edwith_python_(15)pivot_table, heatmap, lineplot으로 판매 데이터 시각화하기

edwith 부스트코스 파이썬으로 시작하는 데이터 사이언스 를 공부하는 과정입니다.

지난 포스트 edwith_python_(14)lineplot으로 판매 데이터 시각화하기

---

6.4 데이터 집계하기

피벗테이블로 “국가(대륙)별”, “연도”별 합계 금액을 표 형태로 구해서 result 변수에 담기

result = df_fashion.pivot_table(index="국가(대륙)별", columns="연도", values="백만원", aggfunc="sum")
result

*결과*

연도	2014	2015	2016	2017	2018	2019
국가(대륙)별
EU	4485.0	3374.0	4899.0	3736.0	4114.0	3694.0
기타	9683.0	7248.0	5918.0	14387.0	23901.0	6309.0
대양주	3392.0	2349.0	3401.0	2266.0	2725.0	2387.0
미국	33223.0	38066.0	48451.0	50353.0	47875.0	55035.0
아세안(ASEAN)	14936.0	19639.0	24478.0	22671.0	23068.0	31217.0
일본	48960.0	57594.0	79905.0	90584.0	136800.0	134243.0
중국	57531.0	142339.0	190932.0	225407.0	288848.0	330254.0
중남미	975.0	616.0	649.0	762.0	576.0	543.0
중동	1172.0	1018.0	968.0	772.0	879.0	924.0

언제 어느 국가의 판매액이 높고 낮은 지 파악하기 어려움

6.5 연산 결과를 시각적으로 나타내기

heatmap을 이용하여 피벗테이블로 구한 결과를 시각적으로 표현하기

plt.figure(figsize=(8,4))
sns.heatmap(result, cmap="Blues", annot=True, fmt=".0f")

*결과*

중국에서 구매액이 가장 많고, 2019년으로 갈수록 판매액이 증가함

annot=True : heatmap에 숫자도 나타냄
fmt=”.0f” : 소수점없이 float 형태로 나타내기

7. 전체 상품군별로 온라인쇼핑 해외직접판매액은 증가했을까?

위의 판매유형별 데이터의 “계”만 모은 df_total 변수를 통한 “연도”별 판매액을 시각화 하기

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

*결과*

“연도”별 판매액을 그리고, “국가(대륙)별”로 구분하여 나타내기

plt.figure(figsize=(8,4))
sns.lineplot(data=df_total, x="연도", y="백만원", hue="국가(대륙)별")

*결과*

“연도”별 판매액을 그리고, “상품군별”로 다른 색상으로 표현하기

plt.figure(figsize=(8,4))
sns.lineplot(data=df_total, x="연도", y="백만원", hue="상품군별")
plt.legend(bbox_to_anchor=(1.01, 1), loc=2, borderaxespad=0.)

*결과*

결론 (?)

• 최근 5년 데이터 상 K-beauty와 관련된 ‘화장품’과 ‘의류’의 해외 판매액은 증가 추세를 보임.
• 특히 여러 국가 중 중국에서의 판매액 성장이 두드러짐.