데이터 단순 빈도수 분석

각 칼럼별 데이터들의 단순 빈도수를 정리한다.

분석 과정

data = pd.read_csv('AFSNT.csv', engine='python')
data.fillna("NaN").groupby(COL).size().sort_values(ascending=False)

NaN 데이터 문자열 처리 (NaN의 빈도수도 확인하기 위함)
칼럼별 데이터로 그룹화하여 각 그룹의 사이즈 측정 및 정렬

각 칼럼 빈도수 분석

연도별 빈도수(SDT_YY): 총 3개

각 연도별 빈도수는 다음과 같다. 2019는 이제 하반기에 접어들었기 때문에 타 연도의 약 절반 정도의 데이터를 가지고 있음을 확인할 수 있다. 그외에 특이사항은 보이지 않는 듯 하다.

월별 빈도수(SDT_MM): 총 12

단순하게 생각하면 8,7,9,10,11,12 월의 빈도수가 나머지 월에 비해 적은 것에 의문을 품을 수 있지만, 이것은 2019년의 하반기 데이터가 존재하지 않기 때문인 점을 고려했을 때 크게 이상한 점을 찾을 수 없다.

일별 빈도수(SDT_DD): 총 31개

다른 일에 비해 적게 등장하는 31일을 제외하고는 모두 비슷한 수준의 빈도수를 가지고 있다. 크게 신경쓰이는 점은 찾을 수 없었다.

요일별 빈도수(SDT_DY): 총 7개

마찬가지로, 모든 데이터의 빈도수가 비슷했기 때문에 신경쓰이는 점은 찾을 수 없었다.

공항/상대공항별 빈도수(ARP/ODP): 총 15개

각 공항별 운항 횟수의 범위가 매우 다양함을 확인할 수 있다. 학습 중, 특정 공항에 대한 지연율을 계산할 때 너무 적은 데이터에 기반한 잘못된 결과가 나올 수 있기 때문에 어느정도의 전처리 여지가 존재한다.

항공사별 빈도수(FLO): 총 12개

하위 C, K, D, G, E의 항공사의 경우, 운항 회수 자체가 너무 적어서 학습에 악영향을 끼칠 수 있다. 위와 마찬가지로 전처리 과정에서 걸러내줄 필요가 있다.

편명별 빈도수(FLO): 총 1541개

몇몇의 편명이 운항 회수 자체가 너무 적어서 학습에 악영향을 끼칠 수 있다. 위와 마찬가지로 전처리 과정에서 걸러내줄 필요가 있다.

등록기호별 빈도수(REG): 총 365개

등록기호는 항공기의 고유번호를 뜻한다. 빈도수 범주 자체도 크지만, 실제 지연에 상당히 영향을 끼치는 부분일 거라 예상되기 때문에 주의깊게 다룰 필요가 있다.

출도착별 빈도수(AOD): 총 2개

부정기편 빈도수(IRR): 총 2개

계획시각별 빈도수(STT): 총 372개

항공 교통수단의 특성상, 계획시각 변수의 종류가 많은 것 자체는 크게 부자연스럽지는 않다. 그러나 신경쓰이는 부분은 빈도수가 높은 대부분의 계획시각은 분단위가 5의 배수인 반면에 빈도수가 극도로 작은 계획시각은 5의 배수가 아니라는 것이다. 즉, 흔치 않는 상황이 발생하여 시간을 조정한 것이라고 추측해볼 수 있다.

실제시각별 빈도수(ATT): 총 1159개

대부분의 시간대에서 비슷한 빈도수를 보여주지만 심야 및 새벽시간에 가까워질수록 빈도수가 극도로 줄어드는 것을 확인할 수 있다.

지연여부 빈도수(DLY): 총 2개

지연사유별 빈도수(DRR): 총 38개

각 지연사유에 대한 빈도 차이가 큰 폭으로 나고 있으며, 그 중에서 A/C 정비(C02)의 사유가 지연 사유 중 압도적인 빈도수를 보여주었다.

etc

결항 여부 및 사유의 경우, 본 프로젝트에서는 예측하지 않기 때문에 제외하였다.

Previous데이터 칼럼 명세 Next지연율 상관관계 분석

Last updated 5 years ago