Create 04_visualize_combined_results.py

scripts/04_visualize_combined_results.py

@@ -0,0 +1,109 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+import matplotlib.font_manager as fm
+import os
+
+# ----------------------------------------
+# 1. 분석 및 시각화 설정 (이곳을 수정하여 그래프를 변경할 수 있습니다)
+# ----------------------------------------
+# 1.1. 분석할 결과 유형을 선택하세요:
+#      - 'lexicon_frequency': 경험-기대 지수 (어휘 빈도 기반)
+#      - 'semantic_orientation': 과거-미래 의미 방향성 (단어 임베딩 기반)
+#      - 'neologism_rate': 신조어 출현율 (시간의 가속화)
+ANALYSIS_TYPE = 'semantic_orientation'
+
+# 1.2. 'semantic_orientation' 분석 시, 사용할 모델 타입을 선택하세요: 'word2vec' 또는 'fasttext'
+MODEL_TYPE = 'word2vec'
+
+# 1.3. 분석할 시간 단위를 선택하세요: 'yearly' 또는 'decade'
+TIME_UNIT = 'yearly'
+
+# ----------------------------------------
+# 2. 설정에 따른 파일 경로 및 변수 동적 생성
+# ----------------------------------------
+output_dir = '/home/work/baro/koselleck_analysis_results'
+input_file_path = ''
+plot_title = ''
+y_label = ''
+
+if ANALYSIS_TYPE == 'lexicon_frequency':
+    input_file_path = os.path.join(output_dir, 'lexicon_frequency.csv')
+    plot_title = "'경험-기대 지수'의 시계열 변화"
+    y_label = "경험-기대 지수 (미래 지향 ↔ 과거 지향)"
+    TIME_UNIT = 'yearly' # 이 분석은 연도 단위만 존재
+elif ANALYSIS_TYPE == 'semantic_orientation':
+    input_file_path = os.path.join(output_dir, f'{TIME_UNIT}_semantic_orientation_scores_{MODEL_TYPE}.csv')
+    plot_title = f"'과거-미래 의미 방향성'의 시계열 변화 ({MODEL_TYPE.upper()}, {TIME_UNIT})"
+    y_label = "의미 방향성 점수 (미래 지향 ↔ 과거 지향)"
+elif ANALYSIS_TYPE == 'neologism_rate':
+    input_file_path = os.path.join(output_dir, f'{TIME_UNIT}_neologism_rate.csv')
+    plot_title = f"'시간의 가속화': {TIME_UNIT} 신조어 출현율 변화"
+    y_label = "신조어 출현율 (%)"
+else:
+    raise ValueError("ANALYSIS_TYPE이 잘못 설정되었습니다.")
+
+output_plot_path = os.path.join(output_dir, f'{ANALYSIS_TYPE}_{MODEL_TYPE}_{TIME_UNIT}_plot.png')
+
+# ----------------------------------------
+# 3. 데이터 로드 및 전처리
+# ----------------------------------------
+print(f"1. 분석 결과 파일 '{input_file_path}'을(를) 로드합니다.")
+try:
+    df = pd.read_csv(input_file_path)
+    
+    # '경험-기대 지수' 계산 (lexicon_frequency 경우)
+    if ANALYSIS_TYPE == 'lexicon_frequency':
+        denominator = df['experience_freq'] + df['expectation_freq']
+        df['value'] = ((df['expectation_freq'] - df['experience_freq']) / denominator).fillna(0)
+        df.rename(columns={'year': 'unit'}, inplace=True)
+    else:
+        df.rename(columns={df.columns[1]: 'value', df.columns[0]: 'unit'}, inplace=True)
+
+    # 데이터가 없는 연도/시대 처리를 위해 전체 시간 축 생성
+    if TIME_UNIT == 'yearly':
+        full_range = pd.DataFrame({'unit': range(1920, 2000)})
+    else: # decade
+        full_range = pd.DataFrame({'unit': range(1920, 2000, 10)})
+    
+    df = pd.merge(full_range, df, on='unit', how='left')
+
+except FileNotFoundError:
+    print(f"오류: '{input_file_path}'를 찾을 수 없습니다. 이전 단계의 분석을 먼저 실행해야 합니다.")
+    exit()
+
+# ----------------------------------------
+# 4. 시각화
+# ----------------------------------------
+print("\n2. 분석 결과를 시각화합니다.")
+plt.style.use('ggplot')
+fig, ax = plt.subplots(figsize=(20, 10))
+
+# 분석 유형에 따라 다른 그래프 형태 적용
+if ANALYSIS_TYPE in ['lexicon_frequency', 'semantic_orientation']:
+    ax.plot(df['unit'], df['value'], linewidth=2.5, marker='o', markersize=5, alpha=0.8)
+    ax.axhline(0, color='black', linestyle='--', linewidth=1, alpha=0.7)
+    ax.text(df['unit'].max() + 1, 0, '균형점', va='center', ha='left')
+else: # neologism_rate
+    ax.bar(df['unit'], df['value'], alpha=0.7, width=df['unit'].diff().min() * 0.8 if TIME_UNIT == 'decade' else 0.8)
+    for i, val in enumerate(df['value']):
+        if pd.notna(val):
+            ax.text(df['unit'].iloc[i], val + 0.5, f"{val:.1f}%", ha='center')
+
+# 공통 그래프 설정
+ax.set_title(plot_title, fontsize=22, pad=25, weight='bold')
+ax.set_xlabel("연도" if TIME_UNIT == 'yearly' else "시대", fontsize=16)
+ax.set_ylabel(y_label, fontsize=16)
+ax.tick_params(axis='x', labelsize=12, rotation=45)
+ax.tick_params(axis='y', labelsize=12)
+ax.grid(True, which='major', linestyle='--', linewidth=0.7)
+
+# 데이터 부재 기간 표시 (연도별 그래프에만 적용)
+if TIME_UNIT == 'yearly':
+    ax.axvspan(1941, 1944, color='gray', alpha=0.2, label='데이터 부재 기간 (1941-1944)')
+    ax.legend()
+
+# 그래프 저장 및 출력
+plt.tight_layout()
+plt.savefig(output_plot_path, dpi=300, bbox_inches='tight')
+print(f"\n생성된 그래프가 다음 경로에 저장되었습니다: {output_plot_path}")
+plt.show()