SQL로 시작하는 데이터 분석

307

6

장

이상 탐지

가장 작은 지진 규모 값으로는 -

99

와 -

9

가 있으며 발생 횟수가 꽤 많습니다. 비록 로그의 밑

으로

0

이나 음수를 취할 수는 없지만,

0

보다 크고

1

보다 작은 값에 로그를 취하면 위와 같이 음

수가 나옵니다. 예를 들어,

log

(

0

.

5

)는 약 -

0

.

301

입니다. -

99

.

9

와 -

9

는 극도로 작은 규모를

의미하는데, 이렇게 작은 지진이 실제로 발생했는지 의문스럽기도 합니다. 값들의 개수가 많은

것으로 보아 이 값은 실제로 발생한 지진 규모 값이라기보다 알 수 없는 지진 규모 값을 임의로

저장한 값일 가능성도 있습니다. 따라서, 이처럼 지진 규모 값이 음수인 데이터는 이상값으로

간주해도 좋습니다.

전체 데이터를 정렬하는 대신 하나 이상의 필드를 기준으로 그룹화를 수행해 해당 그룹 내 이

상값을 찾는 방법도 있습니다. 예를 들어,

place

필드의 특정 지역을 기준으로 규모가 가장 큰

지진과 가장 작은 지진을 확인하고, 해당 지역 내 규모별 지진 발생 횟수도 확인해봅시다.

SELECT

place, mag,

count

(*)

FROM

earthquakes

WHERE

mag

is

not

null

and

place = ‘Northern California’

GROUP

BY

1,2

ORDER

BY

1,2

desc

;

place mag count ...