[파이썬/데이터분석] 시계열 데이터 분석 예시_월별 온도 변화

시계열 데이터 분석은 데이터가 시간의 흐름에 따라 변하는 패턴을 분석하는 방법입니다. 예를 들어 주식 가격, 기온, 판매량 등과 같은 데이터를 분석할 때 사용됩니다. 아래는 시계열 데이터 분석의 예시입니다.

예시: 월별 온도 변화 분석

1. 데이터 준비

먼저, 예시 데이터를 생성하겠습니다. 월별 온도 변화를 나타내는 시계열 데이터를 생성하겠습니다.

import pandas as pd
import numpy as np

# 날짜 범위 생성 (2020년 1월부터 2022년 12월까지)
dates = pd.date_range(start='2020-01-01', end='2022-12-31', freq='M')

# 임의의 온도 데이터 생성
np.random.seed(0)
temperatures = 20 + 10 * np.sin(np.linspace(0, 3*np.pi, len(dates))) + np.random.normal(0, 2, len(dates))

# 데이터프레임 생성
df = pd.DataFrame({'Date': dates, 'Temperature': temperatures})

# 데이터 확인
df.head()

 

 

2. 데이터 시각화

데이터의 변화를 시각화하여 패턴을 확인합니다.

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.plot(df['Date'], df['Temperature'], marker='o')
plt.title('Monthly Temperature Change')
plt.xlabel('Date')
plt.ylabel('Temperature (°C)')
plt.grid(True)
plt.show()​

3. 이동 평균 적용

데이터의 노이즈를 줄이고 추세를 더 잘 보기 위해 이동 평균을 적용합니다.

df['Temperature_MA'] = df['Temperature'].rolling(window=3).mean()

plt.figure(figsize=(12, 6))
plt.plot(df['Date'], df['Temperature'], marker='o', label='Original')
plt.plot(df['Date'], df['Temperature_MA'], color='red', label='Moving Average')
plt.title('Monthly Temperature Change with Moving Average')
plt.xlabel('Date')
plt.ylabel('Temperature (°C)')
plt.legend()
plt.grid(True)
plt.show()

4. 시계열 분해

시계열 데이터를 추세(trend), 계절성(seasonality), 잔차(residual)로 분해합니다.

from statsmodels.tsa.seasonal import seasonal_decompose

# 시계열 분해
result = seasonal_decompose(df.set_index('Date')['Temperature'], model='additive')

# 분해 결과 시각화
result.plot()
plt.show()

 

5. 예측 모델 적용

ARIMA (AutoRegressive Integrated Moving Average) 모델을 사용하여 미래의 값을 예측합니다.

from statsmodels.tsa.arima.model import ARIMA

# ARIMA 모델 생성 및 학습
model = ARIMA(df['Temperature'], order=(5, 1, 0))
model_fit = model.fit()

# 예측
forecast = model_fit.forecast(steps=12)

# 예측 결과 시각화
plt.figure(figsize=(12, 6))
plt.plot(df['Date'], df['Temperature'], marker='o', label='Original')
plt.plot(pd.date_range(start=dates[-1] + pd.DateOffset(months=1), periods=12, freq='M'), forecast, color='red', marker='o', label='Forecast')
plt.title('Temperature Forecast')
plt.xlabel('Date')
plt.ylabel('Temperature (°C)')
plt.legend()
plt.grid(True)
plt.show()

위의 예시는 시계열 데이터를 분석하는 기본적인 과정입니다. 실제 분석에서는 데이터의 특성에 따라 다양한 모델과 기법을 적용할 수 있습니다.