[기타 데이터] Wine 데이터 분석 2 (EDA / 시각화 / 리뷰)

이전 내용은 아래 글에서 확인 부탁 드리겠습니다.

[Data Analysis/기타 데이터] - [기타 데이터] Wine 데이터 분석 (데이터 확인 / 질문하기 / 데이터 전처리)

[기타 데이터] Wine 데이터 분석 (데이터 확인 / 질문하기 / 데이터 전처리)

4. EDA & Visualization

4-1 각 와인 퀄리티 당 몇개의 와인이 있을까?

# 전체 와인의 퀄리티 당 와인 수

wine["quality"].value_counts()

 

 

# 전체 와인의 퀄리티 당 와인 수 시각화

wine_quality = wine["quality"].value_counts()

fig = px.bar(wine_quality, x = wine_quality.index, y = "quality",
            text = "quality")

fig.update_traces(
    textposition = "outside",
    textfont_color = "black"
)

fig.update_layout(
    title = dict(
        text = "<b>전체 와인 퀄리티 당 와인 수</b>",
        font_size = 20        
    ),
    
    xaxis = dict(
        title = "와인 퀄리티"
    ),
    
    yaxis = dict(
        title = "와인 수"
    ),
    
    template = "plotly_white"
)

fig.show()

와인 등급이 6등급인 와인이 가장 많고 5등급 > 7등급 순으로 많이 있습니다.

 

 

# red / white 별로 나눠서 퀄리티별 와인 수 확인

wine_tag_quality = wine.groupby("tag")["quality"].value_counts().unstack(0)

wine_tag_quality

 

 

# red / white 별로 나눈 퀄리티별 와인 수 시각화

wine_tag_quality =  wine_tag_quality.reset_index()

fig = go.Figure()

fig.add_trace(
    go.Bar(x = wine_tag_quality["quality"], y = wine_tag_quality["r"],
          name = "Red", text = wine_tag_quality["r"])
)

fig.add_trace(
    go.Bar(x = wine_tag_quality["quality"], y = wine_tag_quality["w"],
          name = "White", text = wine_tag_quality["w"])
)

fig.update_traces(
    textposition = "outside",
    textfont_color = "black"
)

fig.update_layout(
    title = dict(
        text = "<b>와인별 퀄리티 당 와인 수</b>",
        font_size = 20        
    ),
    
    xaxis = dict(
        title = "와인 퀄리티"
    ),
    
    yaxis = dict(
        title = "와인 수"
    ),
    
    template = "plotly_white"
)

fig.show()

레드와인은 5등급이 가장 많고, 화이트와인은 6등급이 가장 많이 있습니다.

4-2 각 컬럼 데이터의 분포 확인

# 각 컬럼 데이터의 분포 시각화

for i in wine.columns : 
    if i == "quality":
        break
    fig = px.box(wine, x = "quality", y = i, color = "quality")
    
    fig.update_layout(
        title = dict(
            text = i + " 컬럼",
            font_size = 20
        ),
        
        template = "plotly_white"        
    )
    
    fig.show()

- citric acid, alcohol은 퀄리티가 높아질수록 값이 올라가는 경향을 보이고 있습니다.
- volatile acidity, chlorides은 퀄리티가 높아질수록 값이 내려가는 경향을 보이고 있습니다.

 4-3 와인의 어떤 특성이 와인 퀄리티와 가장 밀접한 관련이 있을까? 

# 컬럼의 상관관계 히트맵으로 확인

wine_corr = wine.corr().round(2)

import plotly.figure_factory as ff

fig = ff.create_annotated_heatmap(x = wine_corr.index.tolist(),
                                  y = wine_corr.columns.tolist(),
                                  z = wine_corr.values,
                                  xgap = 1,
                                  ygap = 1,
                                  showscale = True)

fig.update_layout(
    title = dict(
        text = "<b>컬럼간 상관관계 Heat Map</b>",        
        y = 0.9,
        font_size = 20
    ),
    
    xaxis = dict(
        side = "bottom" # x 축 위치 조정
    ),
    
    yaxis_autorange='reversed'
)

fig.show()

quality는 alcohol 과 강한 양(+)의 상관관계를 가지고 있으며, density, volatile acidity 와 강한 음(-)의 상관관계를 가지고있습니다.

5. Review

1) 각 퀄리티 당 몇개의 와인이 있을까?
   > 6등급이 가장 많고 5등급 -> 7등급 순으로 많다는 것을 알 수 있습니다.   
   > 레드와인은 5등급이 가장 많고, 화이트와인은 6등급이 가장 많다는 것을 알 수 있습니다.

2) 각 컬럼 데이터 분포 확인
   > citric acid, alcohol은 퀄리티가 높아질수록 값이 올라가는 경향을 보이고 있습니다. 
   > volatile acidity, chlorides은 퀄리티가 높아질수록 값이 내려가는 경향을 보이고 있습니다.

3) 와인의 어떤 특성이 와인 퀄리티와 가장 밀접한 관련이 있을까?
   > quality는 alcohol 과 강한 양의 상관관계를 가지고 있으며, density, volatile acidity 와 강한 음의 상관

      관계를 가지고 있습니다.