서울시 지역별 미세먼지 농도

# 서울시 지역별 미세먼지 농도 # 필요한 라이브러리 설치 # !pip install pandas openpyxl import os import pandas as pd program_path = os.path.abspath(__file__) path = os.path.dirname(program_path) input_file = path + '/dust.xlsx' # 엑셀 파일 읽기 dust_data = pd.read_excel(input_file) # 성북구, 중구 데이터만 추출 dust_data_select = dust_data[["날짜", "성북구", "중구"]] print(dust_data_select.head()) # 데이터프레임의 처음 5개의 행을 가져와 출력 print('--------------------------------') # 결측치 확인 print('결측치 : ') print(dust_data_select.isna().sum()) print('--------------------------------') # 지역별 미세먼지 농도 기술통계량 print('성북구 미세번지 기술통계량 : ') print(dust_data_select["성북구"].describe()) print('--------------------------------') print('중구 미세번지 기술통계량 : ') print(dust_data_select["중구"].describe()) print('--------------------------------') # 지역별 미세먼지 농도 등분산성 검정 및 평균 차이 검정 from scipy.stats import bartlett, levene, f_oneway # Bartlett's test 또는 Levene's test를 사용하여 분산의 등분산성을 검정 print('중구-성북구 등분산성을 검정') bartlett_statistic, bartlett_p_value = bartlett(dust_data_select["중구"], dust_data_select["성북구"]) levene_statistic, levene_p_value = levene(dust_data_select["중구"], dust_data_select["성북구"]) print("Bartlett's test - Statistic:", bartlett_statistic, "p-value:", bartlett_p_value) print("Levene's test - Statistic:", levene_statistic, "p-value:", levene_p_value) print('--------------------------------') # f_oneway() (One-Way ANOVA): "일원분산분석" # - ANOVA(Analysis of Variance)의 일원분산분석(One-Way ANOVA)을 수행하는 함수 # - 세 개 이상의 그룹 간의 평균 차이를 비교하는데 사용됩니다. # 등분산성이 만족되면 ANOVA를 수행하여 그룹 간의 평균 차이 검정 # ANOVA(Analysis of Variance) : 그룹 간의 평균의 차이를 비교하는 통계적인 방법 if bartlett_p_value > 0.05 and levene_p_value > 0.05: print('중구-성북구 평균 차이 검정') f_statistic, f_p_value = f_oneway(dust_data_select["중구"], dust_data_select["성북구"]) print("F-statistic:", f_statistic, "p-value:", f_p_value) else: print("등분산성을 만족하지 않아 ANOVA를 수행할 수 없습니다.") print('----------------------------------------------------------------') # ttest_ind() (Independent Samples t-test): # - 독립표본 t-검정(Independent Samples t-test)을 수행하는 함수 # - 독립표본 t-검정은 두 그룹의 평균 차이가 통계적으로 유의한지를 검정합니다. # - 두 개의 그룹 간의 평균 차이를 비교하는데 사용됩니다. # * equal_var= [True: 등분산성 가정, False: 등분산성 가정❌(분산이 다름을 가정)] # # 지역별 평균 차이 검정하기 from scipy.stats import ttest_ind t_statistic, p_value = ttest_ind(dust_data_select["중구"], dust_data_select["성북구"], equal_var=True) print("T-statistic:", t_statistic) print("p-value:", p_value) print('----------------------------------------------------------------') print('*** 결론 도출 ***') if p_value > 0.05: print('귀무가설 채택 - "서울 중구와 성북구 지역은 미세먼지 농도의 평균에 차이가 없다."') else: print('대립가설 채택 - "서울 중구와 성북구 지역은 미세먼지 농도의 평균에 차이가 있다."') # 성북구와 중구 미세먼지 농도 상자 그림 그리기 import matplotlib.pyplot as plt plt.rcParams['font.family'] ='Malgun Gothic' plt.rcParams['axes.unicode_minus'] =False plt.figure(figsize=(8, 6)) dust_data_select.boxplot(column=["성북구", "중구"]) plt.title("finedust") plt.xlabel("AREA") plt.ylabel("FINEDUST_PM") plt.show()

# 서울시 지역별 미세먼지 농도 # 필요한 라이브러리 설치 # !pip install pandas openpyxl import os import pandas as pd # 서초구vs중랑구 : 대립가설 # 강남구vs종로구 : 귀무가설 program_path = os.path.abspath(__file__) path = os.path.dirname(program_path) input_file = path + '/dust.xlsx' # 엑셀 파일 읽기 dust_data = pd.read_excel(input_file) a_group = input('A 지역 : ') b_group = input('B 지역 : ') # A, B 지역만 데이터만 추출 dust_data_select = dust_data[["날짜", a_group, b_group]] print(dust_data_select.head()) # 데이터프레임의 처음 5개의 행을 가져와 출력 print('--------------------------------') # 결측치 확인 print('결측치 : ') print(dust_data_select.isna().sum()) print('--------------------------------') # 지역별 미세먼지 농도 기술통계량 print('{} 미세번지 기술통계량 : '.format(a_group)) print(dust_data_select[a_group].describe()) print('--------------------------------') print('{} 미세번지 기술통계량 : '.format(b_group)) print(dust_data_select[b_group].describe()) print('--------------------------------') # 지역별 미세먼지 농도 등분산성 검정 및 평균 차이 검정 from scipy.stats import bartlett, levene, f_oneway # Bartlett's test 또는 Levene's test를 사용하여 분산의 등분산성을 검정 print('{}-{} 등분산성을 검정'.format(a_group, b_group)) bartlett_statistic, bartlett_p_value = bartlett(dust_data_select[b_group], dust_data_select[a_group]) levene_statistic, levene_p_value = levene(dust_data_select[b_group], dust_data_select[a_group]) print("Bartlett's test - Statistic:", bartlett_statistic, "p-value:", bartlett_p_value) print("Levene's test - Statistic:", levene_statistic, "p-value:", levene_p_value) print('--------------------------------') # f_oneway() (One-Way ANOVA): "일원분산분석" # - ANOVA(Analysis of Variance)의 일원분산분석(One-Way ANOVA)을 수행하는 함수 # - 세 개 이상의 그룹 간의 평균 차이를 비교하는데 사용됩니다. # 등분산성이 만족되면 ANOVA를 수행하여 그룹 간의 평균 차이 검정 # ANOVA(Analysis of Variance) : 그룹 간의 평균의 차이를 비교하는 통계적인 방법 if bartlett_p_value > 0.05 and levene_p_value > 0.05: print('{}-{} 평균 차이 검정'.format(a_group, b_group)) f_statistic, f_p_value = f_oneway(dust_data_select[b_group], dust_data_select[a_group]) print("F-statistic:", f_statistic, "p-value:", f_p_value) else: print("등분산성을 만족하지 않아 ANOVA를 수행할 수 없습니다.") print('----------------------------------------------------------------') # ttest_ind() (Independent Samples t-test): # - 독립표본 t-검정(Independent Samples t-test)을 수행하는 함수 # - 독립표본 t-검정은 두 그룹의 평균 차이가 통계적으로 유의한지를 검정합니다. # - 두 개의 그룹 간의 평균 차이를 비교하는데 사용됩니다. # * equal_var= [True: 등분산성 가정, False: 등분산성 가정❌(분산이 다름을 가정)] # # 지역별 평균 차이 검정하기 from scipy.stats import ttest_ind t_statistic, p_value = ttest_ind(dust_data_select[b_group], dust_data_select[a_group], equal_var=True) print("T-statistic:", t_statistic) print("p-value:", p_value) print('----------------------------------------------------------------') print('*** 결론 도출 ***') if p_value > 0.05: print('귀무가설 채택 - "서울 {}와 {} 지역은 미세먼지 농도의 평균에 차이가 없다."'.format(a_group, b_group)) else: print('대립가설 채택 - "서울 {}와 {} 지역은 미세먼지 농도의 평균에 차이가 있다."'.format(a_group, b_group)) # A 지역과 B지역 미세먼지 농도 상자 그림 그리기 import matplotlib.pyplot as plt plt.rcParams['font.family'] ='Malgun Gothic' plt.rcParams['axes.unicode_minus'] =False plt.figure(figsize=(8, 6)) dust_data_select.boxplot(column=[a_group, b_group]) plt.title("finedust") plt.xlabel("AREA") plt.ylabel("FINEDUST_PM") plt.savefig(path + '/서울시 미세먼지 - {}vs{}.png'.format(a_group, b_group)) plt.show()