가설검증_박유진 (실패)

import pandas as pd import numpy as np # 1️⃣ 데이터 불러오기 df = pd.read_csv('/content/AB_NYC_2019.csv') # 파일 경로 주의! # 2️⃣ 로그 가격 생성 df['log_price'] = np.log1p(df['price']) # 3️⃣ 지역별 평균 및 상위 75% 가격 계산 price_bounds = df.groupby('neighbourhood_group')['price'].describe(percentiles=[0.75])[['mean', '75%']] price_bounds.columns = ['mean_price', 'upper_bound'] # 4️⃣ price_category 생성 def classify_price(row): group = row['neighbourhood_group'] room = row['room_type'] price = row['price'] if group not in price_bounds.index: return 'unknown' mean = price_bounds.loc[group, 'mean_price'] upper = price_bounds.loc[group, 'upper_bound'] if room == 'Shared room' and group != 'Manhattan' and price < mean: return 'low' elif room == 'Private room' and group == 'Brooklyn' and mean <= price <= upper: return 'mid' elif room == 'Entire home/apt' and group == 'Manhattan' and price > upper: return 'high' else: return 'other' df['price_category'] = df.apply(classify_price, axis=1) # 5️⃣ 도심 vs 외곽 def is_central(row): lat, lon = row['latitude'], row['longitude'] if ( ((40.70 <= lat <= 40.80) and (-74.02 <= lon <= -73.95)) or ((40.69 <= lat <= 40.70) and (-73.99 <= lon <= -73.98)) or ((40.71 <= lat <= 40.73) and (-73.97 <= lon <= -73.95)) ): return '도심' else: return '외곽' df['is_central'] = df.apply(is_central, axis=1) # 6️⃣ 숙박일수 분류 def classify_stay(nights): if nights <= 7: return '단기' elif 8 <= nights <= 29: return '중기' else: return '장기' df['stay_type'] = df['minimum_nights'].apply(classify_stay) # 7️⃣ 호스트 범위 분류 def classify_host(listings): if listings <= 2: return '일반' elif 3 <= listings <= 10: return '반전문' else: return '전문' df['host_type'] = df['calculated_host_listings_count'].apply(classify_host) # 8️⃣ 인기도 분류 (예약 가능일수 > 0만 대상) df_pop = df[df['availability_365'] > 0].copy() quantiles = df_pop.groupby('neighbourhood_group').agg({ 'availability_365': lambda x: np.percentile(x, 25), 'number_of_reviews': lambda x: np.percentile(x, 75) }).rename(columns={ 'availability_365': 'avail_25pct', 'number_of_reviews': 'review_75pct' }) def classify_popularity(row): group = row['neighbourhood_group'] if group not in quantiles.index: return 'unknown' avail_thres = quantiles.loc[group, 'avail_25pct'] review_thres = quantiles.loc[group, 'review_75pct'] if row['availability_365'] <= avail_thres and row['number_of_reviews'] >= review_thres: return '인기 숙소' elif row['availability_365'] >= avail_thres and row['number_of_reviews'] <= review_thres: return '인기 적음' else: return '기타' df['popularity'] = df.apply(classify_popularity, axis=1) # ✅ 확인용 출력 (파생 컬럼 확인) df[['price', 'room_type', 'neighbourhood_group', 'price_category', 'log_price', 'is_central', 'stay_type', 'host_type', 'popularity']].head()

import pandas as pd import scipy.stats as stats import seaborn as sns import matplotlib.pyplot as plt # 1️⃣ 교차표 만들기 ct = pd.crosstab(df['room_type'], df['popularity']) print("📊 교차표:\n", ct) # 2️⃣ 카이제곱 독립성 검정 chi2, p, dof, expected = stats.chi2_contingency(ct) print("\n🧪 [카이제곱 검정 결과]") print(f"Chi² 통계량: {chi2:.2f}") print(f"p-value: {p:.4f}") print(f"자유도: {dof}") print("\n기대 빈도표:\n", pd.DataFrame(expected, index=ct.index, columns=ct.columns)) # 3️⃣ 비율 기준 교차표 ct_norm = ct.div(ct.sum(axis=1), axis=0) # 행 기준 정규화 # 4️⃣ 그래프 그리기 ax = ct_norm.plot(kind='bar', stacked=True, figsize=(8, 5), colormap='Set2') plt.title('방 타입별 인기도 분포 (비율)') plt.ylabel('비율 (%)') plt.xticks(rotation=0) plt.legend(title='popularity') plt.ylim(0, 1.05) # 5️⃣ 퍼센트 (%) 라벨 추가 (소수점 1자리) for i, row in enumerate(ct_norm.values): cumulative = 0 for j, value in enumerate(row): if value > 0.01: # 너무 작으면 생략 plt.text(i, cumulative + value / 2, f'{value * 100:.1f}%', ha='center', va='center', fontsize=10) cumulative += value plt.tight_layout() plt.show()

# 1️⃣ 교차표: 도심 vs 외곽 vs 방타입 ct_central = pd.crosstab(df['is_central'], df['room_type']) print("📊 도심/외곽별 방타입 구성:\n", ct_central) # 2️⃣ 카이제곱 검정 chi2, p, dof, expected = stats.chi2_contingency(ct_central) print("\n🧪 [도심/외곽 카이제곱 검정]") print(f"Chi² 통계량: {chi2:.2f}") print(f"p-value: {p:.4f}") print(f"자유도: {dof}") # 3️⃣ 시각화 ct_central_norm = ct_central.div(ct_central.sum(axis=1), axis=0) ax = ct_central_norm.plot(kind='bar', stacked=True, figsize=(7, 5), colormap='Set2') # 퍼센트 라벨 for i, row in enumerate(ct_central_norm.values): cumulative = 0 for j, value in enumerate(row): if value > 0.01: plt.text(i, cumulative + value/2, f'{value*100:.1f}%', ha='center', va='center', fontsize=10) cumulative += value plt.title("도심 vs 외곽 방타입 구성 비율") plt.ylabel("비율 (%)") plt.xticks(rotation=0) plt.xlabel("도심 여부 (is_central)") plt.legend(title="room_type") plt.tight_layout() plt.show()

import pandas as pd from scipy.stats import chi2_contingency # ✅ 1. 교차표 생성 (도심/외곽 + 방타입 vs 인기도) ct = pd.crosstab([df['region_type'], df['room_type']], df['popularity']) # ✅ 2. 카이제곱 독립성 검정 chi2, p, dof, expected = chi2_contingency(ct) # ✅ 3. 출력 및 해석 print("📊 [도심/외곽 + 방타입별 인기도 교차표]:\n", ct) print("\n🧪 [카이제곱 독립성 검정 결과]") print(f"Chi² 통계량: {chi2:.2f}") print(f"p-value: {p:.4f}") print(f"자유도: {dof}") # ✅ 4. 해석 print("\n📌 [해석]") if p < 0.05: print("✅ 귀무가설 기각 → 도심/외곽과 방타입에 따라 인기도 분포는 통계적으로 유의미한 차이가 있음") else: print("❌ 귀무가설 채택 → 도심/외곽과 방타입에 따라 인기도 분포는 통계적으로 유의미한 차이가 없음")

from scipy.stats import f_oneway # 인기 그룹별 가격 리스트 high_prices = df[df['popularity'] == 'high']['price'] medium_prices = df[df['popularity'] == 'medium']['price'] low_prices = df[df['popularity'] == 'low']['price'] # ANOVA 수행 f_stat, p_value = f_oneway(high_prices, medium_prices, low_prices) print(f'F-통계량: {f_stat:.4f}') print(f'p-value: {p_value:.4f}') # 해석 if p_value < 0.05: print("✅ 귀무가설 기각 → 인기도 그룹 간 평균 가격 차이가 유의함") else: print("❌ 귀무가설 채택 → 인기도 그룹 간 평균 가격 차이가 유의하지 않음")

from scipy.stats import f_oneway # 인기도별 리뷰 수 분리 reviews_high = df[df['popularity'] == 'high']['number_of_reviews'] reviews_medium = df[df['popularity'] == 'medium']['number_of_reviews'] reviews_low = df[df['popularity'] == 'low']['number_of_reviews'] # ANOVA 검정 f_stat, p_value = f_oneway(reviews_high, reviews_medium, reviews_low) # 결과 출력 print(f"F 통계량: {f_stat:.4f}") print(f"p-value: {p_value:.4f}") if p_value < 0.05: print("✅ 귀무가설 기각 → 인기도 그룹 간 리뷰 수 평균 차이가 유의함") else: print("❌ 귀무가설 채택 → 인기도 그룹 간 리뷰 수 평균 차이가 유의하지 않음")

from scipy.stats import f_oneway import seaborn as sns import matplotlib.pyplot as plt # 그룹별 예약 가능일 수 추출 avail_high = df[df['popularity'] == 'high']['availability_365'] avail_medium = df[df['popularity'] == 'medium']['availability_365'] avail_low = df[df['popularity'] == 'low']['availability_365'] # ANOVA 수행 f_stat, p_value = f_oneway(avail_high, avail_medium, avail_low) print(f"F 통계량: {f_stat:.4f}") print(f"p-value: {p_value:.4f}") # 해석 if p_value < 0.05: print("✅ 귀무가설 기각 → 인기도 그룹 간 예약 가능일 수 평균 차이가 유의함") else: print("❌ 귀무가설 채택 → 인기도 그룹 간 예약 가능일 수 평균 차이가 유의하지 않음")