[8] 하체 다이어트 : 그래프를 통한 분석 결과 - 1

이전 포스팅에서는 데이터를 수집하고 전처리하는 과정을 진행했습니다. 이제는 그 데이터를 가지고 실질적인 분석을 시작해 보겠습니다. 목표는 단순한 시각화를 넘어, 통계적인 결과를 도출하는 것입니다. 또한, 포트폴리오를 제작을 위해 사용해 볼 수 있는 핵심적인 시각화 기법들을 전부 활용하는 것이 목표입니다.

이번 분석에 사용한 데이터는 운동을 통해 하체 근육을 강화하고 특히 1RM 증량을 원하시는 분들을 위한 것입니다. 몸무게는 변화를 추적하기 위해 주기적(22.12 ~ 23.05)으로 기록하였고, 이번 하체 다이어트 편에 선스쾃/데드리프트 1RM 중량을 데이터를 조사하여 데이터를 분석하였습니다.

 

---

 

히스토그램과 밀도 그래프

먼저, 각각의 운동에 대한 중량을 히스토그램과 밀도 그래프로 시각화하여 분포를 확인합니다. 이를 통해 중량의 분포 모양과 형태를 더 자세히 파악할 것입니다.

스쾃의 경우 이번엔 다이어트라 그런지 분포가 130kg ~ 165KG까지 넓게 펴져있으며, 밀도 그래프를 통해 이것을 확인할 수 있습니다. 데드리프트 역시 140kg ~ 190kg 사이에 전체적으로 넓게 퍼져있는 것이 확인됩니다.

추가적으로 무게와 날짜 간의 관계를 시각화하면 더 많은 인사이트를 얻을 수 있을 것으로 예상됩니다.

Violin Plot

 

체중 대비 스쾃/데드리프트 1RM 중량의 데이터 분포를 Violin Plot을 사용하여 시각화해 보겠습니다. Violin Plot은 위의 히스토그램과 밀집그래프처럼 데이터의 분포 모양을 한눈에 파악하기에 유용합니다.

 

여기서는 분포가 전반적으로 넓게 퍼져 있는 것을 확인할 수 있었습니다. Violin plot을 통해 보면 중량 분포가 상대적으로 평균 주변에 퍼져 있고, 히스토그램과 밀도 그래프를 통해 이것을 더욱 명확하게 확인할 수 있습니다. 다이어트 중에는 중량을 높이거나 낮추는 것이 목표가 아니라, 다양한 중량을 경험하고 있다는 것을 시사합니다.

 

 

분석과 인사이트: 중량 선택의 차이

이러한 시각화 결과를 통해 벌크업과 다이어트의 중량 선택 방식의 차이를 파악할 수 있습니다. 벌크업에서는 목표 중량을 향해 집중적으로 훈련하고 중량 분포가 좁습니다. 반면, 다이어트 중에는 중량의 다양성을 경험하며 몸의 변화를 추적합니다. 이것은 각 단계에서 중량 선택의 목적과 방향성을 나타내는 중요한 인사이트를 제공합니다.

 

상관관계 분석

 

1. 1RM 중량과 몸무게의 상관관계:
1rm중량과 몸무게는 매우 강한 상관관계로 보입니다. 상관 계수가 1에 가까울수록 두 변수 간의 선형 관계가 강하다는 것을 의미합니다. 여기서 1RM 중량과 몸무게가 0.85 / 0.83으로 매우 가까우므로, 두 변수 간에는 강한 양의 선형 관계가 있습니다. 즉, 몸무게가 증가하면 1RM 중량도 증가하는 경향이 강하게 나타납니다.

2. 1RM 중량과 휴식기간의 상관관계:
1rm중량과 휴식기간은 상대적으로 약해 보입니다. 상관 계수가 -0.4 / -0.5 정도이며, p-value가 0.05보다 작으므로 이 관계는 통계적으로 유의미합니다. 따라서, 스쿼트/데드리프트 1RM 중량과 휴식기간 간에는 선형 관계가 나타납니다.

3. 1RM 중량과 운동시간의 상관관계:
이 상관관계는 거의 없다고 볼 수 있습니다. 상관 계수가 매우 낮으며, p-value가 0.05보다 크므로 이 관계는 통계적으로 유의미하지 않습니다. 따라서, 스쿼트 1RM 중량과 운동시간 간에는 선형 관계가 거의 나타나지 않습니다.

요약하면, 1RM 중량과 몸무게 사이에는 강한 양의 선형 관계가 있으며, 몸무게가 증가하면 1RM 중량도 증가합니다. 그리고 휴식기간과 운동시간 또한 1RM 중량과 통계적으로 유의미한 선형 관계를 나타내고 있습니다.

 

트렌드 그래프

트렌드 그래프를 생성하려면 시계열 데이터를 준비해야 합니다. 시계열 데이터를 생성하고 시간에 따른  1RM 중량의 변화를 시각화하기 위해 아래의 예제 코드를 사용할 수 있습니다.

 

1RM 중량과 몸무게: 함께 상승하는 추세

가장 먼저, 1RM 중량과 몸무게 간의 관계에 주목해 봅시다. 그래프를 통해 몸무게가 시간이 흐름에 따라 조금씩 감소하는 것을 확인할 수 있습니다. 이 분석 결과는 운동과 몸무게 증량이 위에서 보았던 상관관계의 수치처점 상관관계가 크다는 것을 시사합니다.

그러나 흥미로운 점은 이 관계가 완전히 선형적이지 않다는 것입니다. 즉, 몸무게가 줄어들 때마다 1RM 중량이 정확하게 비례적으로 감소하는 것이 아닙니다. 이것은 다양한 요인들이 1RM 중량에 영향을 미치고 있다는 것을 시사합니다. 그럼에도 불구하고, 전반적으로 두 변수는 함께 감소하는 경향이 있습니다. 

선형 그래프

 

이번 프로젝트를 통해서 운동 데이터를 시각화하여 몇 가지 흥미로운 인사이트를 얻고 있는데요, 그중에서도 가장 기본적인 시각화인 선형 그래프를 통해 몸무게와 1RM 중량 간의 관계를 조사해 보았습니다.

데이터의 경향성: 강한 상관관계

그래프를 통해 몸무게와 1RM 중량 간의 데이터가 추세선에 가깝게 분포되어 있는 것을 확인할 수 있었습니다. 이는 몇 번 언급하였지만 1rm중량과 몸무게, 두 변수 간에 강한 상관관계가 있음을 시사합니다. 특히 데이터의 70% 정도가 분산 안에 위치하며, 그래프는 오른쪽 위로 상승하는 경향을 보입니다.

이것은 몸무게가 증가함에 따라 1RM 중량도 일반적으로 상승하는 경향이 있다는 것을 나타냅니다. 즉, 몸무게 증량과 근육 강화가 서로 관련이 있을 가능성이 높다는 것을 시각적으로 확인할 수 있습니다.

 

GITHUB : https://github.com/siilver94/My-training-ability-as-driven-by-data

GitHub - siilver94/My-training-ability-as-driven-by-data