SQL로 시작하는 데이터 분석

53

2

장

데이터 준비

기법을 서술했습니다. 데이터 분포를 파악하는 데 사용하는 줄기 잎 그림

stem

-

and

-

leaf

plot

, 상자

그림

box

plot

, 히스토그램

histogram

등이 바로 이 책에서 처음 제안한 것들입니다.

2.3.1

히스토그램과 빈도

데이터셋이나 데이터셋에 포함된 특정 필드에 관해 알아보는 데는 필드별로 각 값의 출현 빈도를

확인하는 방법이 가장 좋습니다. 빈도 확인은 특정 값이 나올 수 있는지 또는 예상치 못한 값이

있는지, 있다면 어떻게 그런 값이 들어갈 수 있는지 등을 알아볼 때 유용합니다. 문자열, 숫자,

날짜, 논리 등 어느 데이터 타입에든 사용할 수 있으며, 희소 데이터를 찾는 데도 유용합니다.

쿼리는 간단합니다. 프로파일링하려는 필드를

GROUP

BY

절로 지정하고,

count

(*)

를 사용해

필드 내에서 각 값의 개수를 알아냅니다. 예를 들어, 가상의

fruit

_

inventory

테이블에서

fruit

의 타입별 값의 빈도수를 확인하는 방법은 다음과 같습니다.

SELECT

fruit,

count

(*)

as

quantity

FROM

fruit_inventory

GROUP BY

1

;

TIP

count

함수를 사용할 때는 데이터셋에 중복되는 레코드가 있는지 잘 알아봐야 합니다. 전체 레코드 수를 알

고 싶다면

count

(*)

를 사용해도 ...