[KDT] 서울시 코로나19 데이터 발생동향 EDA - 1

멋쟁이 사자처럼 5주차
2022.10.11
서울시에서 공개한 코로나19 발생동향 분석 - EDA (1)

서울시 코로나19 통합사이트

 

---

0. 라이브러리 로드

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 시각화를 위한 한글 폰트 설정 
import koreanize_matplotlib

%config InlineBackend.figure_format = 'retina'

# 파일 탐색 모듈
from glob import glob 

 

1. 데이터 확인

# 정규식을 통해 파일 경로 검색
file_name = glob("seoul*.csv")
file_name

['seoul-covid19-2021-12-18.csv', 'seoul-covid19-2021-12-26.csv']

 

df_01 = pd.read_csv(file_name[0])
df_02 = pd.read_csv(file_name[1])

a. 두 데이터프레임 합치기 : pd.concat()

df = pd.concat([df_01, df_02])
df.shape

(218646, 7)

b. 중복 데이터 제거 : df.drop_duplicates()

df[df.duplicated()]

df = df.drop_duplicates()

c. 인덱스 값 설정 : set_index()

df.shape

(218646, 7)

df['연번'].nunique()

218646

 

• 연번 칼럼의 유일 값을 확인하여 중복이 없음을 확인하였다.
  • shape , nunique() 를 통해 행의 수와 유일 값이 일치하는 지 확인한다.
• 최신 데이터부터 보기 위해 연번 내림차순 출력

df = df.set_index("연번").sort_index(ascending=False)

d. 각 데이터 attributes 확인

df.shape

(218646, 6) # 인덱스가 연번으로 바뀌었으므로

df.dtypes

환자       int64
확진일     object
거주지     object
여행력     object
접촉력     object
퇴원현황    object
dtype: object

df.columns

Index(['환자', '확진일', '거주지', '여행력', '접촉력', '퇴원현황'], dtype='object')

df.index

Int64Index([218646, 218645, 218644, 218643, 218642, 218641, 218640, 218639,
            218638, 218637,
            ...
                10,      9,      8,      7,      6,      5,      4,      3,
                 2,      1],
           dtype='int64', name='연번', length=218646)

 

2. 데이터 요약

a. 데이터 요약 정보 출력 : df.info()

df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 218646 entries, 218646 to 1
Data columns (total 6 columns):
 #   Column  Non-Null Count   Dtype 
---  ------  --------------   ----- 
 0   환자      218646 non-null  int64 
 1   확진일     218646 non-null  object
 2   거주지     218646 non-null  object
 3   여행력     218646 non-null  object
 4   접촉력     218646 non-null  object
 5   퇴원현황    163497 non-null  object
dtypes: int64(1), object(5)
memory usage: 11.7+ MB

b. 결측치 확인 : df.isnull()

# 결측치의 합계 출력 
df.isnull().sum()

환자          0
확진일         0
거주지         0
여행력         0
접촉력         0
퇴원현황    55149
dtype: int64

# 결측치의 비율 출력
df.isnull().mean() * 100

환자       0.000000
확진일      0.000000
거주지      0.000000
여행력      0.000000
접촉력      0.000000
퇴원현황    25.222963
dtype: float64

c. 기술 통계 출력 : describe()

df.describe()

                 환자
count	218646.000000
mean	322462.160977
std	    173903.371149
min	    2.000000
25%  	168409.250000
50%	    336181.500000
75% 	470149.500000
max 	611669.000000

df.describe(include='object')

 

3. 파생변수 만들기

a. 날짜 데이터 type 변환 : pd.to_datetime()

df["확진일"] = pd.to_datetime(df["확진일"])

b. 연, 월, 일, 요일 데이터 변수 생성 : dt.year , dt.month, dt.day, dt.dayofweek ..

df["연도"] = df["확진일"].dt.year
df["월"] = df["확진일"].dt.month
df["일"] = df["확진일"].dt.day
df["요일"] = df["확진일"].dt.dayofweek

c. 연도-월 데이터 변수 생성 : str 슬라이싱

df['연월'] = df['확진일'].astype(str).str[:7]

연번
218646    2021-12
218645    2021-12
218644    2021-12
218643    2021-12
218642    2021-12
           ...   
5         2020-01
4         2020-01
3         2020-01
2         2020-01
1         2020-01
Name: 연월, Length: 218646, dtype: object

d. 요일 데이터 값 숫자에서 한글로 변환하기 : series.map()

def find_dayofweek(day_no):
    d = '월화수목금토일'
    return d[day_no]

df['요일명'] = df['요일'].map(find_dayofweek)
# 또는 익명함수 lambda 사용 가능 
df["요일명"] = df['요일'].map(lambda x : '월화수목금토일'[x])

연번
218646    일
218645    일
218644    일
218643    일
218642    일
         ..
5         금
4         목
3         목
2         목
1         금
Name: 요일명, Length: 218646, dtype: object

e. 각 변수에 대한 빈도수 출력 : value_counts()

연도에 대한 확진 빈도수

df["연도"].value_counts()

2021    199253
2020     19393
Name: 연도, dtype: int64

# "연도" 컬럼의 비율
df["연도"].value_counts(normalize=True) * 100

2021    91.130412
2020     8.869588
Name: 연도, dtype: float64

연도-월에 대한 확진 빈도수

df["연도월"].value_counts().sort_index().plot()

year_month.plot(kind='bar',rot=80)

요일에 대한 확진 빈도수

df['요일명'].value_counts()

화    35471
수    34548
목    34030
금    33655
토    30692
일    25734
월    24516
Name: 요일명, dtype: int64

• 리스트 컴프리헨션을 통해 칼럼 순서를 바꿀 수 있음.

weekday_cnt[list("월화수목금토일")].plot(kind='bar', figsize = (10,3), rot = 0)

• 재미있는 인사이트
  • 월요일에 확진자 수가 적은 이유는 주말에는 선별진료소가 휴무였기 때문 !

확진일에 대한 확진 빈도수

day_count = df['확진일'].value_counts().sort_index()

day_count.plot(title='일별 확진자 수', figsize=(10,3))
plt.axhline(1500, c='r', lw='0.5', ls='solid')

 

---

Reference

멋쟁이 사자처럼 ai스쿨 "오늘코드" 박조은 강사님께 제공받은
서울시 코로나19 확진자 현황(2020~2021) 데이터를 바탕으로 탐색적 데이터 분석을 수행

https://github.com/corazzon/COVID-19-eda

GitHub - corazzon/COVID-19-eda: COVID-19-eda