RStudio - IRIS 데이터모델을 이용한 분석 예제

IRIS Playground >> RStudio 에서 API 를 통해 IRIS의 데이터 모델을 DSL( Domain-Specific Languag ) 로 가져옵니다.
이 데이터를 IRIS Playground >> RStudio 에서 탐색 / 전처리 / 모델링 합니다.
최종 분석 결과를 Studio 를 이용하여 보고서로 생성합니다.

IRIS 데이터 모델

서울시 대기 정보 통계가 저장된 IRIS 데이터모델 : EDU_SEOUL_AIR_1987_2020
1987년 ~ 2020년 동안 서울특별시의 대기 정보 일일 통계입니다.
데이터 출처 : 서울 열린데이터광장

  • IRIS Analyzer >> 검색 에서 “EDU_SEOUL_AIR_1987_2020” 을 검색 시간 2020년으로 설정하여 조회한 결과입니다.

R_IRIS 01

RStudio : API 로 IRIS 데이터 가져오기

Playground >> RStudio 를 선택합니다.
RStudio 에서 API 기반으로 IRIS 데이터모델의 데이터를 가져오는 방법은 R 에서 IRIS 데이터모델 조회하기 를 참조하시기 바랍니다.
## REST API PART : httr, jsonlite
library(httr)
library(jsonlite)

#######################################
## paramerter assign
#######################################
ADDR <- "angora-svc" # hostname
PORT <- 6036 # port number
SIZE <- -1
SAVE_FLAG <- F

# ID / PASSWRD part
user_id <- "demo"
user_passwd <- 'hello.demo'

#########################################
## POST :  get angora_token : authenticate
#########################################
parameters <- list('q' = q, 'size' = SIZE, 'save'=SAVE_FLAG)

auth_url <- sprintf("http://%s:%s/angora/auth", ADDR, PORT)
body <- list("id" = user_id, "password"=user_passwd )

auth_res <- POST(auth_url, body = body, encode = "json")
res <- content(auth_res, as="text")
token <- fromJSON(res)$token
angora_token <- sprintf("Angora %s" , token)

########################################
## POST : get sid
########################################
job_url <- sprintf("http://%s:%s/angora/query/jobs", ADDR, PORT)
IRIS 데이터모델에서 “평균 PM2_5 농도/day” 을 DSL query로 조회합니다. 초미세먼지 농도 측정은 2012년부터 데이터가 존재합니다.
q <- "model name = 'EDU_SEOUL_AIR_1987_2020' model_owner = demo  | fillna PM2_5 |  stats avg(PM2_5) as AVG_VAL by YYYYMMDD | sort YYYYMMDD"
parameters <- list('q' = q, 'size' = SIZE, 'save'= SAVE_FLAG)

sid_res <- POST(job_url,
            add_headers("Authorization"=angora_token),
            body = parameters, encode = "json")
res <- content(sid_res, as="text")
sid <- fromJSON(res)$sid

###############################################
## GET : query result data -> res_df(dataframe)
###############################################
get_url <- sprintf("http://%s:%s/angora/query/jobs/%s", ADDR, PORT, sid)

data_res <- GET(get_url, add_headers("Authorization" = angora_token))

res <- fromJSON(content(data_res, as="text", encoding = "UTF-8"), flatten = T)
res_df <- as.data.frame(res$results)

colnames(res_df) <- res$fields$name

res_df$AVG_VAL <- as.numeric(res_df$AVG_VAL)
res_df$CTIME <- as.POSIXct(res_df$YYYYMMDD, format="%Y%m%d")
head(res_df)
일단위로 PM2_5의 평균 값을 가져와서 res_df 라는 R dataframe 에 저장합니다.
train 데이터와 test 데이터로 분리합니다.
2020-03-01 이후 데이터를 검증을 위한 test_res_df 로 두고, 이전 데이터는 예측 모델을 학습할 train 데이터 tr_res_df 로 분리합니다.
tr_res_df <- res_df[res_df$YYYYMMDD < '20200301',]
test_res_df <- res_df[res_df$YYYYMMDD >= '20200301',]
R package timeSeries , forecast 로 ARIMA 모델을 이용하여 예측을 합니다.

IRIS Studio 보고서 만들기

Playground >> RStudio 에서 생성한 R Markdown 코드의 실행 결과인 html 파일을 다운로드합니다. -> NEW_usecase_R_IRIS.html
관련한 내용을 IRIS Studio 에서 보고서 EDU_R_서울시초미세먼지 지수평활_ARIMA 로 생성하였습니다.
보고서에서는 원본 IRIS 데이터를 직접 파악할 수 있도록 테이블과 챠트로 보여주고, 설명을 추가합니다.
그리고 분석 결과를 요약하여 보여주고, 일련의 분석 과정 및 통계량, 챠트 등은 결과 html 파일의 링크를 만들어서 별도로 다운로드 받아서 볼 수 있게 합니다.
아래는 보고서 일부를 화면 캡처한 것입니다.
R_IRIS 04