💖 Hongsi's Study/📊 통계･공간통계･공간최적화58 [Tableau] 태블로 특별광역시 지역과 도 지역 나누기 문제 상황특별/광역시와 도를 분리하고싶다. 해결 방법계산된 필드 만들기 위와같이 입력IF RIGHT([시도], 1) = "시" THEN "특별/광역시"ELSEIF RIGHT([시도], 1) = "도" THEN "도"ELSE "기타"END그런 후 '열'에 추가하면 분리 완료됨 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 4. 6. [Tableau] 드롭다운 선택한 지역의 값만 필터링되도록 구현하기 문제상황내가 선택한 시/도에 해당하는 데이터값만 대시보드에 보이게 하고 싶다 해결방법 매개 변수를 위와 같이 새롭게 만든다.이때 '목록'은 시도로 선택한다. 계산된 필드 만들기 하여위처럼 새롭게 만든다.[시도] = [선택한 시도] 이후 방금 만든 선택 지역 여부를 '필터'로 끌어온다. 그러면 내가 선택한 시도에 해당하는 값만 보인다.위의 예시는 '시도'열에 '강원특별자치도'를 가지고 있는 행만 필터링한 결과이다. Advanced - 전국 항목 추가하기선택란에 '전국'을 추가하고 싶다.'전국'을 선택하면 필터를 그대로 통과하여 전체 데이터가 보이게 하려면 아래를 참고할 것 매개 변수 '선택한 시도' 클릭'추가하려면 클릭' 클릭해 전국 추가확인 다음으로 선택 지역 여부 우클릭하여 '편집' 클릭아래와.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 4. 6. [Tableau] 태블로에서 선택한 지역에 대한 값 색상 적용하는 법 문제상황위와 같이 내가 선택한 도시가 태블로 대시보드 상에서 빨간색으로 보이게 하고 싶음 해결방법 시트 왼쪽 박스에서 우클릭 > 매개 변수 만들기 위와 같이 설정이름은 다음 단계에서도 써야 하므로 적절히 설정할 것.필자는 허용 가능한 값을 '목록'으로 두고, 내 데이터 중 '지역' 열 중에서 하나를 선택하도록 세팅함 매개 변수에 '선택한 지역'이 새롭게 생긴다.이걸 우클릭하여 '매개 변수 표시' On하기 그러면 선택할 수 있는 드롭박스가 켜짐 다음으로 색상이 적용되도록 해보자.시트 왼쪽 박스 빈 곳 우클릭 > 계산된 필드 만들기 아래와 같이 입력 IF [지역] = [선택한 시도] THEN '선택됨' ELSE '기타' END 그러면 선택 지역 여부가 새롭게 생김.이걸 마크 > 색상에 끌어.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 4. 6. [Tableau] 태블로 그래프 레이블 글자색 바꾸기 문제 상황어떤 건 흰 글씨로, 어떤 건 검은 글씨로 나오는 상황 해결 방법레이블 클릭 글꼴 클릭 현재는 자동으로 되어있는데, 검은색을 클릭하면 글꼴 변경 완료 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 30. [Tableau] 태블로 글꼴 바꾸기 상단 서식 탭 > 글꼴 기본값 워크시트 드롭다운 클릭 원하는 글꼴로 변경 전부 변경 완료 변경 완료 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 30. [Tableau] 태블로 가로선 추가하기 왼쪽 분석 탭 > 참조선 클릭 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 30. [공간통계] 공간회귀분석 (Spatial Regression Analysis): SAR & GWR 공간회귀분석 (Spatial Regression Analysis): SAR & GWR공간 데이터는 지리적으로 인접한 값들 간의 자기상관이 강하게 나타나는 특징이 있습니다.일반적인 회귀분석(OLS)은 공간적 의존성(spatial dependency)을 고려하지 않기 때문에 **공간적 자기상관을 반영한 공간회귀모형(Spatial Regression Models)**이 필요합니다.대표적인 공간회귀분석 기법에는 **SAR(공간자기회귀, Spatial Autoregressive Model)**과 **GWR(지리적 가중 회귀, Geographically Weighted Regression)**이 있습니다.📌 1. 공간자기회귀모형(SAR: Spatial Autoregressive Model)SAR 모델은 종속변수(.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18. [공간통계] 커널 밀도 추정(Kernel Density Estimation, KDE)이란? 커널 밀도 추정(Kernel Density Estimation, KDE): 데이터의 분포를 부드럽게 추정하는 기법🔍 커널 밀도 추정(KDE)란?커널 밀도 추정(KDE, Kernel Density Estimation)은 연속형 데이터의 확률 밀도 함수를 추정하는 비모수적(non-parametric) 기법입니다.즉, 데이터가 어떤 특정한 분포(예: 정규분포)를 따른다고 가정하지 않고, 주어진 데이터로부터 부드러운 확률 밀도 함수(PDF)를 추정하는 방법입니다.📌 주요 특징히스토그램보다 부드러운 분포 곡선을 제공적절한 밴드폭(bandwidth) 선택이 중요공간 데이터 분석에서는 **핫스팟 분석(밀집 지역 탐색)**에 활용📌 KDE의 핵심 개념KDE는 각 데이터 포인트 주변에 커널 함수(kernel fun.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18. [공간통계] Getis-Ord Gi*란? Getis-Ord Gi*: 공간 핫스팟(Hotspot) 분석의 핵심 지표🔥 Getis-Ord Gi*란?Getis-Ord Gi* 통계량은 **공간적 클러스터링(Hotspot & Coldspot)**을 식별하는 데 사용되는 공간 통계 기법입니다. 특정 공간 내에서 값이 유의미하게 높거나 낮은 지역을 찾고, 이를 통해 **핫스팟(Hotspot)과 콜드스팟(Coldspot)**을 분석하는 데 활용됩니다.핫스팟(Hotspot): 특정 지역 주변에서 값이 지속적으로 높게 나타나는 경우콜드스팟(Coldspot): 특정 지역 주변에서 값이 지속적으로 낮게 나타나는 경우Getis-Ord Gi*는 범죄 데이터, 부동산 시장 분석, 상업시설 밀집도 분석, 공공보건 연구 등 다양한 분야에서 공간적 패턴을 탐색하는 데 활용됩.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18. [공간통계] Geary's C란? Geary’s C: 공간 자기상관 분석의 또 다른 지표🔍 Geary’s C란?Geary’s C는 **공간 자기상관(Spatial Autocorrelation)**을 측정하는 지표로, Moran’s I와 유사하지만 값들의 국지적(local) 차이를 중점적으로 분석하는 것이 특징입니다. Moran’s I가 전체적인 공간적 패턴(글로벌 자기상관)을 측정하는 반면, Geary’s C는 개별 지역 간의 차이를 강조하여 보다 세밀한 공간 패턴을 식별하는 데 유용합니다.Moran’s I vs. Geary’s CMoran’s I는 **전체적인 경향(글로벌 패턴)**을 분석Geary’s C는 **인접한 지역 간의 값 차이(로컬 패턴)**를 분석Moran’s I가 클러스터링을 강조한다면, Geary’s C는 경계(디스컨.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18. [공간통계] Moran's I란? Moran’s I: 공간 자기상관 분석의 핵심 지표🔍 Moran’s I란?Moran’s I는 공간 자기상관(spatial autocorrelation)을 측정하는 대표적인 지표로, 공간 데이터에서 특정 값이 이웃한 지역과 유사한 패턴을 보이는지, 아니면 무작위로 분포하는지를 분석하는 데 사용됩니다.공간 자기상관(Spatial Autocorrelation): 지리적으로 가까운 데이터들이 유사한 특성을 가지는 경향을 의미합니다.Moran’s I 값+1에 가까울수록 강한 양의 공간 자기상관 (비슷한 값들이 클러스터링됨)0에 가까울수록 공간적 무작위성-1에 가까울수록 강한 음의 공간 자기상관 (서로 다른 값들이 인접)📌 Moran’s I 수식Moran’s I는 다음과 같은 공식으로 계산됩니다.NN: 총 관측.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18. [통계 자료] 북한 주요도시 인구 시점북한북한북한북한북한남한남한남한남한남한남한남한남한시점평양청진함흥신의주원산서울부산대구인천광주대전울산세종202331586535433293609400328423603009146314741106392 출처https://kosis.kr/statHtml/statHtml.do?mode=tab&orgId=101&tblId=DT_1ZGA281&vw_cd=MT_BUKHAN&list_id=101_001_001&conn_path=MT_BUKHAN&path=%252Fbukhan%252FstatisticsList%252FstatisticsListIndex.do 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2024. 12. 24. 이전 1 2 3 4 5 다음 반응형
