[D+26] 교육 | 이변량 분석의 핵심: 수치-범주 & 범주-범주 간 관계

안녕하세요, 여러분. 오늘은 데이터 분석의 핵심 주제 중 하나인 이변량 분석에서 매우 중요한 두 가지 유형의 관계에 대해 이야기하고자 합니다. 

바로 수치와 범주 간의 관계, 그리고 범주와 범주 간의 관계입니다. 

이 두 관계를 깊이 이해하는 것은 여러분이 DX 컨설턴트로서 역량을 키우는 데 크게 기여할 것입니다.

---

1. 수치(x)→범주(y) 간의 관계

1) 시각화:  KDE Plot, Histogram

KDE Plot은 데이터의 분포를 부드럽게 표현해 주며, 특정 수치가 어떤 범주에 얼마나 자주 나타나는지 시각적으로 파악할 수 있게 합니다.

Histogram을 통해 각 범주 내의 수치 데이터의 분포를 별도로 확인할 수 있습니다. 이는 범주별로 수치 데이터가 어떻게 분포하는지를 이해하는 데 도움을 줍니다.

각각의 그래프는 가로선과 멀리 떨어질수록 대립가설(내 주장)이 타당해집니다.

 

수치 → 범주 이변량 분석 함수 코드

def eda_2_nc(data, feature, target):

 

    plt.figure(figsize=(6, 10))

    plt.subplot(3, 1, 1)

    sns.kdeplot(x=feature, data=data, hue=target, common_norm=False)

    plt.xlim(data[feature].min(), data[feature].max())

    plt.grid()

 

    plt.subplot(3, 1, 2)

    sns.kdeplot(x=feature, data=data, hue=target, multiple='fill')

    plt.axhline(data[target].mean(), color='r')

    plt.xlim(data[feature].min(), data[feature].max())

    plt.grid()

 

    plt.subplot(3, 1, 3)

    sns.histplot(x=feature, data=data, bins=30, hue=target, multiple='fill')

    plt.axhline(data[target].mean(), color='r')

    plt.xlim(data[feature].min(), data[feature].max())

    plt.grid()

    plt.show()

Age(나이) → Satisfaction(만족) 산점도

target = 'satisfaction'

feature = 'Age'

eda_2_nc(data, feature, target)

 

2) 수치화: -

수치와 범주 간의 관계에서는 일반적으 가설검증 방법을 직접 적용하기 어렵습니다. 

하지만, 우리는 수치 데이터를 범주형 데이터로 변환하여 범주-범주 간의 관계로 다루거나, 

수치 데이터를 가지고 범주-수치 관계로 접근하여 t-test나 ANOVA 같은 통계적 방법을 사용할 수 있습니다.

중요한 것은 분석하고자 하는 x와 y 사이에 선후관계가 설정되어서는 안 된다는 점입니다.

 

2. 범주(x)→범주(y) 간의 관계 "기대빈도로부터의 차"

1) 시각화: Mosaic Plot (모자익 플롯)

Mosaic Plot은 범주-범주 간의 관계를 시각화하는 데 유용한 도구입니다. 

각 칸의 크기가 해당 범주 조합의 빈도를 나타내며, 이를 통해 변수 간의 관계를 직관적으로 이해할 수 있습니다. 

Mosaic Plot을 사용할 때는 데이터의 정규화가 필요할 수 있습니다.

 

범주 → 범주 이변량 분석 함수 코드

mosaic(titanic, ['Sex', 'Survived'])

plt.axhline(1 - titanic['Survived'].mean(), color='r')

plt.show()

 

2) 수치화: 카이제곱 검정

두 범주형 변수 간의 독립성을 검정하는 통계적 방법입니다. 

관측된 빈도와 기대된 빈도 간의 차이를 기반으로 하며, 이 차이가 클수록 우리는 두 변수 간에 유의미한 관계가 있다고 볼 수 있습니다.

 

범주 → 범주 

pd.crosstab(titanic['Survived'], titanic['Sex'], normalize='all')

table = pd.crosstab(titanic['Survived'], titanic['Sex'])

print(table)

print('-' * 50)

spst.chi2_contingency(table)

---

이변량 분석에서 수치-범주 및 범주-범주 간의 관계를 이해하는 것은 여러분이 데이터를 통해 이야기를 발견하고 해석하는 데 필수적인 기술입니다.

오늘 공유한 내용이 여러분의 데이터 분석 여정에 도움이 되길 바랍니다.  데이터와 함께하는 여정에서 항상 새로운 발견이 있기를 기대합니다.