Python Pandas로 상승 추세(Uptrend) 그래프 그리기

시계열 분석(Time Series Analysis)에서 나타나는 상승 패턴을 상승 추세(Uptrend)라고 합니다. 이 글에서는 Python의 Pandas와 Matplotlib를 활용해 매출 데이터에서 상승 추세를 시각화하는 방법을 단계별로 알아보겠습니다.

1. 필요한 라이브러리 가져오기

가장 먼저 데이터 처리를 위한 Pandas와 그래프 그리기를 위한 Matplotlib 라이브러리를 임포트합니다.

import pandas as pd
import matplotlib.pyplot as plt

2. CSV 파일 불러오기

예제에서 사용할 데이터셋은 SalesRecords.csv입니다. read_csv() 함수를 사용해 CSV 파일을 Pandas DataFrame으로 불러옵니다.

dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.csv")

3. 날짜 열을 datetime 객체로 변환하기

시계열 분석을 위해서는 구매 날짜(Date_of_Purchase) 열을 문자열이 아닌 datetime 객체로 변환해야 합니다. pd.to_datetime() 함수를 사용하면 간단하게 처리할 수 있습니다.

dataFrame['Date_of_Purchase'] = pd.to_datetime(dataFrame['Date_of_Purchase'])

4. 인덱스 설정 및 상승 추세 그래프 생성하기

날짜 열을 DataFrame의 인덱스로 설정한 후, plot() 메서드를 호출하면 시간 흐름에 따른 데이터 변화를 한눈에 확인할 수 있습니다.

dataFrame = dataFrame.set_index('Date_of_Purchase')
dataFrame.plot()

전체 예제 코드

지금까지 설명한 내용을 모두 포함한 전체 코드는 다음과 같습니다.

import pandas as pd
import matplotlib.pyplot as plt

# CSV 파일을 Pandas DataFrame으로 불러오기
dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\SalesRecords.csv")
print("CSV 파일 읽는 중...\n", dataFrame)

# 날짜 열을 datetime 객체로 변환
dataFrame['Date_of_Purchase'] = pd.to_datetime(dataFrame['Date_of_Purchase'])

# 날짜 열을 인덱스로 설정
dataFrame = dataFrame.set_index('Date_of_Purchase')

# 상승 추세 그래프 생성
dataFrame.plot()
plt.show()

실행 결과

위 코드를 실행하면 구매 날짜를 기준으로 한 데이터의 변화가 그래프로 출력되며, 시간이 지남에 따라 값이 지속적으로 증가하는 상승 추세(Uptrend) 패턴을 확인할 수 있습니다.