In [81]:

# !pip install bar_chart_race

In [6]:

 
      #필요한 모듈 불러오기
#!pip install bar_chart_race as bcr
import pandas as pd
import numpy as np
import bar_chart_race as bcr
 
     

In [7]:

# !pip install pandas

In [8]:

 
      #필요한 데이터 셋 불러오기
path = "비스킷브랜드점유율_T.csv"
df = pd.read_csv(path, encoding='cp949')

In [9]:

 
      # 요약출력
df.head()

Out[9]:

	구분	홈런볼	카스타드	에이스	칙촉	마가렛트	하임	오레오	칸쵸	쿠크다스	롯데샌드	닥터유바	예감
0	2011-4Q	11478	12256	9770.0	6770	12823	11236	NaN	5473	5847	8298.0	NaN	NaN
1	2012-1Q	12537	2734	1100.0	8241	15678	10653	6483.0	6060	6002	9264.0	NaN	6978.0
2	2012-2Q	11346	12339	9480.0	7999	14257	11285	4471.0	6611	6019	9217.0	NaN	8422.0
3	2012-3Q	11122	11594	8077.0	8140	12119	11895	3923.0	6741	6371	9019.0	NaN	10481.0
4	2012-4Q	11186	12061	9523.0	8868	13436	12334	4531.0	6789	5836	9409.0	NaN	10026.0

In [10]:

 
      df_cum = df.set_index('구분')
# df.set_index('구분', inplace=True)

In [11]:

 
      # NaN값 0으로 바꾸어 주기
# df_cum.fillna(0,inplace=True)
df_cum.sort_values(list(df_cum.columns), inplace=True)
df_cum = df_cum.sort_index()
df_cum.head()
 
     

Out[11]:

	홈런볼	카스타드	에이스	칙촉	마가렛트	하임	오레오	칸쵸	쿠크다스	롯데샌드	닥터유바	예감
구분
2011-4Q	11478	12256	9770.0	6770	12823	11236	NaN	5473	5847	8298.0	NaN	NaN
2012-1Q	12537	2734	1100.0	8241	15678	10653	6483.0	6060	6002	9264.0	NaN	6978.0
2012-2Q	11346	12339	9480.0	7999	14257	11285	4471.0	6611	6019	9217.0	NaN	8422.0
2012-3Q	11122	11594	8077.0	8140	12119	11895	3923.0	6741	6371	9019.0	NaN	10481.0
2012-4Q	11186	12061	9523.0	8868	13436	12334	4531.0	6789	5836	9409.0	NaN	10026.0

In [12]:

 
      # 누적데이터로 각 축구팀의 데이터 값 바꾸기
df_cum.iloc[:,0:-1] = df_cum.iloc[:, 0:-1].cumsum()
df_cum.head()

Out[12]:

	홈런볼	카스타드	에이스	칙촉	마가렛트	하임	오레오	칸쵸	쿠크다스	롯데샌드	닥터유바	예감
구분
2011-4Q	11478	12256	9770.0	6770	12823	11236	0.0	5473	5847	8298.0	0.0	0.0
2012-1Q	24015	14990	10870.0	15011	28501	21889	6483.0	11533	11849	17562.0	0.0	6978.0
2012-2Q	35361	27329	20350.0	23010	42758	33174	10954.0	18144	17868	26779.0	0.0	8422.0
2012-3Q	46483	38923	28427.0	31150	54877	45069	14877.0	24885	24239	35798.0	0.0	10481.0
2012-4Q	57669	50984	37950.0	40018	68313	57403	19408.0	31674	30075	45207.0	0.0	10026.0

In [13]:

 
      # top 10 과자만 남기고 다른 데이터는 지우기
top_10_clubs= []
for index, row in df_cum.iterrows():
    top_10_clubs = list(row[row>0].sort_values(ascending=False).head(10).index)

In [14]:

 
      df_cum = df[top_10_clubs]
df_cum.head()

Out[14]:

	홈런볼	카스타드	마가렛트	에이스	하임	오레오	칙촉	쿠크다스	칸쵸	닥터유바
구분
2011-4Q	11478	12256	12823	9770.0	11236	0.0	6770	5847	5473	0.0
2012-1Q	24015	14990	28501	10870.0	21889	6483.0	15011	11849	11533	0.0
2012-2Q	35361	27329	42758	20350.0	33174	10954.0	23010	17868	18144	0.0
2012-3Q	46483	38923	54877	28427.0	45069	14877.0	31150	24239	24885	0.0
2012-4Q	57669	50984	68313	37950.0	57403	19408.0	40018	30075	31674	0.0

In [16]:

 
      #bar chart race 그리기 
import matplotlib.pyplot as plt
plt.rc("font", family="NanumGothic")
bcr.bar_chart_race(df = df_cum,
                   n_bars = 10,
                   sort='desc',
                   img_label_folder="bar_image_labels",
                   steps_per_period = 50,
                   title = '비스킷 브랜드 점유율_2011-2022 매출액 (단위:백만원)',
                   shared_fontdict={'family':'NanumGothic'}) #)#'TOP 6 TEAM in PL(1992-2017)'
                   #,filename = 'epl_10_clubs.mp4') #차트 레이스를 동영상으로 저장하고 싶을 때 사용
 
     

C:\Users\user\anaconda3\lib\site-packages\bar_chart_race\_bar_chart_race.py:627: MatplotlibDeprecationWarning: savefig() got unexpected keyword argument "dpi" which is no longer supported as of 3.3 and will become an error two minor releases later
  self.fig.tight_layout()

Out[16]:

In [5]:

 
      df.index

Out[5]:

RangeIndex(start=0, stop=32, step=1)

In [6]:

 
      sum = [273640, 276558, 270984, 267719, 289443, 280883, 281530, 261887, 295118, 275374, 274175, 252562, 275054, 254017, 248062, 239883, 254943, 256550, 259622,254462, 276511, 608307,602437, 586990,579820,587131,580557, 586975, 585409, 579508, 565158, 584371]
df['총매출'] = sum

In [7]:

df

Out[7]:

	구분	홈런볼	카스타드	에이스	칙촉	마가렛트	하임	오레오	칸쵸	쿠크다스	롯데샌드	닥터유바	예감	총매출
0	2011-4Q	11478	12256	9770.0	6770	12823	11236	NaN	5473	5847	8298.0	NaN	NaN	273640
1	2012-1Q	12537	2734	1100.0	8241	15678	10653	6483.0	6060	6002	9264.0	NaN	6978.0	276558
2	2012-2Q	11346	12339	9480.0	7999	14257	11285	4471.0	6611	6019	9217.0	NaN	8422.0	270984
3	2012-3Q	11122	11594	8077.0	8140	12119	11895	3923.0	6741	6371	9019.0	NaN	10481.0	267719
4	2012-4Q	11186	12061	9523.0	8868	13436	12334	4531.0	6789	5836	9409.0	NaN	10026.0	289443
5	2013-1Q	12334	12748	9738.0	10251	14856	11987	5373.0	6293	5841	9359.0	NaN	8771.0	280883
6	2013-2Q	12504	12809	9042.0	8370	14712	12053	4771.0	6568	5999	7793.0	NaN	10349.0	281530
7	2013-3Q	12009	11502	7023.0	8100	1244	10371	5019.0	5819	6430	7532.0	NaN	10797.0	261887
8	2013-4Q	12933	12823	8032.0	8453	13051	11787	4853.0	5684	7618	8352.0	NaN	9606.0	295118
9	2014-1Q	13351	11896	8310.0	8559	12106	10426	4479.0	5656	7575	7423.0	NaN	8854.0	275374
10	2014-2Q	13324	13718	8764.0	7098	13594	9673	4783.0	6234	6824	7902.0	NaN	9204.0	274175
11	2014-3Q	13286	11796	7947.0	6841	11504	9581	4133.0	5993	6558	7583.0	6748.0	9310.0	252562
12	2014-4Q	12868	12253	9128.0	7810	11495	10150	3777.0	5877	7136	7257.0	6703.0	8413.0	275054
13	2015-1Q	13924	11638	9485.0	7485	11626	8833	3397.0	5515	6919	7133.0	6115.0	7711.0	254017
14	2015-2Q	11866	11409	9560.0	6491	11595	9223	3639.0	5994	6242	7187.0	6529.0	7068.0	248062
15	2015-3Q	13136	11626	NaN	5820	10914	9882	6167.0	5579	6162	6523.0	6179.0	NaN	239883
16	2015-4Q	14456	11374	9716.0	6388	10978	10211	5161.0	6056	7156	6420.0	6819.0	8063.0	254943
17	2016-1Q	16233	10868	10300.0	6797	11952	10198	5550.0	6334	7584	6447.0	6623.0	6905.0	256550
18	2016-2Q	16196	12763	9855.0	6497	9828	9606	6300.0	9703	6906	6671.0	5475.0	7204.0	259622
19	2016-3Q	16329	11912	7774.0	6451	9606	8865	6239.0	6248	6728	5730.0	5911.0	7121.0	254462
20	2016-4Q	15944	11013	10755.0	6201	11087	8362	8391.0	9439	5907	7943.0	6110.0	6534.0	276511
21	2017-1H	36233	25329	22572.0	13553	25523	15863	NaN	14878	14603	NaN	14177.0	12212.0	608307
22	2017-2H	37600	20339	20089.0	13595	22831	18265	15499.0	13318	15843	NaN	15247.0	10424.0	602437
23	2018-1H	40416	24677	22516.0	15248	19603	17871	15814.0	14924	14640	NaN	13098.0	8296.0	586990
24	2018-2H	43540	24943	20803.0	18506	17429	17301	15358.0	14829	14127	NaN	12102.0	8448.0	579820
25	2019-1H	44588	26691	22762.0	18468	18600	17656	14882.0	14264	14015	NaN	10496.0	8376.0	587131
26	2019-2H	44431	23977	20475.0	16488	18300	17598	16550.0	13376	13862	NaN	17148.0	NaN	580557
27	2020-1H	46756	24865	24017.0	13763	18513	17337	17057.0	11808	14544	NaN	16736.0	NaN	586975
28	2020-2H	44672	22493	23398.0	11974	17414	17782	15935.0	10815	15712	NaN	16530.0	13177.0	585409
29	2021-1H	41587	25723	26024.0	14321	16149	16530	14103.0	9445	13650	NaN	18198.0	13576.0	579508
30	2021-2H	35309	21699	24421.0	13240	16739	17831	15880.0	9618	13826	NaN	19024.0	13452.0	565158
31	2022-1H	40315	21833	25853.0	12550	17345	18796	15703.0	9352	15726	NaN	18342.0	14255.0	584371

In [8]:

 
      df.loc[32] = df.loc[31]

In [9]:

df

Out[9]:

	구분	홈런볼	카스타드	에이스	칙촉	마가렛트	하임	오레오	칸쵸	쿠크다스	롯데샌드	닥터유바	예감	총매출
0	2011-4Q	11478	12256	9770.0	6770	12823	11236	NaN	5473	5847	8298.0	NaN	NaN	273640
1	2012-1Q	12537	2734	1100.0	8241	15678	10653	6483.0	6060	6002	9264.0	NaN	6978.0	276558
2	2012-2Q	11346	12339	9480.0	7999	14257	11285	4471.0	6611	6019	9217.0	NaN	8422.0	270984
3	2012-3Q	11122	11594	8077.0	8140	12119	11895	3923.0	6741	6371	9019.0	NaN	10481.0	267719
4	2012-4Q	11186	12061	9523.0	8868	13436	12334	4531.0	6789	5836	9409.0	NaN	10026.0	289443
5	2013-1Q	12334	12748	9738.0	10251	14856	11987	5373.0	6293	5841	9359.0	NaN	8771.0	280883
6	2013-2Q	12504	12809	9042.0	8370	14712	12053	4771.0	6568	5999	7793.0	NaN	10349.0	281530
7	2013-3Q	12009	11502	7023.0	8100	1244	10371	5019.0	5819	6430	7532.0	NaN	10797.0	261887
8	2013-4Q	12933	12823	8032.0	8453	13051	11787	4853.0	5684	7618	8352.0	NaN	9606.0	295118
9	2014-1Q	13351	11896	8310.0	8559	12106	10426	4479.0	5656	7575	7423.0	NaN	8854.0	275374
10	2014-2Q	13324	13718	8764.0	7098	13594	9673	4783.0	6234	6824	7902.0	NaN	9204.0	274175
11	2014-3Q	13286	11796	7947.0	6841	11504	9581	4133.0	5993	6558	7583.0	6748.0	9310.0	252562
12	2014-4Q	12868	12253	9128.0	7810	11495	10150	3777.0	5877	7136	7257.0	6703.0	8413.0	275054
13	2015-1Q	13924	11638	9485.0	7485	11626	8833	3397.0	5515	6919	7133.0	6115.0	7711.0	254017
14	2015-2Q	11866	11409	9560.0	6491	11595	9223	3639.0	5994	6242	7187.0	6529.0	7068.0	248062
15	2015-3Q	13136	11626	NaN	5820	10914	9882	6167.0	5579	6162	6523.0	6179.0	NaN	239883
16	2015-4Q	14456	11374	9716.0	6388	10978	10211	5161.0	6056	7156	6420.0	6819.0	8063.0	254943
17	2016-1Q	16233	10868	10300.0	6797	11952	10198	5550.0	6334	7584	6447.0	6623.0	6905.0	256550
18	2016-2Q	16196	12763	9855.0	6497	9828	9606	6300.0	9703	6906	6671.0	5475.0	7204.0	259622
19	2016-3Q	16329	11912	7774.0	6451	9606	8865	6239.0	6248	6728	5730.0	5911.0	7121.0	254462
20	2016-4Q	15944	11013	10755.0	6201	11087	8362	8391.0	9439	5907	7943.0	6110.0	6534.0	276511
21	2017-1H	36233	25329	22572.0	13553	25523	15863	NaN	14878	14603	NaN	14177.0	12212.0	608307
22	2017-2H	37600	20339	20089.0	13595	22831	18265	15499.0	13318	15843	NaN	15247.0	10424.0	602437
23	2018-1H	40416	24677	22516.0	15248	19603	17871	15814.0	14924	14640	NaN	13098.0	8296.0	586990
24	2018-2H	43540	24943	20803.0	18506	17429	17301	15358.0	14829	14127	NaN	12102.0	8448.0	579820
25	2019-1H	44588	26691	22762.0	18468	18600	17656	14882.0	14264	14015	NaN	10496.0	8376.0	587131
26	2019-2H	44431	23977	20475.0	16488	18300	17598	16550.0	13376	13862	NaN	17148.0	NaN	580557
27	2020-1H	46756	24865	24017.0	13763	18513	17337	17057.0	11808	14544	NaN	16736.0	NaN	586975
28	2020-2H	44672	22493	23398.0	11974	17414	17782	15935.0	10815	15712	NaN	16530.0	13177.0	585409
29	2021-1H	41587	25723	26024.0	14321	16149	16530	14103.0	9445	13650	NaN	18198.0	13576.0	579508
30	2021-2H	35309	21699	24421.0	13240	16739	17831	15880.0	9618	13826	NaN	19024.0	13452.0	565158
31	2022-1H	40315	21833	25853.0	12550	17345	18796	15703.0	9352	15726	NaN	18342.0	14255.0	584371
32	2022-1H	40315	21833	25853.0	12550	17345	18796	15703.0	9352	15726	NaN	18342.0	14255.0	584371

In [ ]:

In [10]:

 
       df['year'] = df["구분"].str.split("-", expand=True)[0]
# df['구분'].str.split('-')[0]

In [11]:

 
      df_gr = df.groupby(['year']).sum(numeric_only=True)

In [12]:

 
      df_gr.drop(['2011'], axis=0, inplace=True)

In [13]:

df_gr

Out[13]:

	홈런볼	카스타드	에이스	칙촉	마가렛트	하임	오레오	칸쵸	쿠크다스	롯데샌드	닥터유바	예감	총매출
year
2012	46191	38728	28180.0	33248	55490	46167	19408.0	26201	24228	36909.0	0.0	35907.0	1104704
2013	49780	49882	33835.0	35174	43863	46198	20016.0	24364	25888	33036.0	0.0	39523.0	1119418
2014	52829	49663	34149.0	30308	48699	39830	17172.0	23760	28093	30165.0	13451.0	35781.0	1077165
2015	53382	46047	28761.0	26184	45113	38149	18364.0	23144	26479	27263.0	25642.0	22842.0	996905
2016	64702	46556	38684.0	25946	42473	37031	26480.0	31724	27125	26791.0	24119.0	27764.0	1047145
2017	73833	45668	42661.0	27148	48354	34128	15499.0	28196	30446	0.0	29424.0	22636.0	1210744
2018	83956	49620	43319.0	33754	37032	35172	31172.0	29753	28767	0.0	25200.0	16744.0	1166810
2019	89019	50668	43237.0	34956	36900	35254	31432.0	27640	27877	0.0	27644.0	8376.0	1167688
2020	91428	47358	47415.0	25737	35927	35119	32992.0	22623	30256	0.0	33266.0	13177.0	1172384
2021	76896	47422	50445.0	27561	32888	34361	29983.0	19063	27476	0.0	37222.0	27028.0	1144666
2022	80630	43666	51706.0	25100	34690	37592	31406.0	18704	31452	0.0	36684.0	28510.0	1168742

In [89]:

 
      df_gr.index

Out[89]:

Index(['2012', '2013', '2014', '2015', '2016', '2017', '2018', '2019', '2020',
       '2021', '2022'],
      dtype='object', name='year')

In [93]:

 
      df_gr.index

Out[93]:

Index(['2012', '2013', '2014', '2015', '2016', '2017', '2018', '2019', '2020',
       '2021', '2022'],
      dtype='object', name='year')

In [106]:

 
      import matplotlib.pyplot as plt
import matplotlib

# 1. 기본 스타일 설정
plt.style.use('default')
plt.rcParams['figure.figsize'] = (20, 11)
plt.rcParams['font.size'] = 20
plt.rcParams["font.family"] = 'NanumGothic'

# 2. 데이터 준비
df_gr.index = pd.to_datetime(df_gr.index)
x = df_gr.index
y1 = df_gr['총매출']
y2 = df_gr['홈런볼']

# 3. 그래프 그리기
fig, ax1 = plt.subplots()

# y1 : 비스킷 총매출
ax1.plot(x, y1, '-s', color='green', markersize=3, linewidth=3, alpha=0.7, label='비스킷류 총합계')

# ax1.set_ylim(300, 600)
ax1.set_xlabel('연도')
ax1.set_ylabel('비스킷류 총 연매출', fontsize=18, rotation=0)
ax1.tick_params(axis='both', direction='in')
ax1.grid()

# y2 : 홈런볼 연매출
ax2 = ax1.twinx()
ax2.plot(x, y2, '-s', color='blue', markersize=3, linewidth=3, alpha=0.7, label='홈런볼')

ax2.set_ylabel('홈런볼 연매출', fontsize=18, rotation=0)
ax2.tick_params(axis='y', direction='in')

# 3. 제목, xy축, 범례
plt.title('홈런볼의 성장주기(2012~2022)', fontsize=25, weight='bold')

# 구간별 색상변경
plt.axvspan(datetime(2012, 1, 1), datetime(2015, 1, 1), facecolor='yellow', alpha=0.3)
plt.axvspan(datetime(2015, 1, 1), datetime(2018, 1, 1), facecolor='yellowgreen', alpha=0.3)
plt.axvspan(datetime(2018, 1, 1), datetime(2020, 1, 1), facecolor='greenyellow', alpha=0.3)
plt.axvspan(datetime(2020, 1, 1), datetime(2022, 1, 1), facecolor='limegreen', alpha=0.3)

# # 구간별 텍스트
mybox={'facecolor':'y','edgecolor':'w','boxstyle':'round','alpha':0.5}
ax2.text(datetime(2013, 4, 1),70000,'잠재기', bbox=mybox)
ax2.text(datetime(2016, 4, 1),70000,'성장기', bbox=mybox)
ax2.text(datetime(2018, 10, 1),70000,'부흥기', bbox=mybox)
ax2.text(datetime(2020, 10, 1),70000,'침체기', bbox=mybox)

ax1.set_zorder(ax2.get_zorder() + 10)
ax1.patch.set_visible(False)

ax1.legend(loc='upper left')
ax2.legend(loc='lower right')

ax1.get_yaxis().set_major_formatter(
    matplotlib.ticker.FuncFormatter(lambda x, p: format(int(x), ',')))
ax2.get_yaxis().set_major_formatter(
    matplotlib.ticker.FuncFormatter(lambda x, p: format(int(x), ',')))

plt.margins(x=0)

plt.show()
 
     

In [74]:

 
      import matplotlib.pyplot as plt
import matplotlib
from datetime import datetime
import seaborn as sns

# 1. 기본 스타일 설정
plt.style.use('default')
plt.rcParams['figure.figsize'] = (20, 11)
plt.rcParams['font.size'] = 20
plt.rcParams["font.family"] = 'NanumGothic'

# 2. 데이터 및 플로팅
df_stack = df_gr.drop(['총매출'], axis=1)
ax = df_stack.plot(kind='bar', stacked=True, colormap='RdYlGn_r') #YlGnBu_r

# 3. 제목, xy축, 범례
plt.title('비스킷류 연간 매출액(2012~2022)', fontsize=25, weight='bold')

plt.ylabel('매출액(백만원)', fontsize=18, rotation=0)
plt.xlabel('연도', fontsize=18)

plt.legend(loc=(0, -0.2), ncol=9,  frameon=True, shadow=True, fontsize=16)
plt.xticks(rotation=0,fontsize=15)
plt.yticks(fontsize=15)


# for p in plt.patches:
#     left, bottom, width, height = p.get_bbox().bounds
#     plt.annotate(f"{int(height)}",(left+width/2, height-1), ha = 'center', size =20, color = '#E6F0F8')

for i, p in enumerate(ax.patches):
    if i//11 == 0:
        left, bottom, width, height = p.get_bbox().bounds
        ax.annotate(format(int(height), ','), xy=(left+width/2, bottom+height/2), ha='center', va='center',  size =13, color = 'orange', weight='bold')
    else:
        pass

ax.get_yaxis().set_major_formatter(
    matplotlib.ticker.FuncFormatter(lambda x, p: format(int(x), ',')))
    
plt.box(False)    
plt.show()
 
     

Pandas Dataframe 조건에 맞게 값 변경 하기 (0)	2022.03.04
[zip 함수] 파이썬 내장함수 zip() (0)	2022.03.03
로그변환에 np.log1p()을 사용하는 이유 (0)	2021.12.01

데이터는 모두에게 동등한 기회를 제공하는가?

홈런볼 매출 데이터 분석 Bar Chart Race

'빅데이터(Big Data) 이론과 코드 > 2. 데이터 전처리' 카테고리의 다른 글

티스토리툴바

홈런볼 매출 데이터 분석 Bar Chart Race

'빅데이터(Big Data) 이론과 코드 > 2. 데이터 전처리' 카테고리의 다른 글

'빅데이터(Big Data) 이론과 코드/2. 데이터 전처리' Related Articles

티스토리툴바