당신은 주제를 찾고 있습니까 “따릉 이 데이터 – [데이콘] 따릉이 데이터를 활용한 데이터 분석 (EDA)“? 다음 카테고리의 웹사이트 https://kk.taphoamini.com 에서 귀하의 모든 질문에 답변해 드립니다: https://kk.taphoamini.com/wiki/. 바로 아래에서 답을 찾을 수 있습니다. 작성자 데이콘 이(가) 작성한 기사에는 조회수 5,568회 및 좋아요 72개 개의 좋아요가 있습니다.
Table of Contents
따릉 이 데이터 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 [데이콘] 따릉이 데이터를 활용한 데이터 분석 (EDA) – 따릉 이 데이터 주제에 대한 세부정보를 참조하세요
따릉이 데이터를 활용한 데이터 분석 입문 영상입니다.
실습용 파일: https://bit.ly/3eDxLCq
https://dacon.io
따릉 이 데이터 주제에 대한 자세한 내용은 여기를 참조하세요.
서울특별시_공공자전거 이용현황_20210131 – 공공데이터포털
서울특별시 공공자전거 이용현황 데이터로 서울특별시에서 운영하는 공공자전거(따릉이)에 대한 일별 대여건수 데이터를 제공합니다.
Source: www.data.go.kr
Date Published: 6/7/2022
View: 8060
[공공 데이터] 따릉이 데이터 분석 1 (데이터 확인 / 질문하기)
따릉이 데이터 분석 데이터 출처 : https://data.seoul.go.kr/dataList/datasetList.do 서울 열린데이터 광장에서 제공하는 서울시 공공자전거 이용 …
Source: sks8410.tistory.com
Date Published: 11/26/2021
View: 8141
1.1. 따릉이 공공데이터 가져오기
프로젝트 진행시 따릉이 사업을 운영중인 서울시설공단의 DB 접속 권한을 받아 진행하였으나, 이 문서 가이드에서는 서울 열린데이터 광장에서 제공하는 공공데이터를 …
Source: wikidocs.net
Date Published: 4/4/2021
View: 9793
빅데이터 분석을 통한 서울시 자전거 대여소 개선방안 연구
서울 따릉이 자전거는 누구나, 언제나, 어디. 서나 쉽고 편리하게 이용할 수 있는 무인대여. 시스템이다. 서울시의 교통체증, 대기오염 등 다. 양한 문제해결을 통해 …
Source: www.koreascience.or.kr
Date Published: 6/20/2021
View: 7763
데이터 시각화 사례 | 서울시 공공자전거 따릉이 데이터 분석
서울특별시가 운영하는 공공자전거 ‘따릉이’의 이용행태를 태블로로 분석해봤습니다. 각 지역구별로 몇 개의 대여소가 설치되어 있는지, 시간대별로, 요일(주말/평일) …
Source: tableauwiki.com
Date Published: 6/13/2021
View: 9943
주제와 관련된 이미지 따릉 이 데이터
주제와 관련된 더 많은 사진을 참조하십시오 [데이콘] 따릉이 데이터를 활용한 데이터 분석 (EDA). 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 따릉 이 데이터
- Author: 데이콘
- Views: 조회수 5,568회
- Likes: 좋아요 72개
- Date Published: 2020. 6. 26.
- Video Url link: https://www.youtube.com/watch?v=WreGAJxukpA
서울특별시_공공자전거 이용현황_20210131
서울특별시_공공자전거 이용현황
서울특별시 공공자전거 이용현황 데이터로 서울특별시에서 운영하는 공공자전거(따릉이)에 대한 일별 대여건수 데이터를 제공합니다.
좋아요 선택 안함, 좋아요 선택한 사람 수 0
싫어요 선택 안함, 싫어요 선택한 사람 수 0
관심
[공공 데이터] 따릉이 데이터 분석 1 (데이터 확인 / 질문하기)
728×90
따릉이 데이터 분석
데이터 출처 : https://data.seoul.go.kr/dataList/datasetList.do
서울 열린데이터 광장에서 제공하는 서울시 공공자전거 이용현황 데이터
– Data 1 : 서울특별시 공공자전거 대여소 정보
– Data 2 : 서울특별시 공공자전거 대여소별 이용정보(월별)
– Data 3 : 서울특별시 공공자전거 이용정보(시간대별)
이용건수 : 해당 시간대에 대여한 건수의 합
그룹명 없음, 대여소명 없음, 정비센터 등인 경우 테스트 및 정비 목적이므로 분석에 제외하여 활용
1. 데이터 확인
# 기본 패키지 불러오기 import math import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns plt.style.use(“seaborn”) sns.set(font_scale = 1) sns.set_style(“whitegrid”) import plotly.express as px import chart_studio.plotly as py import cufflinks as cf cf.go_offline(connected=True) import plotly.graph_objects as go import plotly.offline as pyo pyo.init_notebook_mode() from plotly.subplots import make_subplots import missingno as msno import warnings # 경고 메세지 숨기기 warnings.filterwarnings(action=’ignore’) plt.rcParams[‘font.family’] = ‘S-Core Dream’ # 한글 폰트 가져오기 plt.rcParams[‘axes.unicode_minus’] = False # – 기호 깨짐 해결
# 데이터 불러오기 bike_1 = pd.read_csv(“data/공공자전거대여소정보(21.01.31기준).csv”, encoding = “cp949”) bike_2 = pd.read_csv(“data/공공자전거대여소별이용정보_2020.07_2021.01.csv”, encoding = “cp949”) bike_3 = pd.read_csv(“data/공공자전거이용정보(시간대별)_21.01.csv”, encoding = “cp949”) print(bike_1.shape) print(bike_2.shape) print(bike_3.shape) bike_1.head() #bike_2.head() #bike_3.head()
# 데이터 기본 정보 확인 #bike_1.info() #bike_2.info() bike_3.info()
bike_1 데이터의 대여소번호는 수치나 연속성을 나타내는 값이 아니기 때문에 전처리 시 object 타입으로 변경하도록 하겠습니다.
bike_3 데이터의 이용건수, 운동량, 탄소량, 이동거리, 사용시간 컬럼이 object 타입으로 되어 있어 전처리 시 수치형 타입으로 변경하도록 하겠습니다.
bike_1, bike_3 데이터에 날짜를 나타내는 컬럼이 object 타입으로 되어 있어 전처리 시 날짜 타입으로 변경하도록 하겠습니다.
# 수치형 데이터 통계 확인 #bike_1.describe() #bike_2.describe() bike_3.describe()
bike_3 데이터내 사용시간 컬럼에서 최대값이 1,753 시간이나 되는것으로 확인되어 데이터 값이 정확한지 확인할 필요가 있을 것 같습니다.
# 범주형 데이터 통계 확인 #bike_1.describe(include = np.object_) #bike_2.describe(include = np.object_) bike_3.describe(include = np.object_)
bike_3 데이터내 성별이 4가지 종류가 되는것으로 확인되어 데이터 값이 제대로 들어가 있는지 확인할 필요가 있을 것 같습니다.
# bike_1 데이터 결측치 확인 bike_1.isnull().sum()
# bike_1 데이터 결측치 시각화 msno.bar(bike_1)
# bike_2 데이터 결측치 확인 bike_2.isnull().sum()
# bike_3 데이터 결측치 확인 bike_3.isnull().sum()
# bike_3 데이터 결측치 시각화 msno.bar(bike_3)
2. 질문하기
– 이동거리 / 평균 사용시간이 높은 대여소는?
– 운동량과 이동거리의 상관관계?
– 따릉이를 가장 많이 이용하는 성별은?
– 따릉이를 가장 많이 이용하는 연령대는?
– 서울시 구별로 거치대 개수와 대여건수는?
728×90
1.1. 따릉이 공공데이터 가져오기
프로젝트 진행시 따릉이 사업을 운영중인 서울시설공단의 DB 접속 권한을 받아 진행하였으나, 이 문서 가이드에서는 서울 열린데이터 광장에서 제공하는 공공데이터를 이용하여 가이드를 작성한다.
서울 열린데이터 광장 접속
해당 URL로 접속하여 대여정보 데이터를 다운받을 수 있다.
월별 대여정보를 각 파일로, 반기정도마다 업데이트하여 데이터를 제공하고 있는 것 같다.
데이터 다운로드
내려받기
내려받기를 누르면 다운로드가 가능하다.
[서울 열린데이터 광장 화면]대상데이터
[대상파일]“서울특별시 공공자전거 대여정보_201906_1.csv” “서울특별시 공공자전거 대여정보_201906_2.csv” “서울특별시 공공자전거 대여정보_201906_3.csv”
따릉이 사용량이 많았던 6월을 대상으로 위의 3개의 파일을 원천 데이터로 사용하고자 한다.
파일형태
해당 csv는 다음과 같은 형태이다.
[서울특별시 공공자전거 대여정보_201906_1.csv 형태]
서울시 공공자전거 따릉이 데이터 분석 – TABLEAU WIKI
시각화 주제
서울특별시가 운영하는 공공자전거 ‘따릉이’의 이용행태를 분석해봤습니다. 각 지역구별로 몇 개의 대여소가 설치되어 있는지, 시간대별로, 요일(주말/평일)별로 사용자의 이용패턴에 어떤 차이가 있는지를 중심으로 시각화하였습니다.
데이터 출처
서울열린데이터광장 (https://data.seoul.go.kr/ )에 가면 서울시와 관련한 다양한 공공데이터를 무료로 다운로드받을 수 있는데요, 최신 데이터가 주기적으로 업데이트되고, 사용자들의 Q&A 성격의 댓글도 답변이 잘 되어 있는 것으로 보아, 성실하게 관리되는 사이트인 것 같습니다.
이번 시각화를 위해, [서울시 공공자전거 시간대별 이용정보_201812-201905] 데이터와 [공공자전거 대여소 정보_201905]를 사용했습니다.
완성 대시보드
대시보드 다운로드
https://public.tableau.com/profile/soyoung.park#!/vizhome/13816/sheet0
메인 시각화 차트 | Radial Stacked Bar Chart
시간대별로 따릉이의 이용건수에 어떤 변화가 있는지를 한 눈에 확인하는 차트를 메인 차트로 사용했습니다.
또한, 필터를 이용하여 지역구 및 주말/평일에 따라 시간대별 이용분포에 차이가 있는지를 사용자가 직접 탐색할 수 있도록 했습니다.
이 차트를 만들기 위해서는 동일한 데이터 셋을 Union 해야 하는데, 두 개의 데이터 셋이 각각 안쪽 원과 바깥쪽 원을 그리는 원리입니다.
자세한 만드는 방법은 Tableau Tips에서 다루겠습니다.
키워드에 대한 정보 따릉 이 데이터
다음은 Bing에서 따릉 이 데이터 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 [데이콘] 따릉이 데이터를 활용한 데이터 분석 (EDA)
- 데이터사이언스
- 머신러닝
- 경진대회
- 핀테크
- 인공지능
- AI
- Data Science
- machine learning
- 기계학습
- 데이콘
- dacon
- 스타트업
- kaggle
- 캐글
- 마이크로소프트
- 데이터분석가
- 데이터
- 딥러닝
- 파이썬
- MS
- 시각화
- Visualization
- 빅테크
- 핀테크위크
- fintechweek
- bigtech
- 강화학습
- 빅데이터
- 공모전
- 따릉이
YouTube에서 따릉 이 데이터 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 [데이콘] 따릉이 데이터를 활용한 데이터 분석 (EDA) | 따릉 이 데이터, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.