시계열 분석(Time Series Analysis)에서 나타나는 하락 패턴을 하락 추세(Downtrend)라고 합니다. 이번 글에서는 Python의 Pandas와 Matplotlib을 활용해 CSV 데이터 세트를 불러오고, 하락 추세를 그래프로 시각화하는 방법을 단계별로 살펴보겠습니다.
예제에서는 다음과 같은 데이터 세트, 즉 SalesRecords2.csv 파일이 있다고 가정합니다.
1단계: 필요한 라이브러리 임포트하기
가장 먼저 데이터 처리를 위한 Pandas와 시각화를 위한 Matplotlib 라이브러리를 임포트합니다.
import pandas as pd import matplotlib.pyplot as plt
2단계: CSV 파일을 DataFrame으로 불러오기
read_csv() 함수를 사용해 CSV 파일의 데이터를 Pandas DataFrame으로 로드합니다.
dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords2.csv")3단계: 날짜 열을 datetime 객체로 변환하기
시계열 분석을 위해서는 날짜 정보가 담긴 열을 반드시 datetime 객체로 변환해야 합니다. pd.to_datetime()을 활용하면 간단하게 처리할 수 있습니다.
dataFrame['Sold_On'] = pd.to_datetime(dataFrame['Sold_On'])
4단계: 하락 추세 그래프 생성하기
plot() 메서드를 호출하면 DataFrame의 데이터가 자동으로 시계열 그래프로 그려집니다.
dataFrame.plot()
전체 코드 예제
지금까지의 과정을 하나로 합친 전체 코드는 다음과 같습니다.
import pandas as pd
import matplotlib.pyplot as plt
# CSV 파일의 데이터를 Pandas DataFrame으로 불러오기
dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords2.csv")
print("Reading the CSV file...\n", dataFrame)
# 날짜 열을 datetime 객체로 변환
dataFrame['Sold_On'] = pd.to_datetime(dataFrame['Sold_On'])
# 'Sold_On' 열을 인덱스로 설정하여 시계열 데이터 구성
dataFrame = dataFrame.set_index('Sold_On')
# 하락 추세 그래프 생성
dataFrame.plot()
plt.show()실행 결과
위 코드를 실행하면 아래와 같이 시간의 흐름에 따라 값이 지속적으로 감소하는 하락 추세 그래프가 출력됩니다.
핵심 포인트 정리
- set_index('Sold_On'): 날짜 열을 인덱스로 설정하면 x축에 시간이 표시되어 진정한 의미의 시계열 그래프가 완성됩니다.
- pd.to_datetime(): 문자열 형태의 날짜 데이터를 datetime 타입으로 변환해야 시계열 분석이 정상적으로 동작합니다.
- plt.show(): Matplotlib으로 생성한 그래프를 화면에 출력하는 필수 함수입니다.
이처럼 Pandas와 Matplotlib만 있으면 별도의 복잡한 설정 없이도 CSV 데이터의 하락 추세를 손쉽게 시각화할 수 있습니다. 매출 데이터, 주가 데이터 등 다양한 시계열 데이터 분석에 활용해 보시기 바랍니다.