{"id":1299,"date":"2018-08-16T06:20:44","date_gmt":"2018-08-16T04:20:44","guid":{"rendered":"http:\/\/csaladenes.egologo.transindex.ro\/?p=1299"},"modified":"2018-12-19T05:38:07","modified_gmt":"2018-12-19T03:38:07","slug":"adatviz-palyazat-szekelyfoldiek-eletpalyaja","status":"publish","type":"post","link":"https:\/\/csaladenes.egologo.transindex.adatbank.ro\/?p=1299","title":{"rendered":"Adatviz p\u00e1ly\u00e1zat: Sz\u00e9kely(f\u00f6ldi)ek \u00e9letp\u00e1ly\u00e1ja"},"content":{"rendered":"

Adatviz p\u00e1ly\u00e1zat vend\u00e9gbejegyz\u00e9s: L\u0151rincz Szabolcs<\/h1>\n
\n

Sz\u00e9kely(f\u00f6ldi)ek \u00e9letp\u00e1ly\u00e1ja<\/a><\/h2>\n

Ahogyan a c\u00edm is mutatja, a projektem c\u00e9lja felkutatni az \u00f6sszef\u00fcgg\u00e9seket a sz\u00e9kely(f\u00f6ldi)ek\u00a0sz\u00fclet\u00e9si helyei, lakhelyei,\u00a0tanulm\u00e1nyi ter\u00fcletei,\u00a0\u00e9s szakm\u00e1i k\u00f6z\u00f6tt. Els\u0151sorban az\u00e9rt foglalkoztatott ez a t\u00e9ma,\u00a0mert\u00a0k\u00edv\u00e1ncsi voltam,\u00a0hogy milyen m\u00f3don \u00e9s m\u00e9rt\u00e9kben befoly\u00e1solja a\u00a0sz\u00e9kely(f\u00f6ldi)\u00a0emberek \u00e9let\u00e9t, illetve\u00a0d\u00f6nt\u00e9seit a\u00a0sz\u00e1rmaz\u00e1si hely\u00fck, lakhely\u00fck.\u00a0Olyan fontos k\u00e9rd\u00e9sekre tudunk v\u00e1laszolni tov\u00e1bb\u00e1, mint p\u00e9ld\u00e1ul mennyire tudnak az emberek a saj\u00e1t szakter\u00fclet\u00fck\u00f6n bel\u00fcl elhelyezkedni, milyen tanulm\u00e1nyi\u00a0ter\u00fcletek,\u00a0illetve szakter\u00fcletek n\u00e9pszer\u0171ek a sz\u00e9kely(f\u00f6ldi)ek\u00a0k\u00f6r\u00e9ben, valamint az egyes telep\u00fcl\u00e9seken.<\/p>\n

A tov\u00e1bbiakban szeretn\u00e9k besz\u00e1molni az \u00e1ltalam haszn\u00e1lt adatfeldolgoz\u00e1si-, illetve vizualiz\u00e1l\u00e1si m\u00f3dszerekr\u0151l, eszk\u00f6z\u00f6kr\u0151l,\u00a0majd r\u00f6viden bemutatom az eredm\u00e9nyeimet.<\/p>\n

Adattiszt\u00edt\u00e1s<\/h2>\n

Az\u00a0els\u0151 l\u00e9p\u00e9s azon emberek adatainak kiv\u00e1laszt\u00e1sa, akik publikuss\u00e1 tett\u00e9k a lakhely\u00fcket, tanulm\u00e1nyi ter\u00fcleteiket \u00e9s szakm\u00e1ikat a Facebook profiljukon. (A sz\u00fclet\u00e9si hely minden,\u00a0az adathalmazban szerepl\u0151 egy\u00e9n eset\u00e9n meg volt adva, hiszen eredetileg az alapj\u00e1n voltak gy\u0171jtve az adatok.)<\/p>\n

M\u00e1sodik l\u00e9p\u00e9sk\u00e9nt sorban feldolgoztam a megadott sz\u00fclet\u00e9si helyeket, lakhelyeket, szakm\u00e1kat. El\u0151bb elt\u00e1vol\u00edtottam az \u00e9kezeteket, majd csoportos\u00edtottam \u0151ket. A csoportos\u00edt\u00e1s volt az egyik legid\u0151ig\u00e9nyesebb feladat, hiszen az adathalmaz t\u00f6bbnyelv\u0171s\u00e9g\u00e9nek, \u00e9s a helyes\u00edr\u00e1si hib\u00e1knak k\u00f6sz\u00f6nhet\u0151en az adatok sokf\u00e9l\u00e9k voltak.<\/p>\n

Az els\u0151 gondolatom az volt, hogy valamilyen fel\u00fcgyelet n\u00e9lk\u00fcli tanul\u00e1sra (unsupervised\u00a0learning) \u00e9p\u00fcl\u0151 m\u00f3dszert alkalmazzak, hiszen megk\u00f6nny\u00edten\u00e9 a munk\u00e1m, ha nem kellene p\u00e1r ezer adatot egyenk\u00e9nt csoportokba soroljak. Ilyen\u00a0klaszterez\u0151\u00a0p\u00e9ld\u00e1ul a K-means, melynek egy hasonl\u00f3s\u00e1gi (t\u00e1vols\u00e1g) f\u00fcggv\u00e9nyre van sz\u00fcks\u00e9ge a csoportok meghat\u00e1roz\u00e1s\u00e1hoz, hasonl\u00f3an m\u00e1s\u00a0klaszterez\u0151kh\u00f6z. A szavakra alkalmazhat\u00f3 t\u00e1vols\u00e1gf\u00fcggv\u00e9nyek r\u00e9szletes \u00f6sszehasonl\u00edt\u00e1s\u00e1t a\u00a0JoyOfData<\/a>\u00a0oldalon lehet elolvasni. Mindben az a k\u00f6z\u00f6s, hogy csak az \u00edr\u00e1sbeli (szintaktikai) k\u00fcl\u00f6nbs\u00e9geket tudj\u00e1k\u00a0kik\u00fcsz\u00f6b\u00f6lni, \u00e9ppen ez\u00e9rt a szinonim\u00e1kat \u00e9s a k\u00fcl\u00f6nb\u00f6z\u0151 nyelven megadott szavakat nem k\u00e9pesek egym\u00e1shoz hasonl\u00f3nak tekinteni, \u00e9s \u00edgy egy csoportba sorolni \u0151ket.\u00a0\u00a0Emiatt d\u00f6nt\u00f6ttem\u00a0\u00fagy, hogy saj\u00e1t kez\u0171leg fogom az adatokat csoportos\u00edtani, ennek \u00e9rdek\u00e9ben l\u00e9trehoztam olyan \u201esz\u00f3t\u00e1rakat\u201d amelyek a k\u00fcl\u00f6nb\u00f6z\u0151 lakhelyeket, tanulm\u00e1nyi ter\u00fcleteket, \u00e9s szakter\u00fcleteket csoportokba sorolja. A csoportos\u00edt\u00e1s el\u0151tt 1781 tanulm\u00e1nyi ter\u00fcletet, 4597 szakter\u00fcletet, illetve 3600 lakhelyet tartalmazott az adathalmaz, a\u00a0t\u00edszt\u00edt\u00e1st\u00a0k\u00f6vet\u0151en\u00a0ez 11-, 18-, \u00e9s 12-re cs\u00f6kkent.<\/p>\n

Az adattiszt\u00edt\u00e1st\u00a0ezzel<\/a>\u00a0a\u00a0Jupyter\u00a0munkaf\u00fczettel v\u00e9geztem, felhaszn\u00e1lt k\u00f6nyvt\u00e1rak k\u00f6z\u00f6tt mindenk\u00e9pp\u00a0 megeml\u00edten\u00e9m a\u00a0pandas<\/a>-t, mellyel k\u00f6nnyed\u00e9n\u00a0\u00e9s hat\u00e9konyan\u00a0lehet \u00fagy struktur\u00e1lt,\u00a0mint struktur\u00e1latlan adatokat kezelni \u00e9s feldolgozni.<\/p>\n

Statisztik\u00e1k kinyer\u00e9se \u00e9s vizualiz\u00e1ci\u00f3<\/h2>\n

Az adatok \u201ctisztogat\u00e1sa\u201d ut\u00e1n a statisztik\u00e1k kinyer\u00e9se egyszer\u0171 feladatnak bizonyult, ezt ugyancsak a\u00a0fennebb\u00a0eml\u00edtett munkaf\u00fczettel val\u00f3s\u00edtottam meg, majd a kinyert inform\u00e1ci\u00f3kat\u00a0json<\/a>\u00a0form\u00e1tumban mentettem le a vizualiz\u00e1l\u00e1shoz.<\/p>\n

Az adatvizualiz\u00e1ci\u00f3 egy \u00fajabb kih\u00edv\u00e1s volt sz\u00e1momra, mert ezen a t\u00e9ren rendelkezek a legkevesebb tapasztalattal. Sok\u00e1ig tanakodtam a k\u00fcl\u00f6nb\u00f6z\u0151 k\u00f6nyvt\u00e1rak k\u00f6z\u00f6tt, mint p\u00e9ld\u00e1ul a\u00a0Tableau<\/a>,\u00a0D3.js<\/a>,\u00a0D3plus<\/a>,\u00a0Chart.js<\/a>, v\u00e9g\u00fcl a\u00a0Plotly.js<\/a>\u00a0javascript\u00a0k\u00f6nyvt\u00e1rat v\u00e1lasztottam,\u00a0r\u00e9szben az\u00e9rt, mert m\u00e1r haszn\u00e1ltam a\u00a0Plotly Python API<\/a>-t. Az elk\u00e9sz\u00fclt\u00a0diagramok magukban hordozz\u00e1k a bejegyz\u00e9s elej\u00e9n feltett k\u00e9rd\u00e9sekre a v\u00e1laszokat, melyeket r\u00f6viden be is mutatom.<\/p>\n

Sz\u00fclet\u00e9si hely \u00e9s tanulm\u00e1nyok kapcsolata<\/h2>\n

\n\n