이번 포스트에서는 파이썬과 Kibana를 활용하여 공항 데이터를 분석하고 시각화하는 방법에 대해 알아보겠습니다. Kibana는 Elastic Stack의 하나로서 데이터 시각화 및 탐색 도구로 널리 사용되고 있습니다.

필수 요구사항

1. Elasticsearch와 Kibana가 설치되어 있어야 합니다. Elasticsearch는 데이터를 저장할 수 있는 분산 검색 및 분석 엔진이며, Kibana는 Elasticsearch 데이터를 시각화하고 관리하는 데 사용됩니다.
2. Python 3.x 버전이 설치되어 있어야 합니다.
3. Elasticsearch와 Kibana에 접근할 수 있는 URL과 인증 정보가 있어야 합니다.

데이터 수집 및 Elasticsearch로 적재

먼저, 공항 데이터를 수집하여 Elasticsearch에 적재해야 합니다. 관련 데이터를 CSV 파일로 가지고 있는 경우, pandas 라이브러리를 사용하여 데이터를 처리하고 Elasticsearch로 적재할 수 있습니다. 다음은 예제 코드입니다.

import pandas as pd
from elasticsearch import Elasticsearch

# 공항 데이터 파일 경로
csv_file = 'airport_data.csv'

# 데이터 프레임으로 데이터 읽어오기
df = pd.read_csv(csv_file)

# Elasticsearch 클라이언트 생성
es = Elasticsearch('elasticsearch_url')

# 데이터 프레임을 Elasticsearch로 적재
for index, row in df.iterrows():
    es.index(index='airport_data', body=row.to_dict())

위의 코드에서 csv_file 변수에는 CSV 파일의 경로를 지정해야 합니다. 그리고 elasticsearch_url을 Elasticsearch가 실행되고 있는 URL로 변경해야 합니다. 데이터를 적재할 때, 데이터프레임을 이용하여 각 행을 Elasticsearch에 색인합니다.

Kibana에서 데이터 시각화

데이터가 Elasticsearch에 적재되었으므로 이제 Kibana를 사용하여 데이터를 시각화할 수 있습니다. 브라우저에서 Kibana에 접속하고, 인덱스 패턴을 생성하여 데이터를 시각화할 준비를 하겠습니다.

1. Kibana 대시보드에서 “Management” 섹션으로 이동하고 “Index Patterns”을 선택합니다.
2. “Create index pattern” 버튼을 클릭하고, Elasticsearch에 적재한 인덱스 이름을 입력합니다. 예를 들어, “airport_data”로 입력합니다.
3. 필드를 구성하기 위해 “Next step”을 클릭합니다.
4. 시간 필드를 선택하고 “Create index pattern”을 클릭하여 인덱스 패턴을 생성합니다.

이제 데이터를 시각화할 수 있는 준비가 완료되었습니다. Kibana 대시보드에서 원하는 시각화 작업을 수행할 수 있습니다. 예를 들어, 막대 그래프, 선 그래프, 원 그래프 등을 사용하여 데이터를 시각화할 수 있습니다.

마무리

이번 포스트에서는 파이썬과 Kibana를 활용하여 공항 데이터를 분석하고 시각화하는 방법에 대해 알아보았습니다. Elasticsearch에 데이터를 적재한 후, Kibana를 사용하여 데이터 시각화를 수행할 수 있습니다.

더 많은 Kibana 기능과 Elasticsearch의 데이터 분석 기능을 탐색해 보시기 바랍니다. #파이썬 #데이터시각화