[Kaggle]MBTI_Myers-Briggs Personality Type Dataset(성격연구)

220122 작성

<본 블로그는 Kaggle 을 참고해서 저만의 풀이를 작성하였습니다>

https://www.kaggle.com/laowingkin/mbti-study-personality

MBTI - Study personality

 

 

 

 

안궁금하겠찌만,,, ㅎ

쓰니의 MBTI 는 ENFJ!!
징징알파카의 MBTI 는 INSF!!

 

 

 

 

 

1. MBTI 데이터 

: MBTI 는 4가지 주요 심리적 기능인 감각, 직관, 느낌 및 사고를 사용하여 인간이 경험하는 일종의 심리학적 분류

 

• 내향성(I) – 외향성(E)
• 직관(N) – 감각(S)
• 생각(T) – 느낌(F)
• 판단(J) – 인식(P)

 

: 데이터 세트에는 8600개 이상의 데이터 행이 포함되어 있으며 각 행에는 다음이 포함

• 유형 (이 사람 4글자 MBTI 코드/유형)
• 최근에 게시한 50개 항목의 섹션(각 항목은 "|||"(파이프 문자 3개)로 구분됨)

 

: 기본 용도

• 기계 학습을 사용하여 MBTI의 유효성과 온라인에서 언어 스타일 및 행동을 예측하는 능력을 평가
• 그들이 작성한 일부 텍스트를 기반으로 사람의 성격 유형을 결정하려고 시도할 수 있는 기계 학습 알고리즘의 생산

mbti_1.csv

 

 

 

 

2. 데이터 분석

- import

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

- read_csv

df = pd.read_csv("/content/drive/MyDrive/></2022/MBTI/mbti_1.csv")
df.head()

- info()

df.info()

- value_counts()

df['type'].value_counts()

 

- "|||" 으로 구분 되어 있는 걸 split!

- comment 마다의 words 와, words 의 개수를 분산으로 ㄱ ㄱ

def var_row(row) :
    l = []
    for i in row.split("|||") :     # 50개 항목의 섹션(각 항목은 "|||"(파이프 문자 3개)로 구분됨)
        l.append(len(i.split()))
    return np.var(l)
    # numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>)[source]
    # 지정된 축을 따라 분산을 계산

# 열 생성
df['words_per_comment'] = df['posts'].apply(lambda x : len(x.split())/50)  # 왜 50으로 나눌까 아 적은 포스트가 50개!
df['variance_of_word_counts'] = df['posts'].apply(lambda x : var_row(x))   # 분산!
df.head()

+) 분산은! 어케 구하냐! 

numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>)[source]

: 관측값에서 평균을 뺀 값을 제곱하고, 그것을 모두 더한 후 전체 개수로 나눠서 구한다

: 즉, 차이값의 제곱의 평균

 

 

- sns 을 사용하여

plt.figure(figsize = (15,10))
sns.swarmplot("type", "words_per_comment", data = df)

음 알록달록 이뿌다

 

 

- groupby 와 agg 합해서 count 적용

# df에서 type 를 그룹(묶고)만들고, agg해서 type 의 count 구하기
df.groupby("type").agg({"type" : "count"})

 

 

 

 

- 이해가 안됨. 왜 저 네개를 빼는거지 ?

# 왜 저 네개의 MBTI 는 뺏을까??
# isin() 메소드 안의 값이 들어 있으면 True, 아니면 False 반환

df_2 = df[~df['type'].isin(['ESFJ', 'ESFP', 'ESTJ', 'ESTP'])]
df_2['http_per_comment'] = df_2['posts'].apply(lambda x : x.count("http")/50)
df_2['qm_per_comment'] = df_2['posts'].apply(lambda x : x.count("?")/50)
df_2.head()

: 4개의 MBTI를 뺀 df_2 에서 http 나 ? 가 들어간 것의 개수를 50으로 나눔~

 

 

 

- 평균도 만들고

df_2.groupby("type").agg({"http_per_comment" : "mean"})

df_2.groupby("type").agg({"qm_per_comment" : "mean"})

 

 

 

- MBTI 마다 이변량 및 일변량 그래프를 사용하여 두 변수의 플롯 을 그림

https://seaborn.pydata.org/generated/seaborn.jointplot.html 참고

def plot_jointplot(mbti_type, axs, titles) :
    df_3 = df_2[df_2["type"] == mbti_type]
    sns.jointplot("variance_of_word_counts", "words_per_comment", data = df_3, kind = "hex", ax = axs, title = titles)

i = df_2["type"].unique()
k = 0
for m in range(0, 2) :
    for n in range(0, 6) :
        df_3 = df_2[df_2['type'] == i[k]]
        sns.jointplot("variance_of_word_counts", "words_per_comment", data = df_3, kind = "hex")
        plt.title(i[k])
        k += 1

: 이런게 12개 펼쳐짐

: 한눈에 비교도 쉽움

 

 

 

 

 

- 핵심단어 시각화

from scipy.misc import imread
from wordcloud import WordCloud, STOPWORDS
# 워드 클라우드 (wordcloud) : 특정 데이터나 텍스트에 자주 등장하는 핵심단어 시각화

fig, ax = plt.subplots(len(df['type'].unique()), sharex = True, figsize = (155, 10*len(df["type"].unique())))

k = 0
for i in df['type'].unique() :
    df_4 = df[df["type"] == i ]
    wordcloud = WordCloud().generate(df_4['posts'].to_string())
    ax[k].imshow(wordcloud)
    ax[k].set_title(i)
    ax[k].axis("off")
    k += 1

쓰니의 MBTI

징징알파카의 MBTI

.. 흠 징징이는 YOUTUBE 를 좋아하나봥