이동 평균?
---
**12개월 이동 평균 계산 및 시각화**
이동 평균을 계산하는 이유는 단기적인 변동성을 줄이고, 데이터의 장기적인 추세를 보다 명확하게 파악하기 위함입니다. 여기서는 12개월 이동 평균을 사용합니다.
- `data['Temp'].rolling(window=12).mean()`** 이 코드는 'Temp' 열에 대해 12개월 간격의 이동 평균을 계산합니다. 이는 각 지점에서 이전 11개월과 현재 달을 포함한 12개월 기온의 평균을 계산합니다.
- `plt.plot(data['Moving_Avg'], color='orange', label='12-Month Moving Average')`** 이 코드는 이동 평균을 선 그래프로 시각화합니다.
**선형 회귀를 사용한 추세선 계산 및 시각화**
선형 회귀는 데이터 포인트를 가장 잘 나타내는 선형 관계를 찾는 방법입니다. 여기서는 이동 평균을 사용하여 선형 회귀 모델을 학습시킵니다.
- `yearly_moving_avg = data['Moving_Avg'].resample('Y').mean()`** 이 코드는 이동 평균을 연도별로 리샘플링하고 평균을 계산합니다. 이를 통해 각 연도의 평균 이동 평균 기온을 구합니다.
- `LinearRegression().fit()`** 함수는 선형 회귀 모델을 연도별 평균 이동 평균 기온에 맞게 학습시킵니다. `np.arange(len(yearly_moving_avg)).reshape(-1, 1)`** 부분은 각 연도를 나타내는 피처(독립변수)로 사용됩니다.
- `trend = model.predict()`** 부분은 학습된 모델을 사용하여 추세선의 값을 예측합니다.
- 마지막으로 **`plt.plot()`** 함수는 이 추세선을 이동 평균 그래프에 빨간색 선으로 추가하여 시각화합니다.
이 코드를 실행하면 다음과 같은 결과가 나타납니다:
1. 12개월 이동 평균을 나타내는 주황색 선은 시간이 지남에 따라 기온 데이터의 장기적인 변화를 보여줍니다. 이 선은 단기적인 변동을 평활화하여 일정한 경향을 더 명확하게 보여줍니다.
2. 추세선은 전체 기간 동안 기온의 상승 또는 하락 추세를 나타냅니다. 이 선의 기울기가 양수이면 장기적인 온난화 추세를, 음수이면 온도가 떨어지는 추세를 나타냅니다.
이렇게 분석을 함으로써 우리는 시간이 지남에 따라 기온이 상승하고 있는지 여부를 통계적으로 평가할 수 있습니다.