이변량 분석 ④ - 수치형 → 범주형

시각화

Histogram

• Seaborn의 histplot() 함수로 Histogram을 그린다

sns.histplot(x='BloodPressure', hue='Outcome', data=diabetes, bins=20)
plt.show()

Density Plot

• Seaborn의 kdeplot() 함수로 Density Plot을 그린다

① kdeplot(..., hue='Outcome')

• 당뇨병환자여부의 비율이 유지된 채로 표시
• 두 그래프의 아래 면적의 합이 1

sns.kdeplot(x='BloodPressure', hue='Outcome', data=diabetes)
plt.show()

② kdeplot(..., hue='Outcome', common_norm=False)

• common_norm 매개변수 값을 False로 지정하면 두 그래프 각각의 아래 면적이 1이 된다
• common_norm 매개변수의 기본값은 True

 

multiple='fill' 지정

• multiple 매개변수 값을 'fill' 로 지정해 비율을 비교가능
• 단, 양의 비교가 아닌 비율을 비교
• 페인트 칠 한 것 처럼 보임

① kdeplot(..., hue='Outcome', multiple='fill')

sns.kdeplot(x='BloodPressure', hue='Outcome', data=diabetes, multiple='fill')
plt.axhline(diabetes['Outcome'].mean(), color='r')
plt.show()

② histplot(..., hue='Outcome', multiple='fill')

sns.histplot(x='BloodPressure', hue='Outcome', data=diabetes, bins=20, multiple='fill')
plt.axhline(diabetes['Outcome'].mean(), color='r')
plt.show()

수치화

로지스틱 회귀 .Logit()

• 수치형 VS 범주형에 맞는 가설 검정 도구는 없음
• 로지스틱 회귀 모델로 p-value를 구해서 차이가 있는지 없는지를 확인해보면 되겠다

temp = diabetes.loc[diabetes['BloodPressure'].notnull()]
model = sm.Logit(temp['Outcome'], temp['BloodPressure'])
result = model.fit()
print(result.pvalues)