Allen's 데이터 맛집

이번 포스팅에서는 이전에 전처리한 데이터를 가지고 본격적인 분석을 해보도록 하겠습니다. 데이터의 소수점 2 자릿수까지만 출력 설정 후 데이터를 년/월에 맞춰 mean, min, max 값의 미세먼지 데이터를 출력하여 확인합니다. 분석목표에서 말했듯 강남구의 데이터로 분석을 시행하겠습니다. 강남구의 년/월별 미세머지 농도의 평균을 조회하여 temp로 저장합니다. 년/월로 그룹화 하여 미세먼지의 평균 데이터를 조회하여 확인해 봅니다. 2016년부터 2020년까지 미세먼지 농도가 가장 높은 월을 출력합니다. 2019년 데이터 중 1~7월이 없기 때문에 12월이 나옵니다. 연별/월별 미세먼지 평균을 구해서 temp로 저장합니다. 미세먼지 2020 칼럼을 추가합니다. '차이'라는 컬럼을 추가하여 미세먼지의 평균값..

파일 준비하기 [data_day_2016.xlsx, data_day_2017.xlsx, data_day_2018.xlsx, data_day_2019.xlsx] 파일을 가져오고 이를 확인합니다. 각 파일에 기록되어 있는 내용 - 측정일시, 측정소명, 이산화질소농도, 오존농도, 이산화탄소농도, 아황산가스, 미세먼지, 초미세먼지의 측정치 결측치 처리 2016년부터 2019년까지 파일을 합친 다음 데이터 분석을 위해 인덱스를 설정하고, 측정일시를 datetime형태로 변환합니다. 그리고 데이터 결측치 개수를 각각 확인합니다. 시각화(Heatmap)를 통하여 결측치를 좀 더 명확히 확인합니다. 연/월별 미세먼지 데이터의 평균을 새로운 데이터프레임에 넣고 저장합니다. 2017년 6월까지 데이터만 출력해 봅니다. '..

프로젝트 소개 우리는 대기오염으로 인해 심각한 건강 문제와 환경 문제를 겪고 있습니다. 이 프로젝트는 더 나은 대기질 환경을 만들기 위해 데이터 분석을 활용하여 주요 도시의 대기 중 미세먼지 데이터를 분석하여 대기 오염에 대해서 통계를 내고 영향을 찾아보려 합니다. 사용기술 - Python - Pandas - Matplotlib - Seaborn - Jupyter Notebook GITHUB : https://github.com/siilver94/Analyzing-about-fine-dust GitHub - siilver94/Analyzing-about-fine-dust Contribute to siilver94/Analyzing-about-fine-dust development by creating a..

제 몸의 변화를 통한 데이터 분석 : 벌크업/다이어트 안녕하세요! 이전에는 벌크업과 다이어트에 따라 직접 수집한 운동 기록을 분석했었고 드디어 모든 데이터를 통합하여 최종적으로 분석을 해보겠습니다. 놀랍게도, 데이터 분석 결과로 개인적인 운동 프로그램을 개선하고 목표를 달성하는 데 도움이 되는 인사이트를 얻을 수 있었습니다. 이제, 제가 진행한 벌크업, 다이어트, 그리고 추가의 한 달 동안의 데이터를 모두 합쳐 최종 데이터 분석을 진행할 차례입니다. - 벌크업 : 2022-06 ~ 2022-12 - 다이어트 : 2022-12 ~ 2023-05 - 추가 : 2023-08 ~ 2023-11 데이터의 힘: 이 프로젝트는 단순히 몸무게와 운동 기록을 넘어, 데이터의 힘을 최대한 활용하여 개인적인 목표를 달성하는..