edwith_python_(14)lineplot으로 판매 데이터 시각화하기

edwith 부스트코스 파이썬으로 시작하는 데이터 사이언스 를 공부하는 과정입니다.

지난 포스트 edwith_python_(13)데이터 전처리하기

---

6. K-Beauty 시각화

6.1 전체 상품군 판매액

“판매유형별” 데이터는 일부 기간에 대해 “계”만 존재하므로, “계” 데이터만 df_total 변수에 담기(면세점, 면세점 외 데이터는 제외)

df_total = df[df["판매유형별"] == "계"].copy()
df_total.head()

*결과*

	국가(대륙)별	상품군별	판매유형별	기간	백만원	연도	분기
48	미국	컴퓨터 및 주변기기	계	2014 1/4	2216.0	2014	1
51	미국	가전·전자·통신기기	계	2014 1/4	2875.0	2014	1
54	미국	소프트웨어	계	2014 1/4	47.0	2014	1
57	미국	서 적	계	2014 1/4	962.0	2014	1
60	미국	사무·문구	계	2014 1/4	25.0	2014	1

연도별 판매액을 linplot으로 나타내기

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

*결과*

연도별 판매액을 “상품군별”로 구분하여 linplot으로 나타내기

sns.lineplot(data=df_total, x="연도", y="백만원", hue="상품군별")
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)

*결과*

plt.legend( ~~) : 범례값의 위치 지정
그래프 그리는 함수 뒤에 작성해야 적용됨

위에 그린 그래프를 자세히 보기 위해 서브플롯으로 나타내기

sns.relplot(data=df_total, x="연도", y="백만원", hue="상품군별", kind="line", col="상품군별", col_wrap=4)

*결과*

화장품 판매액이 다른 상품군에 비해 너무 커서 그래프 비교가 어려움

isin 을 사용하여 “화장품”과 “의류 및 패션관련 상품” 만 제외하여 df_sub이라는 변수에 담아서 다시 서브플롯 나타내기

df_sub = df_total[~df_total["상품군별"].isin(["화장품", "의류 및 패션관련 상품"])].copy()

sns.relplot(data=df_sub, x="연도", y="백만원", hue="상품군별", kind="line", col="상품군별", col_wrap=3)

*결과*

6.2 화장품의 온라인쇼핑 해외직접판매액

“상품군별”이 “화장품”인 데이터만 df_cosmetic이라는 변수에 담기

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

*결과*

	국가(대륙)별	상품군별	판매유형별	기간	백만원	연도	분기
72	미국	화장품	계	2014 1/4	3740.0	2014	1
117	중국	화장품	계	2014 1/4	32235.0	2014	1
162	일본	화장품	계	2014 1/4	1034.0	2014	1
207	아세안(ASEAN)	화장품	계	2014 1/4	398.0	2014	1
252	EU	화장품	계	2014 1/4	937.0	2014	1

“연도”와 판매액을 “분기”로 구분하여 lineplot으로 나타내기

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

*결과*

화장품 판매액에 대한 기간별 금액 데이터 시각화 하기

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

*결과*

화장품 판매액이 꾸준히 증가한 것을 확인할 수 있음
plt.xticks(rotation= 30): x축 값을 30도로 회전하여 나타내기

화장품 판매액에 대한 기간별 금액 데이터를 “국가(대륙)별”로 구분하여 시각화 하기

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

*결과*

중국에 대한 판매액이 크게 증가해 온 것을 확인할 수 있음

화장품 판매액에 대한 기간별 금액 데이터를 “국가(대륙)별”로 구분하되, “중국”은 제외하고 시각화 하기

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

*결과*

아세안(초록색) 판매액이 최근 급성장한 확인할 수 있음

화장품 판매액에 대한 기간별 금액 데이터를 “판매유형별”로 구분하여 시각화 하기

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", ci=None)

*결과*

판매유형별 데이터는 raw data에 2017년부터 존재하므로, 그래프가 2017년부터 그려짐

6.3 의류 및 패션관련 상품 온라인쇼핑 해외직접판매액

의류 데이터만 df_fashion 이라는 변수에 담아주기

df_fashion = df[(df["상품군별"] == "의류 및 패션관련 상품") & (df["판매유형별"] == "계")].copy()
df_fashion.head()

*결과*

	국가(대륙)별	상품군별	판매유형별	기간	백만원	연도	분기
66	미국	의류 및 패션관련 상품	계	2014 1/4	9810.0	2014	1
111	중국	의류 및 패션관련 상품	계	2014 1/4	12206.0	2014	1
156	일본	의류 및 패션관련 상품	계	2014 1/4	13534.0	2014	1
201	아세안(ASEAN)	의류 및 패션관련 상품	계	2014 1/4	3473.0	2014	1
246	EU	의류 및 패션관련 상품	계	2014 1/4	1364.0	2014	1

“의류 및 패션관련 상품”에 대해 “기간”별 판매액을 “국가(대륙)별”로 구분하여 시각화하기

plt.figure(figsize=(10,4))
plt.xticks(rotation=30)
sns.lineplot(data=df_fashion, x="기간", y="백만원", hue="국가(대륙)별")

*결과*

중국 판매액이 꾸준히 증가한 것을 확인할 수 있음

“의류 및 패션관련 상품”에 대해 “기간”별 판매액을 “판매유형별”로 구분하여 시각화하기

df_fashion2 = df[(df["상품군별"] == "의류 및 패션관련 상품") & (df["판매유형별"] != "계")].copy()

plt.figure(figsize=(10,4))
plt.xticks(rotation=30)
sns.lineplot(data=df_fashion2, x="기간", y="백만원", hue="판매유형별", ci=None)

*결과*

면세점 판매액보다 면세점 이외 판매액이 대체로 높았으나, 최근에는 면세점 판매액이 면세점 이회 판매액과 비슷한 규모로 성장함

.
. 다음 포스트 edwith_python_(15)pivot_table, heatmap, lineplot으로 판매 데이터 시각화하기