1) Box Plot 시각화

<aside>

price 컬럼에 대해 제품 가격의 분포를 Box Plot으로 시각화하세요. 카테고리별로 그룹화하여 시각화하세요.

</aside>

purchase_data = pd.read_csv('user_purchase_data.csv')

# seaborn의 boxplot 활용
sns.boxplot(x='category', y='price', data = purchase_data)

• 결과 이미지

2) Scatter Plot 시각화

<aside>

age와 total_spent 컬럼을 이용하여 사용자 나이와 총 지출 금액 간의 관계를 Scatter Plot으로 시각화하세요.

</aside>

plt.scatter(purchase_data['age'], purchase_data['total_spent'])

• 결과 이미지

3) 상관관계 분석

<aside> 3️⃣ 모든 수치형 데이터 (price, quantity, total_spent, age, ad_spend, visit_duration) 간의 상관관계를 분석하고, heatmap을 사용하여 시각화하세요.

</aside>

corr_data = purchase_data.corr(numeric_only=True)

sns.heatmap(corr_data, annot=True, cmap ='crest')

• 결과 이미지

4) 히스토그램 시각화

<aside>

age 컬럼에 대한 히스토그램을 작성하여 사용자 나이 분포를 시각화하세요.

</aside>