소개
스트림릿 입코딩 스터디 멤버중 패션 상품 기획자가 있는데, 스트림릿을 어떤 곳에 활용할지 궁금하다고 해서, 커서에게 질문을 던져 봤다,
(내용 입력)
🔹 패션 상품 기획자가 스트림릿으로 할수 있는거 추천해줘
(커서 대답)
패션 상품기획자가 Streamlit을 활용하면 데이터 기반 의사결정을 효율적으로 할 수 있습니다. 다음은 실제 업무에 적용할 수 있는 추천 사례입니다.
1. 트렌드 분석 대시보드
- 소셜 미디어, 검색 데이터, 패션 뉴스에서 수집한 트렌드 키워드 시각화
- 시즌별 인기 색상, 패턴, 소재 분석 및 예측
- 트렌드 변화 추이를 인터랙티브 그래프로 표현
2. 상품 판매 성과 분석기
- 제품별, 카테고리별, 시즌별 판매 데이터 분석
- 재고 회전율과 판매율 실시간 모니터링
- 판매 성과에 영향을 미치는 요인 분석(날씨, 마케팅 캠페인, 시즌 등)
3. 컬러 팔레트 및 소재 조합 시뮬레이터
- 다양한 색상 조합을 시각적으로 테스트
- 시즌 팔레트 기획 및 색상 코드 관리
- 소재와 색상의 조합 시뮬레이션
4. 고객 선호도 분석 도구
진행 방법
어떤 도구를 사용했고, 어떻게 활용하셨나요?
커서는 위 4가지 등 10개 정도를 제안해줬는데
🔹 1번 패션 트렌드 대시보드를 주제로 간단한 스트림릿 코드를 만들어 달라고 했다
트렌드 분석 대시보드
- 소셜 미디어, 검색 데이터, 패션 뉴스에서 수집한 트렌드 키워드 시각화
- 시즌별 인기 색상, 패턴, 소재 분석 및 예측
- 트렌드 변화 추이를 인터랙티브 그래프로 표현위 내용으로 간단한 스트림릿 코드를 만들어줘
코드 결과를 아래처럼 브라우저로 볼수 있었고
깃 허브에 완성된 파일을 등록하고
스트림릿 쉐어 사이트를 통해 배포 완료
https://fashion-trend.streamlit.app/
결과와 배운 점
배운 점과 나만의 꿀팁을 알려주세요.
과정 중에 어떤 시행착오를 겪었나요?
스트림릿 쉐어에서 배포를 하는 과정에서 에러가 발생했는데, 원인은 라이브러리 버젼 문제였고, 4개 라이브러리의 버젼을 삭제하고 다시 하라고 해서, 수정후 배포하는데 성공했다. 2번 정도 수정을 했고. 총 1시간 정도 소요.
파이썬 스트림릿 코드 (340줄)
import streamlit as st
import pandas as pd
import numpy as np
import random
import plotly.express as px
import plotly.graph_objects as go
from datetime import datetime
# 페이지 설정
st.set_page_config(page_title="패션 트렌드 분석 대시보드", layout="wide")
# CSS 스타일 추가
st.markdown("""
<style>
.main-header {
font-size: 2.5rem;
color: #333;
text-align: center;
margin-bottom: 2rem;
padding-bottom: 1rem;
border-bottom: 2px solid #fafafa;
}
.sub-header {
font-size: 1.5rem;
color: #444;
margin-top: 1rem;
}
.card {
background-color: #f9f9f9;
border-radius: 5px;
padding: 1rem;
box-shadow: 0 2px 5px rgba(0,0,0,0.1);
}
</style>
""", unsafe_allow_html=True)
# 제목
st.markdown("<h1 class='main-header'>패션 트렌드 분석 대시보드</h1>", unsafe_allow_html=True)
# 가상 데이터 생성
def generate_trend_keywords():
seasons = ['SS22', 'FW22', 'SS23', 'FW23', 'SS24']
keywords = {
'SS22': {'미니멀': 95, '네온': 80, '오버사이즈': 75, '크롭': 70, '빈티지': 65,
'플리츠': 60, '스트라이프': 55, '체크': 50, '트위드': 45, '프릴': 40},
'FW22': {'오버사이즈': 90, '레이어드': 85, '헤리티지': 80, '니트': 75, '빈티지': 70,
'퍼': 65, '벨벳': 60, '체크': 55, '레더': 50, '메탈릭': 45},
'SS23': {'컷아웃': 92, '와이드': 88, '비비드': 82, '크로셰': 78, '트랜스페런트': 72,
'스트라이프': 68, '패치워크': 64, '플로럴': 60, '시스루': 56, '라인스톤': 52},
'FW23': {'오버사이즈': 94, '빌드업': 86, '그런지': 84, '코듀로이': 76, '미니멀': 74,
'체크': 66, '시어링': 64, '레트로': 58, '퀼팅': 54, '멀티포켓': 48},
'SS24': {'바이오필릭': 96, '아르떼': 90, '소프트': 84, '투명': 82, '핸드메이드': 76,
'코튼': 72, '메쉬': 68, '버클': 62, '프린지': 58, '리사이클': 56}
}
return seasons, keywords
def generate_color_data():
seasons = ['SS22', 'FW22', 'SS23', 'FW23', 'SS24']
colors = ['버터 옐로우', '스카이 블루', '세이지 그린', '라벤더', '테라코타',
'네이비', '에메랄드', '퍼플', '차콜', '올리브']
data = []
for season in seasons:
for color in colors:
popularity = random.randint(20, 100)
data.append({'시즌': season, '색상': color, '인기도': popularity})
return pd.DataFrame(data)
def generate_material_data():
seasons = ['SS22', 'FW22', 'SS23', 'FW23', 'SS24']
materials = ['코튼', '실크', '리넨', '데님', '울', '가죽', '벨벳', '트위드', '시폰', '저지']
data = []
for season in seasons:
for material in materials:
popularity = random.randint(15, 95)
data.append({'시즌': season, '소재': material, '인기도': popularity})
return pd.DataFrame(data)
def generate_pattern_data():
seasons = ['SS22', 'FW22', 'SS23', 'FW23', 'SS24']
patterns = ['스트라이프', '플로럴', '체크', '도트', '지오메트릭',
'타이다이', '카모', '애니멀', '페이즐리', '아가일']
data = []
for season in seasons:
for pattern in patterns:
popularity = random.randint(10, 90)
data.append({'시즌': season, '패턴': pattern, '인기도': popularity})
return pd.DataFrame(data)
def generate_time_series():
# 트렌드 변화 추이 데이터 생성
dates = pd.date_range(start='2022-01-01', end='2024-06-30', freq='MS')
trends = ['미니멀', '오버사이즈', '빈티지', '네온', '크롭', '레이어드']
data = []
for trend in trends:
base = random.randint(30, 70)
for date in dates:
# 랜덤한 변동성 추가
value = base + random.randint(-15, 15) + random.randint(-10, 10) * np.sin(date.month/6*np.pi)
value = max(5, min(value, 100)) # 5~100 사이로 제한
# 특정 트렌드는 특정 시즌에 더 강하게 나타남
if trend == '네온' and 3 <= date.month <= 8: # 봄/여름에 강함
value += 15
if trend == '레이어드' and (date.month <= 2 or date.month >= 9): # 가을/겨울에 강함
value += 15
# 데이터 포인트 추가
data.append({'날짜': date, '트렌드': trend, '인기도': value})
return pd.DataFrame(data)
# 데이터 생성
seasons, keywords = generate_trend_keywords()
color_df = generate_color_data()
material_df = generate_material_data()
pattern_df = generate_pattern_data()
trend_time_df = generate_time_series()
# 사이드바 설정
st.sidebar.title("분석 옵션")
selected_season = st.sidebar.selectbox("시즌 선택", seasons, index=len(seasons)-1)
chart_type = st.sidebar.radio("차트 유형", ["막대 차트", "레이더 차트", "히트맵"])
trend_categories = st.sidebar.multiselect("트렌드 추이 선택",
['미니멀', '오버사이즈', '빈티지', '네온', '크롭', '레이어드'],
default=['미니멀', '오버사이즈', '빈티지'])
# 대시보드 헤더 - 현재 선택된 시즌 표시
st.markdown(f"<h2 class='sub-header'>{selected_season} 시즌 트렌드 분석</h2>", unsafe_allow_html=True)
st.markdown("<hr>", unsafe_allow_html=True)
# 3개 열로 레이아웃 구성
col1, col2 = st.columns([3, 2])
with col1:
# 트렌드 키워드 시각화
st.markdown("<div class='card'>", unsafe_allow_html=True)
st.subheader("트렌드 키워드")
keywords_df = pd.DataFrame({
'키워드': list(keywords[selected_season].keys()),
'인기도': list(keywords[selected_season].values())
}).sort_values('인기도', ascending=False)
# 키워드 차트
if chart_type == "막대 차트":
fig = px.bar(keywords_df.head(10), x='키워드', y='인기도', color='키워드',
title=f"{selected_season} 인기 키워드 Top 10")
elif chart_type == "레이더 차트":
fig = go.Figure()
fig.add_trace(go.Scatterpolar(
r=keywords_df.head(8)['인기도'].tolist(),
theta=keywords_df.head(8)['키워드'].tolist(),
fill='toself',
name=selected_season
))
fig.update_layout(
polar=dict(radialaxis=dict(visible=True, range=[0, 100])),
showlegend=False,
title=f"{selected_season} 인기 키워드 분포"
)
else: # 히트맵
# 시즌별 키워드 인기도 매트릭스 생성
keyword_matrix = {}
for season in seasons:
keyword_matrix[season] = keywords[season]
df_heatmap = pd.DataFrame(keyword_matrix).fillna(0)
fig = px.imshow(df_heatmap, color_continuous_scale='Viridis',
title="시즌별 키워드 인기도 히트맵")
st.plotly_chart(fig, use_container_width=True)
st.markdown("</div>", unsafe_allow_html=True)
# 트렌드 변화 추이 그래프
st.markdown("<div class='card'>", unsafe_allow_html=True)
st.subheader("트렌드 변화 추이")
filtered_trends = trend_time_df[trend_time_df['트렌드'].isin(trend_categories)]
fig = px.line(filtered_trends, x='날짜', y='인기도', color='트렌드',
title="시간에 따른 트렌드 변화",
labels={'인기도': '인기도 지수', '날짜': '날짜'},
line_shape='spline')
fig.update_layout(height=500)
st.plotly_chart(fig, use_container_width=True)
st.markdown("</div>", unsafe_allow_html=True)
with col2:
# 인기 색상 차트
st.markdown("<div class='card'>", unsafe_allow_html=True)
st.subheader("인기 색상")
season_colors = color_df[color_df['시즌'] == selected_season].sort_values('인기도', ascending=False).head(5)
if chart_type == "막대 차트":
fig = px.bar(season_colors, x='색상', y='인기도', color='색상',
title=f"{selected_season} 시즌 인기 색상 Top 5",
color_discrete_sequence=px.colors.qualitative.Pastel)
elif chart_type == "레이더 차트":
fig = go.Figure()
fig.add_trace(go.Scatterpolar(
r=season_colors['인기도'].tolist(),
theta=season_colors['색상'].tolist(),
fill='toself',
name=selected_season
))
fig.update_layout(
polar=dict(radialaxis=dict(visible=True, range=[0, 100])),
showlegend=False,
title=f"{selected_season} 인기 색상 분포"
)
else: # 히트맵
pivot_colors = color_df.pivot(index='색상', columns='시즌', values='인기도')
fig = px.imshow(pivot_colors, text_auto=True, aspect="auto", color_continuous_scale='Viridis',
title=f"시즌별 색상 인기도 히트맵")
fig.update_layout(height=300)
st.plotly_chart(fig, use_container_width=True)
st.markdown("</div>", unsafe_allow_html=True)
# 인기 소재 차트
st.markdown("<div class='card'>", unsafe_allow_html=True)
st.subheader("인기 소재")
season_materials = material_df[material_df['시즌'] == selected_season].sort_values('인기도', ascending=False).head(5)
if chart_type == "막대 차트":
fig = px.bar(season_materials, x='소재', y='인기도', color='소재',
title=f"{selected_season} 시즌 인기 소재 Top 5")
elif chart_type == "레이더 차트":
fig = go.Figure()
fig.add_trace(go.Scatterpolar(
r=season_materials['인기도'].tolist(),
theta=season_materials['소재'].tolist(),
fill='toself',
name=selected_season
))
fig.update_layout(
polar=dict(radialaxis=dict(visible=True, range=[0, 100])),
showlegend=False,
title=f"{selected_season} 인기 소재 분포"
)
else: # 히트맵
pivot_materials = material_df.pivot(index='소재', columns='시즌', values='인기도')
fig = px.imshow(pivot_materials, text_auto=True, aspect="auto", color_continuous_scale='Viridis',
title=f"시즌별 소재 인기도 히트맵")
fig.update_layout(height=300)
st.plotly_chart(fig, use_container_width=True)
st.markdown("</div>", unsafe_allow_html=True)
# 인기 패턴 차트
st.markdown("<div class='card'>", unsafe_allow_html=True)
st.subheader("인기 패턴")
season_patterns = pattern_df[pattern_df['시즌'] == selected_season].sort_values('인기도', ascending=False).head(5)
if chart_type == "막대 차트":
fig = px.bar(season_patterns, x='패턴', y='인기도', color='패턴',
title=f"{selected_season} 시즌 인기 패턴 Top 5")
elif chart_type == "레이더 차트":
fig = go.Figure()
fig.add_trace(go.Scatterpolar(
r=season_patterns['인기도'].tolist(),
theta=season_patterns['패턴'].tolist(),
fill='toself',
name=selected_season
))
fig.update_layout(
polar=dict(radialaxis=dict(visible=True, range=[0, 100])),
showlegend=False,
title=f"{selected_season} 인기 패턴 분포"
)
else: # 히트맵
pivot_patterns = pattern_df.pivot(index='패턴', columns='시즌', values='인기도')
fig = px.imshow(pivot_patterns, text_auto=True, aspect="auto", color_continuous_scale='Viridis',
title=f"시즌별 패턴 인기도 히트맵")
fig.update_layout(height=300)
st.plotly_chart(fig, use_container_width=True)
st.markdown("</div>", unsafe_allow_html=True)
# 하단 정보
st.markdown("---")
# 시즌 요약 통계
st.subheader("시즌 통계 요약")
col1, col2, col3, col4 = st.columns(4)
with col1:
st.metric("키워드 수", len(keywords[selected_season]))
with col2:
avg_keyword = np.mean(list(keywords[selected_season].values()))
st.metric("평균 키워드 인기도", f"{avg_keyword:.1f}")
with col3:
top_color = season_colors.iloc[0]['색상']
st.metric("인기 색상", top_color)
with col4:
top_material = season_materials.iloc[0]['소재']
st.metric("인기 소재", top_material)
# 앱 정보
st.caption("이 대시보드는 가상의 데이터를 사용하여 만들어졌습니다. 실제 패션 트렌드 데이터를 활용하면 보다 정확한 분석이 가능합니다.")
st.caption(f"마지막 업데이트: {datetime.now().strftime('%Y-%m-%d %H:%M')}")
# 앱 실행 방법 안내
with st.expander("앱 실행 방법"):
st.code("""
# 필요한 라이브러리 설치
pip install streamlit pandas numpy plotly
# 앱 실행
streamlit run fashion_trend_dashboard.py
""")