Re: 😊문제4.(오늘의 마지막 문제) 위의 그래프를 바이올린 그래프로 시각화 하고...

[20기_조예진]

cars <- read.csv("C:\\data\\usedcars.csv")

unique(cars$model) # "SEL" "SE" "SES"

sel = cars[cars$model == 'SEL', c("model", "price")]

se = cars[cars$model == 'SE', c("model", "price")]

ses = cars[cars$model == 'SES', c("model", "price")]

# 바이올린 플롯 그리기
data = rbind(sel, se, ses)

library(ggplot2)
ggplot(data, aes(x=model, y=price, fill=model)) +
  geom_violin(trim=FALSE) +
  geom_boxplot(width =0.2, fill='white') +
  labs(title='Violin Plot of Used Car Price', x="model", y="Price") +
  theme_minimal()

해석

- 폭이 넓을 수록 해당 데이터의 빈도가 많은 것
- 데이터가 좁은 범위에 집중된 경우 좁고 긴 형태 / 데이터가 넓게 퍼져 있는 경우 넓고 짧은 형태

1. 모델 SEL
 - 중앙값이 가장 높음
 - 범위 12.5K-17.5K 내에 가격이 집중되어 있음
 - 데이터 건수는 23개로 가장 적음.
 => 대부분이 비슷하게 비싼 가격에 판매됨. 셋 중 가장 최신형 모델

mean(cars[cars$model=='SEL' ,'mileage'])  # 26238.91
mean(cars[cars$model=='SEL' ,'year']) # 2010.087
=> 전체 데이터의 평균 year가 2008.7, 전체 데이터의 평균 mileage가 약 44K인 것을 고려하면
     전체적으로 최근에 생산되었고 mileage가 낮음. 히스토그램에서 명확히 확인됨.


2. 모델 SES
- 이상치가 없고 한 구간에 가격이 집중되기 보다는 다양한 가격에 판매
- 데이터 건수가 가장 많은 모델로 연식이 다양한 차량의 섞여 있을 수 있겠음.


3. 모델 SE
- 중앙값이 가장 낮고 하한보다 낮은 가격에 판매된 건수가 4번 있었음.

---------------------------------------------------------------------------------
**SEL 이상치

cars[cars$model=='SEL' & (cars$price <13584 | cars$price > 19995), ]

    year model  price mileage  color transmission
1   2011   SEL  21992    7413 Yellow         AUTO
2   2011   SEL  20995   10926   Gray         AUTO   => mileage가 낮아서 높은 가격에 판매
114 2009   SEL 10995   78264   Gray         AUTO   => mileage가 높아서 낮은 가격에 판매

-------------------------------------------------------------------------------------------
**SE 이상치
cars[cars$model=='SE' & (cars$price <6980 | cars$price > 17500), ]

    year model price mileage  color transmission
147 2002    SE  5995   87003    Red         AUTO
148 2000    SE  5980   96841    Red         AUTO
149 2001    SE  4899  151479 Yellow         AUTO
150 2000    SE  3800  109259    Red         AUTO

=> 2000-2002년으로 생산된지 오래되었고 mileage가 80-15K로 아주 높아 싸게 판매