태블로에서 업종별 회사의 Ev순으로 나타나겠금 업종 매개변수까지 설정했는데 여기서 이제 각 업종별 top3 기업 bottom3 기업을 뽑아낼 수 있는 코드 짜줘
- User
태블로에서 업종별 회사의 Ev순으로 나타나겠금 업종 매개변수까지 설정했는데 여기서 이제 각 업종별 top3 기업 bottom3 기업을 뽑아낼 수 있는 코드 짜줘
- Assistant
태블로에서 업종별로 상위 3개 및 하위 3개의 기업을 선정하려면, 먼저 매개변수와 필터를 사용하여 필요한 데이터를 필터링해야 합니다. 정확한 계산은 태블로의 계산 필드를 사용하여 구현할 수 있습니다. 아래 단계에 따라 작업을 진행하세요:
단계 1: 매개변수 및 필터 설정
-
매개변수 생성:
- 매개변수 이름:
Selected Industry - 데이터 유형: 문자열 (업종을 선택할 수 있도록)
- 허용 값: 목록 (데이터에 있는 업종 목록을 추가)
- 매개변수 이름:
-
필터 생성:
- 업종 필터를 만들어 매개변수와 연결되도록 설정
업종=Selected Industry로 필터링
단계 2: 계산 필드 생성
-
회사 EV순 계산 필드:
- 이름:
Rank - 내용:
RANK_UNIQUE(SUM([EV])) - 이 계산 필드는 각 회사의 EV 값에 따라 순위를 배정합니다.
- 이름:
-
상위 3개 및 하위 3개 기업 필터 계산 필드:
- 이름:
Top and Bottom 3 Filter - 내용:
IF [Rank] <= 3 THEN 'Top 3' ELSEIF [Rank] > (SIZE() - 3) THEN 'Bottom 3' ELSE 'Others' END
- 이름:
단계 3: 시각화 구축
-
시트에 필드 배치:
업종,회사,EV,Rank등을 적절한 행이나 열에 배치하여 원하는 테이블 형태로 구성Top and Bottom 3 Filter를 색상으로 사용하여 상위 3개 및 하위 3개 기업을 시각적으로 강조
-
필터 적용:
Top and Bottom 3 Filter를 데이터 필터에 추가하고 'Top 3', 'Bottom 3'만 표시되도록 설정
단계 4: 조정 및 검증
- 각 단계에서 데이터가 올바르게 표시되는지 확인하며, 필요에 따라 추가 필터를 적용하거나 계산 필드를 수정합니다.
- 또한, 업종을 선택할 때마다 결과가 올바르게 갱신되는지 확인합니다.
이와 같이 하여 태블로에서 업종별로 상위 3개와 하위 3개의 기업을 효과적으로 시각화할 수 있습니다.
-
- User
import numpy as np import matplotlib.pyplot as plt import statsmodels.api as sm
잔차 계산
residuals = results2.resid # 잔차
표준화된 잔차 (Standardized Residuals)
standardized_residuals = results2.get_influence().resid_studentized_internal
Cook's Distance 계산
cooks_d = results2.get_influence().cooks_distance[0]
잔차 플롯
plt.figure(figsize=(10,6)) plt.scatter(range(len(standardized_residuals)), standardized_residuals, label='Standardized Residuals') plt.axhline(y=3, color='r', linestyle='--', label='Threshold (3)') plt.axhline(y=-3, color='r', linestyle='--') plt.title('Standardized Residuals Plot') plt.xlabel('Observation') plt.ylabel('Standardized Residuals') plt.legend() plt.show()
Cook's Distance 플롯 (use_line_collection 제거)
plt.figure(figsize=(10,6)) plt.stem(np.arange(len(cooks_d)), cooks_d, markerfmt=",") # 수정: use_line_collection 제거 plt.axhline(y=1, color='r', linestyle='--', label="Threshold (1)") plt.title("Cook's Distance Plot") plt.xlabel('Observation') plt.ylabel("Cook's Distance") plt.show()
Cook's Distance 이상치 확인
outliers_cooks_d = np.where(cooks_d > 1)[0] outlier_companies_cooks_d = df_remaining3.iloc[outliers_cooks_d]['기업명'] # 이상치 기업명 추출 print(f'Cook's Distance가 1을 초과하는 이상치 기업명:\n{outlier_companies_cooks_d}')
표준화된 잔차 이상치 확인 (2 또는 3을 기준으로 판단 가능)
outliers_residuals = np.where(np.abs(standardized_residuals) > 3)[0] outlier_companies_residuals = df_remaining3.iloc[outliers_residuals]['기업명'] # 이상치 기업명 추출 print(f'표준화된 잔차가 ±3을 초과하는 이상치 기업명:\n{outlier_companies_residuals}')
태블로에서 잔차가 +_ 3 을 초과하는 이상치 기업을 뽑아내는 코드 짜줘
- Assistant
태블로에서 표준화된 잔차가 ±3을 초과하는 이상치 기업을 식별하기 위해 몇 가지 단계가 필요합니다. 태블로는 SQL이나 Python 같은 스크립트 언어가 아니라, 데이터 시각화와 간단한 계산을 위한 도구입니다. 따라서 태블로 내에서 복잡한 통계 계산 대신, 필요한 계산을 미리 완료하고 태블로에 필터를 적용하여 이상치를 시각적으로 식별할 수 있습니다. 아래는 그 과정을 설명합니다.
1. 데이터 준비
먼저 Python 등 외부 도구를 사용하여 필요한 통계 계산을 수행한 후, 그 결과를 CSV나 Excel 파일로 내보냅니다. 예를 들어, 위 코드에서 표준화된 잔차를 계산한 후 이상치 여부를 판별하는 열을 추가한 데이터프레임을 저장합니다.
import pandas as pd # 잔차를 포함한 데이터프레임 생성 df_remaining3['standardized_residuals'] = standardized_residuals df_remaining3['outlier'] = np.abs(standardized_residuals) > 3 # 데이터 내보내기 df_remaining3.to_csv('data_with_outliers.csv', index=False)2. 태블로에서 작업
-
데이터 소스 연결:
- 준비된
data_with_outliers.csv파일을 태블로에 연결합니다.
- 준비된
-
필드 사용하기:
outlier필드를 불러옵니다. 이 필드는 bool 값(True, False)를 가지며, True인 경우 잔차 절대값이 3을 초과한 경우를 나타냅니다.
-
워크시트 설정:
기업명을 행(Row)에 추가standardized_residuals를 열(Column)에 추가outlier필드를 필터(Filter)에 추가하고True를 선택하여 이상치 기업만 필터링
-
시각화:
- 막대차트나 다른 적절한 시각화 방법을 사용하여 이상치 기업을 강조 표시할 수 있습니다.
3. 검증
마무리 작업으로 결과가 분석의 목표에 맞게 나타나는지 검토하고, 필요한 경우 필터나 시각화 방법을 조정합니다.
이 과정은 Python과 같은 외부 도구에서 계산된 데이터를 태블로와 연동하여 이상치를 시각적으로 식별하기 위한 일반적인 작업 흐름을 설명합니다.
-