챗GPT AI 시각화 데이터 분석 - 막대 챠트 프롬프트 명령 (프롬프트와 영상) 막대그래프는 데이터 분석에서 가장 간단하고 쉬운 시각화 방식이다. 하지만 전문적으로 데이터 분석, 시각화를 하는 사람들은 챠트의 부분 부분을 조절해서 중요한 정보를 담고 발견한다. 파이썬과 같은 프로그래밍 언어를 직접 사용하는 대신 인공지능 챗봇 챗GPT의 Advanced Data Analysis 고급데이터분석이 제공하는 시각화 기능을 사용해서도 이런 전문적인 시각화가 가능하다. 하지만, 챠트 시각화 방법에 대한 이해와 동시에 챗GPT에서 프롬프트 명령으로 (사용자 관점의 프롬프트 엔지니어링) 원하는 챠트의 모양을 표현하도록 지시하는 방법을 알아야 한다. ChatGPT의 데이터분석 기능이 알아서 (사용자의 속마음까지 읽고)..

ChatGPT 데이터 분석 - Scatterplot 데이터 시각화 분석 예제(영상) AI 챗 GPT 고급데이터분석 기능으로 간단한 시각화 데이터 분석을 해보자 scatterplot을 사용해서 시각화를 하는 실전 예제를 step-by-step 진행해본다. 이 과정에서 ChatGPT의 고급 데이터 분석 Advanced Data Analysis의 기능을 활용하기 위해 어떻게 챗GPT 프롬프트를 작성하는지 작성하는 방법을 익힌다. (프롬프트 엔지니어링 측면에서) "패션브랜드의 고객 데이터를 예제로 scatterplot 분석을 통해, 고객들의 구매 행동과 선호도에 대한 깊은 이해를 하는 과정을 연습한다. 이 과정에서 주요 분석 포인트는 고객의 연령대, 구매 금액, 구매 빈도 등에 대해 검토한다. 특히, 연령대별로..

파이썬 시각화 분석: 쉽지만 모르는 사람들이 많은 유용한 팁 5 (matplotlib) * * 파이썬 시각화 분석을 matplotlib을 사용해서 많이 하지만, 쉬운데도 잘 모르는 사람들이 많은 유용한 팁들 5가지 입니다. 파이썬을 사용해서 챠트를 작성해 시각적으로 데이터 분석을 하는 방법들은 많이들 공부하고 있고 또 사용하고 있기 때문에 유용한 것들은 이미 많이 알려져 있습니다. 그래도 그 중에서 쉽지만 사람들이 많이 알지 못하는 하지만 매우 유용한 숨겨진 팁들 몇가지를 ChatGPT에게 조사해보라 어려운 일을 시켜 봤습니다. 역시 ChatGPT를 적절히 활용하면 좀 더 쉽게 그리고 빠르게 데이터 분석 실력을 업그레이드할 수 있지 않을까 생각해봅니다. (참고로, ChatGPT 3.5로 작업한 결과라 아..

# [파이썬] Numpy와 Pandas 구글 검색 지수 추이 비교 - 시각화 # 구글트렌드의 검색지수 데이터를 다운로드한 후 import gt01 = pd.read_csv(dataPath + 'numpy_pandas_gt_20190808.csv') gt01.head() #------- # 추이를 비교해서 살펴볼 수 있도록 재집계하여 시각화 import matplotlib.style as style style.use('fivethirtyeight') # 년-..

data(mtcars) head(mtcars) # colors()[405:409] # 색상 고르기 # colors()[381:400] plot(mtcars$wt, mtcars$mpg, pch=19, col=colors()[ifelse(mtcars$hp>median(mtcars$hp), 402 , 385)], cex=mtcars$hp/100, main="연비와 무게간 관계 :: mtcars(원크기는 마력)" , xlab="무게", ylab="연비" ) # color()[385 ] == "khaki3" # color()[385 ] == "lightblue3" abline(lm( mtcar..