Node 01. 데이터를 한눈에! Visualization

이하얀·2024년 11월 6일
%matplotlib inlineAIFFELKDELinestyleMarkerannotatebar graphbarplotcatplotfig.add_subplotfigure!gridheatmaplineplotmatplotlibpandas.plotplt.xlimplt.ylimpointplotseabornsubplottitleviolinplotvisualizationxlabelylabel()데싸데싸 3기데이터 사이언스데이터사이언티스트데이터사이언티스트 3기산점도(scatter plot)선 그래프(line graph)시각화시계열 데이터아이펠파이썬 머신러닝 완벽 가이드확률 밀도 그래프히스토그램
0

☺️ AIFFEL 데이터사이언티스트 3기

목록 보기
41/115
post-thumbnail

1-1. 들어가며

학습 목표

  • 파이썬 라이브러리로 그래프 그리기
    • Pandas, Matplotlib, Seaborn
  • 데이터셋으로 시각화 진행 -> EDA 및 인사이트 도출해보기

1-2. 파이썬으로 그래프를 그린다는 건?

  • 사용 라이브러리
    • Matplotlib, Seaborn

1-3. 간단한 그래프 그리기 (1) 막대그래프 그려보기

그래프 데이터 정의

  • 일반적인 리스트 형식으로 데이터 정의 가능
  • %matplotlib inline : Rich output 매직 메서드(그래프, 그림, 소리 등 output), 해당 메서드 사용 시 그래프 바로 출력

축 그리기

  • figure를 만들고 -> subplot 추가
  • figure만 만들면 -> 축은 없어도 객체는 생성
    • figure() 객체에 add_subplot 메서드로 축 생성
    • figsize 인자값으로 그래프 크기 지정
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)

  • 여러 개의 축도 가능 -> add_subplot 인자로 조정
    • nrows, ncols, index순
fig = plt.figure(figsize=(5,2))
ax1 = fig.add_subplot(1,1,1)

  • 그래프 추가
fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,4)

fig2 = plt.figure()
ax1 = fig2.add_subplot(2,3,1)
ax2 = fig2.add_subplot(2,3,4)
ax3 = fig2.add_subplot(2,3,5)
ax4 = fig2.add_subplot(2,3,6)


그래프 그리기

  • bar 메서드로 막대그래프 그리기
  • x, y 순으로 데이터 넣기
subject = ['English', 'Math', 'Korean', 'Science', 'Computer']
points = [40, 90, 50, 60, 100]

fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)

ax1.bar(subject,points)


그래프 요소 추가

  • xlabel() : x 라벨
  • ylabel() : y 라벨
  • title() : 그래프 제목
plt.xlabel('Subject')  
plt.ylabel('Points')  
plt.title("Yuna's Test Result")

전체 코드 적용



1-4. 간단한 그래프 그리기 (2) 선 그래프 그려보기

Pandas Series 데이터 활용

  • price.plot(ax=ax, style='black')
    • Pandas plot 사용, matplotlib 정의 subplot ax 사용

좌표축 설정

  • plt.xlim(), plt.ylim() : x,y 좌표 범위 설정

그래프 주석

  • annotate()

그리드

  • grid()

실습: 최고가(High) 데이터로 그래프 그리기



1-5. 간단한 그래프 그리기 (3) plot 사용법 상세

plt.plot()로 그래프 그리기

  • plt.plot() : 가장 최근에 그렸던 figure와 subplot을 그림.
    • 인자로 x, y, 마커, 색상 지정 가능
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, np.sin(x), 'o')
plt.plot(x, np.cos(x), '--', color='black') 
plt.show()

  • plt.subplot()으로 서브플롯 추가 가능
x = np.linspace(0, 10, 100)

plt.subplot(2,1,1)
plt.plot(x, np.sin(x), 'o', color='orange')

plt.subplot(2,1,2)
plt.plot(x, np.cos(x), 'orange') 
plt.show()


linestyle, marker 옵션

  • 라인 스타일 및 색상 지정

    • 라인 스타일 -> linestyle 뒤에 이름 넣기

      • plt.plot(x, x + 0, linestyle='solid')
      • plt.plot(x, x + 1, linestyle='dashed')
      • plt.plot(x, x + 2, linestyle='dashdot')
      • plt.plot(x, x + 3, linestyle='dotted')

    • 색상도 지정 -> 해당 기호 뒤에 붙이면 됨.

      • solid : -
      • dashed : --
      • dashdot : -.
      • dotted : :
      plt.plot(x, x + 0, '-g') # solid green 
plt.plot(x, x + 1, '--c') # dashed cyan 
plt.plot(x, x + 2, '-.k') # dashdot black 
plt.plot(x, x + 3, ':r'); # dotted red


Pandas로 그래프 그리기

pandas.plot

  • 판다스 시리즈 형태일 경우
메서드 이름기능
label그래프 범례 네임
axmatplotlib subplot
stylematplotlib 스타일 문자열)
alpha그래프 투명도 (0 ~ 1)
kind그래프 종류: 'line', 'bar', 'barh', 'kde'
logyY축 로그 스케일 여부
use_index객체 색인 -> 눈금 이름으로 쓸 때 사용
rot눈금 이름 회전(0 ~ 360)
xticksx축 눈금
yticksy축 눈금
xlimx축 범위 제한값 : [min, max]
ylimy축 범위 제한값 : [min, max]
grid그리드 표시

  • 데이터 프레임일 경우
메서드 이름기능
subplots컬럼을 서브플롯에 그림
sharexsubplots=True -> X축 공유, 축 범위, 눈금 연결
shareysubplots=True -> Y축 공유
figsize(튜플) 그래프 크기 지정
title(문자열) 그래프 제목 지정
sort_columns컬럼 -> 알파벳 순서 정렬

예시

  • 막대그래프 : kind로 bar 옵션 사용
data.plot(kind='bar', ax=axes[0], color='blue', alpha=1)
data.plot(kind='barh', ax=axes[1], color='red', alpha=0.3)

  • 선 그래프
df = pd.DataFrame(np.random.rand(6,4), columns=pd.Index(['A','B','C','D']))
df.plot(kind='line')



1-6. 간단한 그래프 그리기 (4) 정리해 보자

그래프 생성 과정

1️⃣ fig = plt.figure()

  • figure 객체 선언

2️⃣ ax1 = fig.add_subplot(1,1,1)

  • 축 생성

3️⃣ ax1.bar(x, y) 축 안에 그릴 그래프 메서드 선택, 데이터 삽입

4️⃣ grid, xlabel, ylabel으로 레이블 추가

5️⃣ plt.savefig으로 저장



1-7. 그래프 4대 천왕 (1) 데이터 준비

데이터 준비

  • sns.load_dataset을 이용해 API로 예제 데이터 다운로드 및 로드

데이터 살펴보기 (EDA)

  • df = pd.DataFrame(tips)

  • df.shape : 행과 열 개수 파악

  • df.describe()

  • df.info()

    • 결측치 X
    • 카테고리(범주)형 데이터 : sex, smoker, day, time, size(테이블 인원을 의미)
    • 수치형 데이터 : tips, total_bill

  • df['변수명'].value_counts()

    • 변수의 카테고리별 개수 구하기


1-8. 그래프 4대 천왕 (2) 범주형 데이터

범주형 데이터

  • 범주형 데이터는 막대그래프로 수치 요약
    • 가로, 세로, 누적, 그룹화 막대 그래프 이용

막대그래프(bar graph)

Pandas, Matplotlib

  • tip 컬럼 -> 성별에 대한 평균으로 나타내기

    • 각 성별 그룹에 대한 정보 : 총합, 평균, 데이터량 등

  • 성별별 팁 평균

  • 성별별 팁 횟수

  • 성별에 따른 팁 액수 평균 -> 막대그래프로

    • x, y 지정

    • 그래프 그리기

      import matplotlib.pyplot as plt

plt.bar(x = x, height = y)
plt.ylabel('tip[$]')
plt.title('Tip by Sex')


  • 실습 : 요일(day)에 따른 평균 tip 그래프
grouped = df['tip'].groupby(df['day']).mean()

x = list(grouped.index)
y = list(grouped.values)

plt.bar(x = x, height = y)

plt.ylabel('tip[$]')
plt.title('Tip by Day')
plt.show()


⭐️ Seaborn, Matplotlib

  • sns.barplot 사용

  • 옵션 추가

  • 요일(day)에 따른 평균 tip 그래프

  • violinplot

    • 범주형 그래프를 나타내기 좋음.

  • catplot

  • 실습 : 시간대(time)에 따른 그래프



1-9. 그래프 4대 천왕 (3) 수치형 데이터

수치형 데이터

  • 산점도, 선 그래프가 좋음.

전체 음식 가격(total_bill)에 따른 tip 데이터 시각화

산점도(scatter plot)

  • 요일에 따른 tip, Total_bill 관계


선 그래프(line graph)

  • numpy로 임의 데이터 생성해 그래프 그려보기

    • np.random.randn : 표준 정규분포에서 난수 생성
    • cumsum() : 누적합

  • Seaborn


히스토그램

  • 도수분포표를 그래프로!

    • 가로축 : 변수 구간, bin
    • 세로축 : 빈도수, frequency
    • 전체 총량 : n

  • 히스토그램 그려보기

    • x1 : mean 100, std 15인 정규분포를 따름.
    • x2 : mean 130, std 15인 정규분포를 따름.
    • 도수 : 50개 구간, 빈도

예제 데이터 히스토그램

  • 전체 결제 금액 대비 팁 비율 히스토그램

  • seaborn

  • 확률 밀도 그래프



1-10. 시계열 데이터 시각화하기

1949년-1960년도별 탑승객 예제 데이터

데이터 가져오기

그래프 그리기

  • seaborn barplot

  • seaborn pointplot

  • seaborn lineplot

  • 달별로 보기 위한 인자 할당

  • 히스토그램



1-11. Heatmap

  • 데이터 차원 제한은 없으나 -> 모두 2차원으로 시각화!

  • pivot()

    • flights 탑승객 수를 year, month로 pivot

  • 히트맵 그리기

profile
이하얀
언젠가 내 코드로 세상에 기여할 수 있도록, Data Science&BE 개발 기록 노트☘️
다음 포스트

[textBook] Ch 10. 시각화

0개의 댓글