🐻 이모티콘 트렌드 및 통계 분석 (5) - 시각화를 통한 분석

라벨별 빈도 분석

import matplotlib.pyplot as plt

# 상위 N개의 라벨만 표시 (예: 상위 20개)
top_n = 20
label_counts_top = label_counts_df.head(top_n)

# 그래프 그리기
plt.figure(figsize=(10, 6))
plt.bar(label_counts_top['Label'], label_counts_top['Count'])
plt.title('Label Frequency')
plt.xlabel('Labels')
plt.ylabel('Count')

# x축 라벨을 90도로 회전
plt.xticks(rotation=90)

# 그래프 보여주기
plt.tight_layout()
plt.show()

FONT, Gesture, Art, Happy, Cartton, Jaw, Nose, Humna body, Smile, Eye

이 순으로 많습니다. 아무래도 작은 칸에 이미지를 다 나타내어야 하다 보니

몸 전체가 아니라 얼굴 위주로 이모티콘을 생성하는 것 같습니다.

그래서 턱, 눈 같은 라벨들이 상위권이구요.

폰트, 제스쳐, 아트가 압도적으로 많네요.

아트는 그림이니 논외로 치면 인기 있는 이모티콘들은 폰트를 많이 쓰고, 움직이는 이모티콘들이 많은 것 같습니다.

 

 

import pandas as pd
from wordcloud import WordCloud
import matplotlib.pyplot as plt


# 1. '라벨1'부터 '라벨10'까지의 데이터를 하나로 결합
all_labels = df[['라벨1', '라벨2', '라벨3', '라벨4', '라벨5', '라벨6', '라벨7', '라벨8', '라벨9', '라벨10']].stack()

# 2. 빈도를 계산 (value_counts)
label_frequencies = all_labels.value_counts()

# 3. 라벨 빈도를 기반으로 워드 클라우드 생성
wordcloud = WordCloud(width=800, height=400, background_color='white').generate_from_frequencies(label_frequencies)

# 4. 워드 클라우드 시각화
plt.figure(figsize=(10, 6))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.title('Label Word Cloud')
plt.show()

워드클라우드로 나타내 보았습니다!

글씨 큰것들만 몇개 볼까요

핑크색과 마젠타 색상이 많습니다. 캐릭터 디자인을 정할때 고려할 수 있겠지요

또한 움직이는 모습, 폰트들도 많이 쓰이고 대체적으로 행복한 모습의 이모티콘이 많나 보네요.

Snout, Jaw가 있는거 보면 주둥이, 턱인데 동물 이모티콘이 많아서 나타나는 것 같습니다.

Fictional Character(허구의 인물)가 보이는 이유도 동물 이모티콘(동물을 캐릭터로 가상화) 때문 같습니다.    

 

 

 

순위를 기준으로 라별 빈도  분석

순위를 기준으로 각 라벨의 빈도를 분석하여 상위 순위에서 자주 등장하는 특징을 파악

import pandas as pd
import matplotlib.pyplot as plt

# 상위 20위 데이터 추출
top_ranked = combined_df[combined_df['순위'] <= 20]

# 상위 순위에서 자주 등장하는 라벨
top_labels = top_ranked['Labels'].str.split(', ').explode().value_counts()

# 결과 출력
print(top_labels)

# 그래프 크기 조정 (figsize를 사용하여 크기를 지정)
plt.figure(figsize=(10, 6))  # 가로 10인치, 세로 6인치로 설정
top_labels.plot(kind='bar', title='Top Ranked Labels')

# 그래프 보여주기
plt.tight_layout()  # 레이아웃을 자동으로 조정하여 글자가 잘리지 않도록
plt.show()

 

순위를 기준으로 해도 동일 합니다.

 

 

 

카테고리별 라벨 분포 분석

각 카테고리별로 가장 자주 사용되는 라벨을 시각적으로 나타내어 카테고리별 트렌드를 파악하는 것입니다.

이를 통해 디자인 요소의 카테고리별 차별화를 분석할 수 있습니다.

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager, rc

# 한글 폰트 설정 (Windows의 경우 기본적으로 'Malgun Gothic'을 사용할 수 있습니다)
font_path = "C:/Windows/Fonts/malgun.ttf"  # 폰트 경로 (OS에 따라 다릅니다)
font_name = font_manager.FontProperties(fname=font_path).get_name()
rc('font', family=font_name)

# Labels 열이 여러 개의 라벨을 포함하고 있는 경우 ','로 분리
df['Labels'] = df['Labels'].str.split(',')
df = df.explode('Labels').reset_index(drop=True)

# 카테고리 리스트
categories = ['일상', '연애', '회사']

# 카테고리별로 파이차트 그리기
for category in categories:
    # 해당 카테고리 필터링
    category_data = df[df['카테고리'] == category]
    
    # 라벨별 빈도 계산 및 상위 10개 선택
    label_counts = category_data['Labels'].value_counts().head(10)
    
    # 파이차트 시각화
    plt.figure(figsize=(8, 8))
    plt.pie(label_counts, labels=label_counts.index, autopct='%1.1f%%', startangle=90)
    plt.title(f'{category} 카테고리의 상위 10개 라벨 분포')
    plt.axis('equal')  # 파이차트를 원형으로
    plt.show()

일상 : Font > Art > Gesture > Happy > Cartoon

연애 : Art > Gestrue > Font > Happy > Cartoon

회사: Art > Font > Happy > Gesture > Rectangle

- 일상은 '안녕하세요. 반갑습니다' 등 내용을 전해야 하는게 많아서 폰트가 1위를 차지 하는 것 같습니다.

- 연애는 Gesture가 상위권인데 아무래도 '사랑'을 표현하기 위해서는 움직이는 동작이 많은것 같습니다.

- 회사는 Font와 Rectangle이 상위권인데 회사에서 일할 때 쓰는 문구들 '퇴근하고 싶다, 피곤해' 이런 단어들이 자주 사용되어서 인 것 같습니다.  또한 회사 문서, 컴퓨터, 노트북, 책, 결재서류, 가방 등이 직사각형 형태를 띄고 있어서 Rectangle이 포함된 것 같습니다.

 

 

 

카테고리(일상,연애)에 따른 종류의 분포

 

import pandas as pd
import matplotlib.pyplot as plt
import squarify  # 트리맵 그리기 위해 사용

# 카테고리 '일상'만 필터링
daily_df = df[df['카테고리'] == '일상']

# '일상' 카테고리에서 종류별 빈도수 계산
daily_type_counts = daily_df['종류'].value_counts().reset_index()
daily_type_counts.columns = ['종류', 'Count']

# 트리맵 시각화
plt.figure(figsize=(8, 6))
squarify.plot(sizes=daily_type_counts['Count'], label=daily_type_counts['종류'], alpha=.8)
plt.title('일상 카테고리의 종류 분포 - 트리맵')
plt.axis('off')  # 축을 숨김
plt.show()

# 카테고리 '연애'만 필터링
romance_df = df[df['카테고리'] == '연애']

# '연애' 카테고리에서 종류별 빈도수 계산
romance_type_counts = romance_df['종류'].value_counts().reset_index()
romance_type_counts.columns = ['종류', 'Count']

# 트리맵 시각화
plt.figure(figsize=(8, 6))
squarify.plot(sizes=romance_type_counts['Count'], label=romance_type_counts['종류'], alpha=.8)
plt.title('연애 카테고리의 종류 분포 - 트리맵')
plt.axis('off')  # 축을 숨김
plt.show()

plt.show()

 

도넛 차트로 나타내니 글자가 잘려서 트리맵으로 나타냈습니다. 

 

일상 : 사람>고양이>강아지>만화캐릭터>곰 순으로 많습니다

연애 : 사람>강아지>토끼>곰,수달 순으로 많습니다

두 그래프에서 강아지와 사람이 압도적으로 많은 것을 확인할 수 있습니다. 

의외로 고양이는 연애 카테고리에서는 확인할 수 없는데요. 강아지나 사람에 비해 커플로 나타내기 어려워서 일까요?

강아지는 말티즈-리트리버 이렇게 짝을 나타낼 수 있는 대표 동물이 떠오르는데 고양이는 떠오르지 않네요.  

의외로 토끼는 일상에서는 순위가 상위권 5위안에는 들지 않는 것 같네요

 

 

 

종류에 따른 분포

import pandas as pd
import matplotlib.pyplot as plt

# 1. 종류별 빈도 계산
type_counts = df['종류'].value_counts()

# 2. 종류별 빈도수 테이블 출력
print("종류별 빈도수:")
print(type_counts)

# 3. 도넛 차트 시각화 (개수 표시)
plt.figure(figsize=(8, 8))
plt.pie(type_counts, labels=[f'{label}: {count}개' for label, count in zip(type_counts.index, type_counts.values)],
        autopct=None, startangle=90, wedgeprops={'width': 0.3})
plt.gca().set_aspect('equal')  # 차트를 원형으로 만듦
plt.title('종류에 따른 분포')
plt.show()

종류와 카테고리에 따른 각각의 분포를 구하지 않은 것 같아서

따로 구해보았습니다.

사람 > 강아지 > 고양이 > 만화캐릭터 > 곰 > 비버,토끼 > 햄스터 순으로 많습니다.

의외로 비버가 많네요..?

 

 

카테고리에 따른 분포

import pandas as pd
import matplotlib.pyplot as plt


# 1. 카테고리별 빈도 계산
category_counts = df['카테고리'].value_counts()

# 2. 파이 차트 시각화
plt.figure(figsize=(8, 8))  # 차트 크기 설정
plt.pie(category_counts, labels=category_counts.index, autopct='%1.1f%%', startangle=90)
plt.title('카테고리에 따른 분포')
plt.axis('equal')  # 파이 차트를 원형으로
plt.show()

일상이 압도적으로 많습니다.

회사 이모티콘은 아직 블루오션이라고 볼 수 있을 것 같아요.

 

 

이렇게 시각화를 통해 해당 데이터들을 분석 해 보았습니다.

다음 글에는 통계 분석을 적용 해보겠습니다