학습 내용

분기별 화장품 판매액 데이터 시각화

df_total["상품군별"] == "화장품"

화장품 데이터를 가져오기 위해 우선 boolean 식을 만들어봅니다.

결과 : 

df_cosmetic = df_total[df_total["상품군별"] == "화장품"].copy()
df_cosmetic

 상품군별이 화장품인 데이터를 가져옵니다.

copy()로 복사하지 않으면 원본 데이터에 영향을 미칠 수 있습니다.

결과 : 

df_cosmetic["상품군별"].unique()

어떤 값이 들어있는지 unique()로 확인하면 화장품만 있는 것을 확인할 수 있습니다

결과 : 

sns.lineplot(data=df_cosmetic, x="연도", y="백만원")

시각화 그래프를 그려봅니다. 

2019년까지 꾸준히 성장하고 있습니다.

결과 : 

plt.figure(figsize=(15, 4))
sns.lineplot(data=df_cosmetic, x="연도", y="백만원", hue="분기")

분기 별로 살펴보겠습니다.

시각화 그래프를 그려보니 1분기부터 4분기까지 계속 성장하고 있습니다.

결과 : 

기간별 화장품 판매액 데이터 시각화

plt.figure(figsize=(15,4))
plt.xticks(rotation=30)
sns.lineplot(data=df_cosmetic, x="기간", y="백만원")

이번에는 연도가 아닌 기간으로 그래프를 그려보겠습니다.

글씨를 겹쳐지지 않게 하기 위해 xticks()를 사용하여 글자를 회전시킵니다.

역시 화장품 판매액의 증가를 꾸준히 확인할 수 있습니다.

결과 : 

df_cosmetic.head()

국가, 대륙 별로 한번 출력해보기로 하고, df_cosmetic 데이터 프레임을 살펴봅니다.

결과 : 

plt.figure(figsize=(15,4))
plt.xticks(rotation=30)
sns.lineplot(data=df_cosmetic, x="기간", y="국가(대륙)별")

중국에서의 가장 판매액이 높습니다.

결과 : 

기사에서도 중국이 판매량이 많다는 기사를 확인하실 수 있습니다. (캡쳐화면)

plt.figure(figsize=(15,4))
plt.xticks(rotation=30)
sns.lineplot(data=df_cosmetic[df_cosmetic["국가(대륙별)"] != "중국"], x="기간", y="국가(대륙)별")

중국을 빼고 시각화 그래프를 그리면 아세안에서 최근 높은 판매량을 기록했음을 알 수 있습니다.

결과 : 

plt.figure(figsize=(15,4))
plt.xticks(rotation=30)
df_sub = df[df["판매유형별"] != "계"].copy()
sns.lineplot(data=df_sub, x="기간", y="백만원", hue="판매유형별")

기간 별로 시각화를 하게 됩니다. 2017년 데이터부터 나타납니다.

"계" 데이터를 빼고 그래프를 그리니 온라인 면세점이 성장하고 있다는 사실을 알 수 있습니다.

결과 : 

plt.figure(figsize=(15,4))
plt.xticks(rotation=30)
df_sub = df[(df["판매유형별"] != "계") & (df["판매유형별"] != "면세점")].copy()
sns.lineplot(data=df_sub, x="기간", y="백만원", hue="판매유형별", ci=None)

 이번에는 온라인 면세점도 빼고 시각화를 해보겠습니다.

면세점 이외에서도 증가 추세를 볼 수 있습니다.

결과 :