기획안 작성(8주차)

-

 웹앱을 완성했을 때의 구성을 만들어보았다.

대시보드를 활용했을 때와 streamlit을 활용했을 때 두가지로 나누어 만들어보았다.

1. 대시보드 활용

(1) 첫 화면











1. IT, 반도체, 의약품 등 여러가지 분야를 나열하고, 그 분야별로 아래에 종목명을 나열한다.

2. 사용자가 원하는 정보를 찾을 수 있도록 검색란을 생성한다.

3. 각 분야별로 전날대비 등락률이 가장 큰 상위 10개 종목들만 나타낸다.

- 등락률로 크기와 색상을 결정한다.

- 등락률로 정보를 주는 이유는 등락률이 크다는 것은 그만큼 전날 이슈가 되었다고 생각할 수 있기 때문이다.

(2) 분야를 선택하였을 때













- 이 분야 뉴스에서 어떤 단어가 많이 등장하고 어떤 것들이 이슈가 되는지를 보여주기 위해 다음과 같은 구성을 하였다.
1. 선택한 분야의 종목명을 나열한다.
2. 선택한 분야의 상위 10개 종목의 전날 뉴스 기사들을 워드클라우드로 시각화한다.
3. 선택한 분야의 전날 뉴스 기사들의 제목만 간단하게 보여준다.

(3) 종목을 선택하였을 때














1. 선택한 종목의 일주일간의 주가정보를 제공한다.
2. 시계열 예측을 이용하여 단순하게 예측정보를 시각화하여 제공한다.
3. 선택한 종목의 재무정보를 제공한다.

2. streamlit 활용















제한되는 부분이 많기 때문에 먼저 한 분야(IT)를 선택한다.

(1) 첫 화면

1. IT분야의 등락률 상위 10개 종목을 더 자세히 볼 수 있는 버튼을 생성한다.
2. IT분야의 전날대비 등락률이 가장 큰 상위 10개 종목들만 나타낸다.
- 등락률로 크기와 색상을 결정한다.
- 등락률로 정보를 주는 이유는 등락률이 크다는 것은 그만큼 전날 이슈가 되었다고 생각할 수 있기 때문이다.
3. IT분야 상위 10개 종목의 전날 뉴스 기사들을 워드클라우드로 시각화한다.
- 전날 뉴스에 어떤 단어들이 나왔는지의 정보를 제공하기 위함이다.
4. IT분야 상위 10개 종목의 전날 뉴스 기사들의 제목만 간단하게 보여준다.

(2) 1번의 종목을 선택했을 때

5. 해당 종목의 시계열 예측을 이용하여 단순하게 예측정보를 시각화하여 제공한다.
6. 해당 종목의 일주일간의 주가정보를 제공한다.
7. 해당 종목의 회사 재무정보를 제공한다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

SQL(9)(performance tuning queries, pivoting data)

-
이미지
PERFORMANCE TUNING QUERIES 쿼리를 개선할 수 있는 개선방법을 식별하는 방법 먼저 수행해야하는 계산 수와 쿼리 런타임에 영향을 주는 몇가지 사항 - 테이블 크기 : 쿼리가 수백만개의 행이 있는 하나 이상의 테이블에 도달하면 성능에 영향을 미칠 수 있다. - 조인 : 쿼리가 결과 집합의 행 수를 크게 늘리는 방식으로 두 테이블을 조인하면 쿼리가 느려질 수 있다. - 집계 : 결과를 생성하기 위해 여러 행을 결합하려면 단순히 해당 행을 검색하는 것보다 더 많은 계산이 필요하다. - 쿼리를 실행하는 다른 사용자 : 데이터베이스에서 동시에 실행되는 쿼리가 많을수록 데이터베이스가 주어진 시간에 더 많은 처리해야하며 모든것이 느리게 실행된다. - 데이터베이스 소프트웨어 및 최적화 : 제어 할 수 없는 부분이지만 사용중인 시스템을 알고있다면 범위 내에서 작업하면 쿼리를 보다 효율적으로 만들 수 있다. 테이블 크기 줄이기 1 2 3 4 SELECT   *    FROM  benn.sample_event_table   WHERE  event_date  > =   '2014-03-01'    AND event_date  <    '2014-04-01' cs 1 2 3 SELECT  COUNT( * )    FROM  benn.sample_event_table   LIMIT   100 cs 1 2 3 4 5 6 SELECT  COUNT( * )    FROM  (      SELECT   *        FROM  benn.sample_event_table       LIMIT ...
자세한 내용 보기

데이터 크롤링(3주차)

-
이미지
 데이터를 시각화하고 분석을 진행함에 앞서 필요한 데이터들을 수집가능한지 어떤 문제점이 있는지 알아보기 위해 테스트를 진행해 보았다. 먼저 네이버 금융에 들어가 IT서비스 분야를 선택하면 다음과 같은 화면이 나타난다. 이 곳에서 필요한 데이터를 수집해 보기로 했다. 일단 종목명부터 수집해 보았다. import requests from pprint import pprint from bs4 import BeautifulSoup 먼저 웹 크롤링을 하기 위해 필요한 패키지들을 불러왔다. html = requests.get('https://finance.naver.com/sise/sise_group_detail.nhn?type=upjong&no=154') # 웹 페이지 요청 soup = BeautifulSoup(html.text, 'html.parser') # 다루기 좋게 파싱작업진행 data2 = soup.find_all('div', {'class':'name_area'}) # 회사 이름들을 추출한다. len(data2) #66 66개의 모든 종목명을 추출했다. name=[] for i in range(len(data2)):     name.append(soup.find_all('div', {'class':'name_area'})[i].get_text()) print(name) 리스트로 만들어 좀 더 보기 쉽게 만들었다. 결과는 다음과 같다. name1=[] for i in range(len(name)):     name1.append(name[i].replace('*', '').replace(' ','')) print(name1) 종목명에 특수문자와 공백을 제거했다. 결과는 다음과 같다. 이제 종목명 옆에 있는 다른 값들을 추출해 볼것이다. 이 곳에서 두가지의 문제점을 발견한다. 1. na...
자세한 내용 보기

SQL(8)(writing subqueries, window functions)

-
이미지
WRITING SUBQUERIES 하위쿼리는 쿼리내의 여러 위치에서 사용할 수 있지만 from문으로 시작하는 것이 가장 쉽다. 1 2 3 4 5 6 7 SELECT  sub. *    FROM  (          SELECT   *            FROM  tutorial.sf_crime_incidents_2014_01           WHERE  day_of_week  =   'Friday'        ) sub   WHERE  sub.resolution  =   'NONE' cs 1 2 3 SELECT   *    FROM  tutorial.sf_crime_incidents_2014_01   WHERE  day_of_week  =   'Friday' cs 연습문제 모든 Warrant Arrests를 선택하는 쿼리를 작성하고 해결되지 않은 사건만 표시하는 외부쿼리로 래핑 1 2 3 4 5 6 7 SELECT  sub. *    FROM  (          SELECT   *            FROM  tutorial.sf_crime_incidents_2014_01        ...
자세한 내용 보기