Wine

In [1]:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn

In [2]:

from matplotlib import font_manager, rc
font_path = "C:\Windows\Fonts\gulim.ttc"
font = font_manager.FontProperties(fname=font_path).get_name()
rc('font', family=font)

In [3]:

wine = pd.read_csv('./datas/winemag-data-130k-v2.csv')

In [4]:

wine.head()

Out[4]:

	Unnamed: 0	country	description	designation	points	price	province	region_1	region_2	taster_name	taster_twitter_handle	title	variety	winery
0	0	Italy	Aromas include tropical fruit, broom, brimston...	Vulkà Bianco	87	NaN	Sicily & Sardinia	Etna	NaN	Kerin O’Keefe	@kerinokeefe	Nicosia 2013 Vulkà Bianco (Etna)	White Blend	Nicosia
1	1	Portugal	This is ripe and fruity, a wine that is smooth...	Avidagos	87	15.0	Douro	NaN	NaN	Roger Voss	@vossroger	Quinta dos Avidagos 2011 Avidagos Red (Douro)	Portuguese Red	Quinta dos Avidagos
2	2	US	Tart and snappy, the flavors of lime flesh and...	NaN	87	14.0	Oregon	Willamette Valley	Willamette Valley	Paul Gregutt	@paulgwine	Rainstorm 2013 Pinot Gris (Willamette Valley)	Pinot Gris	Rainstorm
3	3	US	Pineapple rind, lemon pith and orange blossom ...	Reserve Late Harvest	87	13.0	Michigan	Lake Michigan Shore	NaN	Alexander Peartree	NaN	St. Julian 2013 Reserve Late Harvest Riesling ...	Riesling	St. Julian
4	4	US	Much like the regular bottling from 2012, this...	Vintner's Reserve Wild Child Block	87	65.0	Oregon	Willamette Valley	Willamette Valley	Paul Gregutt	@paulgwine	Sweet Cheeks 2012 Vintner's Reserve Wild Child...	Pinot Noir	Sweet Cheeks

In [5]:

wine.describe()

Out[5]:

	Unnamed: 0	points	price
count	129971.000000	129971.000000	120975.000000
mean	64985.000000	88.447138	35.363389
std	37519.540256	3.039730	41.022218
min	0.000000	80.000000	4.000000
25%	32492.500000	86.000000	17.000000
50%	64985.000000	88.000000	25.000000
75%	97477.500000	91.000000	42.000000
max	129970.000000	100.000000	3300.000000

와인 데이터를 살펴보니 129971 개의 와인 데이터에 대해 price, points 지표가 존재함을 확인했다. 먼저 데이터에 대한 분석을 해 본 뒤, 최종적으로는 머신러닝을 이용해 어떠한 특성이 와인의 가격지표에 영향을 미쳤는지 확인해 보고자 한다. 먼저 확인 가능한 지표들은 country, province, region_1, region_2, variety winery 등이다.

In [6]:

wine[wine.price.notna()].sort_values("price").head()

Out[6]:

	Unnamed: 0	country	description	designation	points	price	province	region_1	region_2	taster_name	taster_twitter_handle	title	variety	winery
20484	20484	US	Fruity, soft and rather sweet, this wine smell...	NaN	85	4.0	California	Clarksburg	Central Valley	Jim Gordon	@gordone_cellars	Dancing Coyote 2015 White (Clarksburg)	White Blend	Dancing Coyote
112919	112919	Spain	Nice on the nose, this has a leafy note and a ...	Estate Bottled	84	4.0	Levante	Yecla	NaN	Michael Schachner	@wineschach	Terrenal 2010 Estate Bottled Tempranillo (Yecla)	Tempranillo	Terrenal
59507	59507	US	Sweet and fruity, this canned wine feels soft ...	Unoaked	83	4.0	California	California	California Other	Jim Gordon	@gordone_cellars	Pam's Cuties NV Unoaked Chardonnay (California)	Chardonnay	Pam's Cuties
31530	31530	US	Packaged in a cute yellow recyclable Tetrapak,...	NaN	84	4.0	California	California	California Other	NaN	NaN	Bandit NV Chardonnay (California)	Chardonnay	Bandit
61768	61768	Spain	This opens with standard cherry and berry arom...	NaN	84	4.0	Levante	Yecla	NaN	Michael Schachner	@wineschach	Terrenal 2010 Cabernet Sauvignon (Yecla)	Cabernet Sauvignon	Terrenal

In [7]:

wine.country.value_counts()
#국가 단위

Out[7]:

US                        54504
France                    22093
Italy                     19540
Spain                      6645
Portugal                   5691
Chile                      4472
Argentina                  3800
Austria                    3345
Australia                  2329
Germany                    2165
New Zealand                1419
South Africa               1401
Israel                      505
Greece                      466
Canada                      257
Hungary                     146
Bulgaria                    141
Romania                     120
Uruguay                     109
Turkey                       90
Slovenia                     87
Georgia                      86
England                      74
Croatia                      73
Mexico                       70
Moldova                      59
Brazil                       52
Lebanon                      35
Morocco                      28
Peru                         16
Ukraine                      14
Serbia                       12
Czech Republic               12
Macedonia                    12
Cyprus                       11
India                         9
Switzerland                   7
Luxembourg                    6
Bosnia and Herzegovina        2
Armenia                       2
Slovakia                      1
China                         1
Egypt                         1
Name: country, dtype: int64

In [8]:

wine.province.value_counts()
#주 단위

Out[8]:

California        36247
Washington         8639
Bordeaux           5941
Tuscany            5897
Oregon             5373
                  ...  
Messinia              1
Markopoulo            1
Paardeberg            1
Krania Olympus        1
Neuchâtel             1
Name: province, Length: 425, dtype: int64

와인의 가격을 좌지우지하는 것중, 몇년산 와인인지가 중요하다는데, 확인 해보자.

In [9]:

num_list=[]
for i in list(range(1800,2022)):
    num_list.append(str(i))
##연도를 체크할 연도 리스트를 만든다.

In [10]:

title_list = wine.title.apply(lambda x: list(x.split()))
#apply함수로 wine.title의 값을 받아 띄어쓰기로 나누고 리스트로 전환,
#map함수를 안써도 될듯.
title_list

Out[10]:

0                    [Nicosia, 2013, Vulkà, Bianco, (Etna)]
1         [Quinta, dos, Avidagos, 2011, Avidagos, Red, (...
2         [Rainstorm, 2013, Pinot, Gris, (Willamette, Va...
3         [St., Julian, 2013, Reserve, Late, Harvest, Ri...
4         [Sweet, Cheeks, 2012, Vintner's, Reserve, Wild...
                                ...                        
129966    [Dr., H., Thanisch, (Erben, Müller-Burggraef),...
129967              [Citation, 2004, Pinot, Noir, (Oregon)]
129968    [Domaine, Gresser, 2013, Kritt, Gewurztraminer...
129969    [Domaine, Marcel, Deiss, 2012, Pinot, Gris, (A...
129970    [Domaine, Schoffit, 2012, Lieu-dit, Harth, Cuv...
Name: title, Length: 129971, dtype: object

In [11]:

year_list = []
for i in title_list:
    
    flag=False
    for j in i:
        if j in num_list:
            year_list.append(j)
            flag= True
            break
    if flag==False:
        year_list.append("Na")
#연도 적혀있으면 연도로, 없으면 Na로 값을 변경

In [12]:

len(year_list)

Out[12]:

In [13]:

len(wine.title)

Out[13]:

어찌 저찌 햇는데, 타이틀에서 연도를 뽑아낼 때 이상하게도 양이 증가되었다. 아무래도 title 내에 연도가 두번 이상 나오는 경우가 있는 것 같아 확인해보자. (break문 사용으로 해결하였다.)

In [14]:

year_title=[]
non_year_title=[]
for i in title_list:
    flag = False
    for j in i:
        if j in num_list:
            flag = True
            year_title.append(i)
            break#추가됨
    if flag==False:
        non_year_title.append(i)

In [15]:

len(year_title)

Out[15]:

In [16]:

len(non_year_title)

Out[16]:

In [17]:

len(year_title)+len(non_year_title)

Out[17]:

검색해보니 NV의 의미가 non-vintage 와인이라고 해서, 여러 연도의 와인을 섞어 만든 것이라고 한다. 연도가 표시되지 않은 데이터가 NV가 모두 적혀있는지 확인해보기로 하였다. 위의 연도리스트에 NV를 추가해서 NA 대신 NV로 다시 넣어보자.

In [18]:

num_list=[]
for i in list(range(1800,2022)):
    num_list.append(str(i))
num_list.append('NV')
##연도를 체크할 연도 리스트를 만든다.

In [19]:

year_title=[]
non_year_title=[]
year_list = []
for i in title_list:
    flag = False
    for j in i:
        if j in num_list:
            flag = True
            year_list.append(j)
            year_title.append(i)
            break#추가됨
    if flag==False:
        non_year_title.append(i)

In [20]:

len(year_title)

Out[20]:

In [21]:

len(non_year_title)

Out[21]:

예상대로 NV와인만 연도가 기입되어 있지 않았다. 이제 와인 데이터 프레임에 연도를 추가해보자.

In [22]:

wine["year"] = year_list

In [23]:

wine.head()

Out[23]:

	Unnamed: 0	country	description	designation	points	price	province	region_1	region_2	taster_name	taster_twitter_handle	title	variety	winery	year
0	0	Italy	Aromas include tropical fruit, broom, brimston...	Vulkà Bianco	87	NaN	Sicily & Sardinia	Etna	NaN	Kerin O’Keefe	@kerinokeefe	Nicosia 2013 Vulkà Bianco (Etna)	White Blend	Nicosia	2013
1	1	Portugal	This is ripe and fruity, a wine that is smooth...	Avidagos	87	15.0	Douro	NaN	NaN	Roger Voss	@vossroger	Quinta dos Avidagos 2011 Avidagos Red (Douro)	Portuguese Red	Quinta dos Avidagos	2011
2	2	US	Tart and snappy, the flavors of lime flesh and...	NaN	87	14.0	Oregon	Willamette Valley	Willamette Valley	Paul Gregutt	@paulgwine	Rainstorm 2013 Pinot Gris (Willamette Valley)	Pinot Gris	Rainstorm	2013
3	3	US	Pineapple rind, lemon pith and orange blossom ...	Reserve Late Harvest	87	13.0	Michigan	Lake Michigan Shore	NaN	Alexander Peartree	NaN	St. Julian 2013 Reserve Late Harvest Riesling ...	Riesling	St. Julian	2013
4	4	US	Much like the regular bottling from 2012, this...	Vintner's Reserve Wild Child Block	87	65.0	Oregon	Willamette Valley	Willamette Valley	Paul Gregutt	@paulgwine	Sweet Cheeks 2012 Vintner's Reserve Wild Child...	Pinot Noir	Sweet Cheeks	2012

맨 마지막 줄에 연도가 추가된 것을 확인하였다.

이제 데이터 분석이 가능한 부분만 고려해서 몇가지를 체크해보자

In [24]:

wine.groupby('country').mean().price.sort_values()

Out[24]:

country
Ukraine                    9.214286
Bosnia and Herzegovina    12.500000
India                     13.333333
Armenia                   14.500000
Bulgaria                  14.645390
Romania                   15.241667
Macedonia                 15.583333
Slovakia                  16.000000
Cyprus                    16.272727
Moldova                   16.745763
China                     18.000000
Peru                      18.062500
Georgia                   19.321429
Morocco                   19.500000
Chile                     20.786458
Greece                    22.364425
Luxembourg                23.333333
Brazil                    23.765957
Czech Republic            24.250000
Serbia                    24.500000
Argentina                 24.510117
Turkey                    24.633333
South Africa              24.668987
Slovenia                  24.812500
Croatia                   25.450704
Portugal                  26.218256
Uruguay                   26.403670
Mexico                    26.785714
New Zealand               26.931785
Spain                     28.215275
Lebanon                   30.685714
Austria                   30.762772
Israel                    31.768916
Australia                 35.437663
Canada                    35.712598
US                        36.573464
Italy                     39.663770
Hungary                   40.648276
France                    41.139120
Germany                   42.257547
England                   51.681159
Switzerland               85.285714
Egypt                           NaN
Name: price, dtype: float64

In [25]:

df = wine.groupby('year').mean().price.sort_values()

In [26]:

plt.bar(df.index, df.values)
plt.xticks(rotation=90)
plt.title('연도별 와인가격')
plt.show()

In [27]:

df2 = wine.groupby('country').mean().price.sort_values()

In [28]:

plt.bar(df2.index, df2.values)
plt.title("국가별 와인가격")
plt.xticks(rotation=90)
plt.xlabel('Country')
plt.show()

적당히 정렬했는데, 국가와 생산연도에 따라 가격 평균이 굉장히 높은 수준의 차이를 보여주었다. 대략적으로 영향이 있을것으로 보여짐

데이터가 너무 방대해 확실히 시각화하기 어려웠다. 프랑스가 와인이 유명하니 프랑스 와인으로 한정지어보자

In [29]:

wine_France = wine[wine.country == 'France']

In [30]:

df = wine_France.sort_values('price')

In [31]:

df = df[df.price.notna()]

In [32]:

df.price

Out[32]:

5801         5.0
105918       5.0
5789         5.0
122407       5.0
67690        6.0
           ...  
113564    2000.0
65352     2000.0
98380     2500.0
15840     2500.0
80290     3300.0
Name: price, Length: 17776, dtype: float64

In [33]:

df2 = df.groupby('year').price.mean()
df2

Out[33]:

year
1945    350.000000
1982     64.000000
1985    138.000000
1988    148.750000
1989     85.000000
1990    170.250000
1992     71.500000
1994    100.800000
1995     83.928571
1996    110.230769
1997     40.333333
1998     74.385965
1999     63.587302
2000     75.515152
2001     37.966667
2002    133.666667
2003     49.080000
2004     72.515789
2005     65.393189
2006     63.343458
2007     52.022099
2008     51.653226
2009     55.705434
2010     44.112755
2011     41.205517
2012     33.930590
2013     40.977522
2014     39.998404
2015     26.676296
2016     17.602140
NV       47.818705
Name: price, dtype: float64

In [34]:

plt.bar(df2.index, df2.values)
plt.title("프랑스 와인 연도별 가격 평균")
plt.xticks(rotation=90)
plt.show()

전체적으로 과거로 갈 수록 값어치가 올라가는 경향이 있으나, 1997년이나 2001년 등 그렇지 않은 경우도 존재. 당시의 포도가 흉작이었음을 짐작 할 수 있었다. 1945년이 너무 가치가 앞도적으로 높아 outlier 체크를 해보려고 한다.

In [35]:

df[df.year=='1945']

Out[35]:

	Unnamed: 0	country	description	designation	points	price	province	region_1	region_2	taster_name	taster_twitter_handle	title	variety	winery	year
117205	117205	France	For any serious fan of Rivesaltes, this is a m...	Legend Vintage	95	350.0	Languedoc-Roussillon	Rivesaltes	NaN	Lauren Buzzeo	@laurbuzz	Gérard Bertrand 1945 Legend Vintage Red (Rives...	Red Blend	Gérard Bertrand	1945

확인해 보니 단 하나의 와인이 350으로 가격이 높게 책정되었음을 볼 수 있음

데이터 부족으로 이상치로 가정하고 다시 하면

In [36]:

df3 = df2[df2.index !='1945']

In [37]:

plt.bar(df3.index, df3.values, color='lightblue')
plt.plot(df3.index, df3.values, color='r')

plt.title("프랑스 와인 연도별 가격 평균")
plt.xticks(rotation=90)
plt.show()

이렇게 와인의 생산년도, 생산국가에 따라 와인의 가격이 천차만별임을 알 수 있었다. 이제 머신러닝을 이용해 어떠한 특징이 와인에 큰 영향을 주는지 알아보자.

In [ ]:

'데이터 시각화 분석' 카테고리의 다른 글

취미로 하는 데이터 분석 시리즈05(이미지 분류/Dacon 공모전 CNN 클론 코딩) (0)	2022.03.04
취미로 하는 데이터 분석 시리즈04-2(기원후 1000년에 와인을 만들었다면 그 가격은 얼마일까?) (0)	2022.03.01
취미로 하는 데이터 분석 시리즈03(Instagram 팔로워 수 데이터 분석) (0)	2022.02.23
취미로 하는 데이터 분석 시리즈02(Covid 확진자 데이터 분석) (0)	2022.02.22
취미로 하는 데이터 분석 시리즈01(reddit 에서 우수하다고 생각하는 대학 순위) (0)	2022.02.22

UKY.note(Public)

취미로 하는 데이터 분석 시리즈04-1(와인 가격 데이터 분석)

'데이터 시각화 분석' 카테고리의 다른 글

티스토리툴바

취미로 하는 데이터 분석 시리즈04-1(와인 가격 데이터 분석)

'데이터 시각화 분석' 카테고리의 다른 글

'데이터 시각화 분석' Related Articles

티스토리툴바