치킨 5
5770 20190107 월 여 20대 서울특별시 강남구 신사동 치킨 5
In [27]:
data_soccer_G = data_soccer['통화건수'].groupby(data_soccer['기준일'])
data_soccer_G.sum()
Out[27]:
기준일
20190107    10481
20190112    16388
20190116    14101
20190122    14037
20190125    19690
Name: 통화건수, dtype: int64
In [28]:
I=[]
for i in np.array(data_soccer_G.sum()):
    I.append(i)
Asia_df['주문량']=I
Asia_df
Out[28]:
경기일 경기국가 요일 주문량
0 20190107 대한민국:필리핀 월 10481
1 20190112 대한민국:키르기스스탄 토 16388
2 20190116 대한민국:중국 수 14101
3 20190122 대한민국:바레인 화 14037
4 20190125 대한민국:카타르 금 19690
In [29]:
week = data['통화건수'].groupby(data['요일'])
W2 = week.sum()
W3=W2.loc[['월','토','수','화','금']]

J=[]
for i in np.array(W3):
    J.append(i)
J
Out[29]:
[38808, 64817, 55211, 59152, 63117]

평균을 구하기 위해 한달간 요일별로 몇 일이 있는지 구해보자.

In [31]:
data_z=data.drop_duplicates(['기준일'])
data_z.head(5)
Out[31]:
기준일 요일 성별 연령대 시도 시군구 읍면동 업종 통화건수
0 20190101 화 여 20대 서울특별시 강남구 도곡동 치킨 5
965 20190102 수 남 10대 서울특별시 강남구 세곡동 치킨 5
1849 20190103 목 남 10대 서울특별시 강남구 논현동 치킨 5
2784 20190104 금 남 60대이상 서울특별시 강남구 논현동 치킨 5
3787 20190105 토 여 40대 서울특별시 강남구 신사동 치킨 5
In [32]:
data_y=data_z['기준일'].groupby(data_z['요일'])
data_y.count()
Out[32]:
요일
금    4
목    5
수    5
월    4
일    4
토    4
화    5
Name: 기준일, dtype: int64

1월은 월요일, 금요일, 토요일 4번, 화요일, 수요일 5번 있었으므로 각각 나눠주자.

In [30]:
Asia_df['평균주문량']=[38808/4, 64817/4, 55211/5, 59152/5, 63117/4]
Asia_df
Out[30]:
경기일 경기국가 요일 주문량 평균주문량
0 20190107 대한민국:필리핀 월 10481 9702.00
1 20190112 대한민국:키르기스스탄 토 16388 16204.25
2 20190116 대한민국:중국 수 14101 11042.20
3 20190122 대한민국:바레인 화 14037 11830.40
4 20190125 대한민국:카타르 금 19690 15779.25

처음 두 경기는 평균 주문량보다 조금 더 많이 주문받은 정도 였지만, 16강의 명운이 달린 3번째 경기부터는 치킨주문량이 대폭 늘었으며, 그 후 16강 그리고 8강으로 더 높은 경기를 할수록 사람들이 기대감에 더 많은 시청을 하게 되고 그로인해 더 많은 치킨을 주문받은 것으로 보인다.

다음 사이트에서 R을 통해 분석한 아이디어를 참조해 보았다.
https://unfinished-god.com/2019/03/10/%EC%84%9C%EC%9A%B8%EC%8B%9C-%EB%A8%B9%EA%B1%B0%EB%A6%AC-%EB%B6%84%EC%84%9D-2-1%EC%9B%94-%EC%B9%98%ED%82%A8-%ED%8C%90%EB%A7%A4%EC%97%85%EC%A2%85-%EC%9D%B4%EC%9A%A9-%ED%86%B5%ED%99%94%EB%9F%89/

'beginner > 데이터 분석 스터디' 카테고리의 다른 글

[서울시 먹거리 분석 – 4] 전체 판매업종 이용 통화량 분석  (0) 2019.04.02
[서울시 먹거리 분석 – 3] 1월 중국집 판매업종 이용 통화량 분석  (0) 2019.03.25
Plot 스터디  (0) 2019.03.02
[서울시 먹거리 분석] - 1월 치킨 판매업종 이용 통화량 분석  (0) 2019.02.27
공지사항
최근에 올라온 글
최근에 달린 댓글
Total
Today
Yesterday
링크
TAG more
«   2024/05   »
일 월 화 수 목 금 토
1 2 3 4
5 6 7 8 9 10 11
12 13 14 15 16 17 18
19 20 21 22 23 24 25
26 27 28 29 30 31
글 보관함