Kaggle - 호텔 예약 데이터 분석 및 모델링 2 ( Hotel Reservation )

https://minyoungxi.tistory.com/39

Kaggle - 호텔 예약 데이터 분석 및 모델링 1 ( Hotel Reservation )

 

지난 포스팅에 이어서 Hotel Resevation 데이터 세트로 남은 시각화를 해보고 

머신러닝 모델 여러가지를 실습해 봅시다. 

 

지난 포스팅에서는 데이터를 간단하게 EDA 해보고 

컬럼별로 시각화를 진행했는데요 , 이번에도 나머지 컬럼들을 시각화하고 조금 더 복잡한 그래프를 그려보겠습니다.

 

데이터 시각화 - Visualization

https://minyoungxi.tistory.com/34

[Data Visualization] 시각화 연습 - Netflix Data Visualization

https://minyoungxi.tistory.com/36

[Data Visualization] 시각화 연습 - Netflix Data Visualization 2

위는 데이터 시각화를 위한 참고 자료입니다 :) 

 

---

월별 예약 빈도를 확인하기 위해서 'arrival_month' 컬럼을 groupby로 묶어줬습니다. 

아래는 .agg()에 적용가능한 통계 함수를 정리해둔 표입니다. 

.agg() 에 적용할 수 있는 통계함수 문자열 표

count	데이터의 개수
sum	합계
mean	평균
median	중앙값
var, std	분산, 표준편차
min, max	최소, 최대값
unique, nunique	고유값, 고유값 개수
prod	곲
first, last	첫째, 마지막값

우리는 월별 예약 횟수를 세어 보는 것이 중요하므로 agg(['count']) 를 통하여 횟수를 세어줍니다. 

그리고 .sort_values() 를 통하여 내림차순 정리를 해줍니다. 

결과를 파이차트로 나타내면 아래와 같은 그래프를 그릴 수 있습니다. 

 

그럼 지난 포스팅과 현재 월별 예약 횟수를 통해서 얻을 수 있는 인사이트를 정리해보고 다음 단계로 넘어가겠습니다.

df.groupby('arrival_month')['Booking_ID'].agg(['count']).sort_values(by='count', ascending=False).plot(kind='pie',subplots=True,
                                                                                                       autopct="%1.2f%%",
                                                                                                      figsize=(7,7))

Insight 

1. 대부분의 예약은 2인과 성인들이 많음. 

2. 아이들은 0명인 경우가 대부분이고 , 방을 예약하는 기간이 짧음.

3. 월별 예약 횟수를 보면 여름 예약량이 많음. 

4. meal_plan_1 을 대부분 선택하며, 주차장을 요구하지 않은 손님들이 더 많음 

 

 

---

상관 관계 분석 ( correlation ) 

correlation = df.corr().round(2)
plt.figure(figsize=(8,8))

sns.heatmap(correlation, annot=True, cmap = 'YlOrBr')

상관 관계를 한 눈에 보기 쉽게 시각화 할 때는 seaborn 패키지에 있는 히트맵을 사용합니다. 

annot=True 로 해주셔야 상관 계수가 나타나니 꼭 설정해주세요 .

 

 

---

 

이번에는 시각화를 할 때 가장 많이 사용되는 subplot 을 사용하겠습니다. 

 

아래의 코드는 매우 길지만 모두 비슷한 형태로 코드를 짤 수 있습니다. 

subplot은 여러 개의 plot들을 한 캠퍼스 안에 그릴 수 있어서 한 눈에 여러 그래프를 비교할 수 있습니다.

우리의 데이터셋처럼 컬럼이 많을 경우 subplot을 사용합니다. 

 

plt.sublplot(4,2,1) = 4행 2열 중 첫 번째 칸에 그래프를 그리겠다.  이런 의미입니다.

plt.gca() 의 경우 Axes 객체를 반환합니다. 각 Axes 객체마다 set_title을 통해 그래프에게 제목을 달아줬습니다. 

plt.figure(figsize = (20,25))

plt.subplot(4,2,1)
plt.gca().set_title('Variable no_of_adults')
sns.countplot(x = 'no_of_adults', palette = 'Set2', data = df)

plt.subplot(4,2,2)
plt.gca().set_title('Variable no_of_children')
sns.countplot(x = 'no_of_children', palette = 'Set2', data = df)

plt.subplot(4,2,3)
plt.gca().set_title('Variable no_of_weekend_nights')
sns.countplot(x = 'no_of_weekend_nights', palette = 'Set2', data = df)

plt.subplot(4,2,4)
plt.gca().set_title('Variable no_of_week_nights')
sns.countplot(x = 'no_of_week_nights', palette = 'Set2', data = df)

plt.subplot(4,2,5)
plt.gca().set_title('Variable type_of_meal_plan')
sns.countplot(x = 'type_of_meal_plan', palette = 'Set2', data = df)

plt.subplot(4,2,6)
plt.gca().set_title('Variable required_car_parking_space')
sns.countplot(x = 'required_car_parking_space', palette = 'Set2', data = df)

plt.subplot(4,2,7)
plt.gca().set_title('Variable room_type_reserved')
sns.countplot(x = 'room_type_reserved', palette = 'Set2', data = df)

plt.subplot(4,2,8)
plt.gca().set_title('Variable arrival_year')
sns.countplot(x = 'arrival_year', palette = 'Set2', data = df)

plt.figure(figsize = (20,25))

plt.subplot(3,2,1)
plt.gca().set_title('Variable arrival_month')
sns.countplot(x='arrival_month', palette='Set2', data=df)

plt.subplot(3,2,2)
plt.gca().set_title('Variable market_segment_type')
sns.countplot(x='market_segment_type', palette='Set2', data= df)

plt.subplot(3,2,3)
plt.gca().set_title('Variable repeated_guest')
sns.countplot(x = 'repeated_guest', palette = 'Set2', data = df)

plt.subplot(3,2,4)
plt.gca().set_title('Variable no_of_previous_cancellations')
sns.countplot(x = 'no_of_previous_cancellations', palette = 'Set2', data = df)

plt.subplot(3,2,5)
plt.gca().set_title('Variable no_of_special_requests')
sns.countplot(x = 'no_of_special_requests', palette = 'Set2', data = df)

plt.subplot(3,2,6)
plt.gca().set_title('Variable booking_status')
sns.countplot(x = 'booking_status', palette = 'Set2', data = df)

연속형 변수 

1. 연속형 변수 값들을 보면 일반적으로 예약하는 시간이 길면 예약은 줄어드는 것을 알 수 있습니다. 

2. 우리의 데이터의 상위는 보통 100유로의 평균 가격을 보여줍니다. 

3. 손님들은 보통 예약을 취소하지 않습니다. 

 

plt.figure(figsize=(25,20))

sns.set(color_codes=True)

plt.subplot(2,2,1)
sns.histplot(df['lead_time'], kde=False)

plt.subplot(2,2,2)
sns.histplot(df['arrival_date'], kde=False)

plt.subplot(2,2,3)
sns.histplot(df['avg_price_per_room'], kde=False)

plt.subplot(2,2,4)
sns.histplot(df['no_of_previous_bookings_not_canceled'], kde=False)

 

이변량 분석

* 우리의 타겟 변수를 보면, 인사이트를 얻을 수 있다.

* 일반적으로 주자창을 요구하는 손님, 이전에 묵었던 적이 있는 손님, 특별 요청을 하는 손님은 취소 가능성이 적다.
* 여기에서 볼 수 있는 가장 큰 왜곡은 Lead_Time 변수입니다. 사람이 방을 예약하는 데 시간이 오래 걸릴수록 예약을 취소할 가능성이 높아집니다. 약간의 경사에도 불구하고 일반적으로 취소가 적습니다. 더 비싼 객실도 더 많은 취소가 발생할 수 있음을 알 수 있습니다.

 

plt.figure(figsize = (20, 25))
plt.suptitle("Analysis Of Variable booking_status",fontweight="bold", fontsize=20)

plt.subplot(5,2,1)
sns.countplot(x='booking_status', hue='no_of_adults', data=df, palette='Set2')

plt.subplot(5,2,2)
sns.countplot(x = 'booking_status', hue = 'no_of_children', palette = 'Set2', data = df)

plt.subplot(5,2,3)
sns.countplot(x = 'booking_status', hue = 'no_of_weekend_nights', palette = 'Set2', data = df)

plt.subplot(5,2,4)
sns.countplot(x = 'booking_status', hue = 'market_segment_type', palette = 'Set2', data = df)

plt.subplot(5,2,5)
sns.countplot(x = 'booking_status', hue = 'type_of_meal_plan', palette = 'Set2', data = df)

plt.subplot(5,2,6)
sns.countplot(x = 'booking_status', hue = 'required_car_parking_space', palette = 'Set2', data = df)

plt.subplot(5,2,7)
sns.countplot(x = 'booking_status', hue = 'room_type_reserved', palette = 'Set2', data = df)

plt.subplot(5,2,8)
sns.countplot(x = 'booking_status', hue = 'arrival_year', palette = 'Set2', data = df)

 

plt.figure(figsize = (20, 25))
plt.suptitle("Analysis Of Variable booking_status",fontweight="bold", fontsize=20)


plt.subplot(5,2,1)
sns.countplot(x='booking_status', hue='repeated_guest', palette='Set2', data=df)

plt.subplot(5,2,2)
sns.countplot(x = 'booking_status', hue = 'no_of_special_requests', palette = 'Set2', data = df)

plt.subplot(5,2,3)
sns.kdeplot(x='lead_time', hue='booking_status', palette = 'Set2', shade=True, data=df)

plt.subplot(5,2,4)
sns.kdeplot(x='arrival_year', hue='booking_status', palette = 'Set2', shade=True, data=df)

plt.subplot(5,2,5)
sns.kdeplot(x='arrival_month', hue='booking_status', palette = 'Set2', shade=True, data=df)

plt.subplot(5,2,6)
sns.kdeplot(x='arrival_date', hue='booking_status', palette = 'Set2', shade=True, data=df)

plt.subplot(5,2,7)
sns.kdeplot(x='avg_price_per_room', hue='booking_status', palette = 'Set2', shade=True, data=df)

 

 

이제 앞서 살펴본 것처럼 Lead_Time 변수가 취소와 미취소를 가장 많이 구분하는 변수였으므로 자세히 살펴보겠습니다. 

 

시간, 우리는 이미 호텔에 머물렀던 손님에게도 같은 것을 봅니다. 다른 변수를 보면 우리의 주의를 환기시키는 몇 가지 변수가 있습니다.

 

 세그먼트를 보면 "특별한" 이유로 손님은 일반적으로 리드 타임이 높지 않습니다. 다른 방보다 빨리 선택되는 방도 있고 특별 요청을 보면 시간이 걸리더라도 요청이 많을수록 리드 타임이 줄어 듭니다.

 

가격이 더 높고 , 리드 타임이 높을수록 취소가 될 확률이 높음 

 

sns.scatterplot(data=df, x='lead_time', y='avg_price_per_room', palette='Set2', hue='booking_status')

데이터 시각화를 하다보니 코드가 너무 길어져서 

 

모델링은 다음 포스팅에서 보여드리도록 하겠습니다. !! 

감사합니다