작업13: Python으로 부산 평균 최고기온 분석하기 4

저번 포스팅에 이어서 히스토그램과 박스플롯을 그려보겠습니다

---

기간	1973년 ~ 2021년
지점	ASOS 부산 관측 지점
자료	월 별 평균 최고기온

---

박스플롯)

히스토그램은 제 포스팅 중에 설명해 놓은게 있습니다

​

그렇기 때문에 박스플롯에 대해서 알아보겠습니다

​

먼저 박스플롯은 통계치들을 한 눈에 보여주는 그림입니다

​

이 그림 입니다

​

가운데 박스가 있고 위아래로 수염이 튀어나와있는 모양이라 수염 그림이라고도 합니다

​

요소들을 하나씩 알아보겠습니다

​

먼저 박스 부분입니다

​

박스의 가장 윗 부분은 Q3, 즉 상위 하위 75%값을 의미합니다 3사분위수라고도 합니다

​

박스 중간에 있는 실선은 Q2, 즉 중앙값이자 하위 50%값을 의미합니다

​

그럼 당연하게도 박스 가장 아래 부분은 Q1 하위 25% 값을 의미합니다

​

수염의 끝 부분은 최대값과 최소값입니다

​

추가로 수염 밖으로 나가있는 작은 동그라미들은 이상치를 의마합니다

​

사분위 범위인 IQR을 통해 구합니다

​

IQR은 q3 - q1인 3사분위수 - 1사분위수로 구할 수 있습니다

​

최소값보다 작은 이상치는 q1 - IQR x 1.5, 최대값보다 큰 이상치는 q3 + IQR x 1.5로 구할 수 있습니다

​

이정도면 박스플롯에 구성을 다 알아봤고 직접 제 자료를 가지고 그림을 그려보겠습니다

---

코드)

tol = [jan8, feb8, mar8, apr8, may8, jun8, jul8, agu8, sep8, oct8, nov8, dec8] fig, ax2 = plt.subplots(figsize = (15, 9)) ax2.boxplot(tol) ax2.set_xlabel('Month(January ~ December)', fontsize = 20) ax2.set_ylabel('Mean Max Temperature($^\circ$C)', fontsize = 20) ax2.set_title('1973 ~ 2021 Busan Mean Max Temperature Boxplot', fontsize = 20) #plt.savefig("/content/drive/MyDrive/기상통계학/Boxplot.png", dpi = 300)

코드 자체는 정말 간단합니다

​

박스플랏은 x, y 값 2개가 필요한 것이 아닌 자료 x만 넣어주면 그림이 그려집니다

​

그림이 그려지면 x축에는 각 항목의 이름이 들어가고

​

y축에는 자료의 실제 값들이 들어가기 때문입니다

​

자료의 분포를 보여주는 그림이기 때문에 Y 값은 따로 입력해줄 필요가 없습니다

​

저 코드로 그려진 그림입니다

1월과 6월, 7월, 8월, 11월, 12월 이렇게 6달에서 이상치가 나타났습니다

​

계절적으로 봤을 때 여름과 겨울이라고 생각할 수 있고

​

여름은 우리나라의 여름철 많은 강수량 때문에 이상치가 많이 나타날 수 있다고 생각했습니다

​

겨울철은 최대값보다 높은 쪽으로는 이상치가 없기 때문에 이상 저온 현상만 나타났습니다

​

또 볼 수 있는 특징은 이상치가 나타나는 여름과 겨울에는 수염이 다른 월 보다 길게 나타나는 걸 볼 수 있습니다

​

하위 25%와 하위 75% 값들이 최소, 최대값과 멀다는 건 편차가 크다고 생각할 수도 있습니다

​

이렇게 부산 평균 최고기온 분석을 마치게 됐습니다

​

다음 포스팅부터는 라이브러리 만들기를 도전해보려고 합니다

​

이번에 기상통계학이라는 과목에서 회귀 분석 과제가 나오면서

​

회귀 모델 적합성 검정 부분을 라이브러리처럼 만들어서 값이 출력되도록 만들었습니다

​

제가 만든 라이브러리로 통계량을 구해보면서 얼마나 유의하고 적합한지 판단해보겠습니다

​

감사합니다!