오늘 알아볼 데이터

1800년대 박테리아, 세균, 바이러스에 대한 지식이 없을 시절, 산욕열(산후열)로 사망한 이유.

사전 데이터 분석.

• .shape() : 행과 열 개수
• .isna() : NaN값 확인
• .duplicated() : 중복값 확인
• .describe() : 전반적 데이터 확인 가능 (아래 사진 참조)

출산  시 사망하는 여성의 비율 계산.

사망률 / 출산률로 계산.

1840년대 출산시 사망률은 무려 7%에 육박했다.

death_rate = df_yearly.deaths.mean() / df_yearly.births.mean()

시간에 따른 출산 및 산모 사망의 총 횟수 - 맷플롯립 꺾은선 차트로 만들기

pandas의 to_datetime()함수로 날짜 부분을 datetime형식으로 변환시킨다.

df_monthly.date = pd.to_datetime(df_monthly.date)

1848년부터 출산률이 늘었지만 사망률은 감소된것을 확인할 수 있다.

# datetime형식 눈금 로케이터 생성years = mdates.YearLocator()#연도
months = mdates.MonthLocator()#월
years_fmt = mdates.DateFormatter('%Y')# 연도별로 눈금 생성# 차트 생성
plt.figure(figsize=(14,8), dpi=200)#차트 크기, 해상도 설정
plt.title('Total Number of Monthly Births and Deaths', fontsize=15)# 차트 제목, 폰트 크기 설정
plt.yticks(fontsize=10)# y축 폰트 설정
plt.xticks(fontsize=10, rotation=45)# x축 폰트 설정

ax1 = plt.gca()# 축 생성
ax2 = ax1.twinx()# ax1과 동일한 축 생성

ax1.set_ylabel('Births', color='green', fontsize=15)# ax1 y라벨 설정
ax2.set_ylabel('Deaths', color='crimson', fontsize=15)# ax2 y라벨 설정

ax1.grid(color='grey', linestyle='--')# 그리드 생성하기# 로케이터 생성
ax1.xaxis.set_major_locator(years)
ax1.xaxis.set_major_formatter(years_fmt)
ax1.xaxis.set_minor_locator(months)

# 데이터 전달
ax1.plot(df_monthly.date,
         df_monthly.births,
         linewidth=3,
         color = 'green')

ax2.plot(df_monthly.date,
         df_monthly.deaths,
         linewidth=2,
         color='crimson',
         linestyle='--')