강의 초반에 멜트에 대해서 설명해주셨는데

안녕하세요.

좋은 질문을 해주셨네요.

수업에서 소개하는 깔끔한 데이터(tidy data)가 될 때 컬럼에 있는 값을 변수로 사용할 수 있기 때문에 seaborn 으로 시각화 하기가 좋습니다.

데이터는 위와 long-form 과 wide-form 이 있는데 seaborn 은 long-form 형태로 되어 있다면,

x, y, hue 와 같은 옵션에 변수를 지정해서 사용하기가 쉬워요!

그래서 seaborn 으로 시각화를 할 때 각 변수를 x, y, hue, col 등에 지정하고 싶다면 깔끔한 데이터 형태인 long-form 이 유리합니다.

Pandas 로 시각화 할 때는 wide-form 자체에 .plot()을 해주게 되면 컬럼이 여러개 일 때 seaborn 으로 hue 를 지정한 것 처럼 그릴 수 있고 subplots=True 등을 사용했을 때도 wide-form 을 사용하는 것이 시각화 하기에 편합니다.

그리고 이 데이터에서 melt를 해주지 않은 이유는 melt를 하지 않아도 되는 깔끔한 형태이기 때문에 melt를 해주지 않았어요.

melt 를 해야하는 형태는 아파트 분양가의 과거 2013년~2015년의 피봇테이블 형태의 데이터입니다.