1. numerical data visualization

import seaborn as sns

titanic = sns.load_dataset('titanic') # 타이타닉 데이터 불러오기
titanic['alive'][100]

titanic.head() # 상위 5개 행만 보여주기

1.1 히스토그램(histplot)

print(titanic.size) # 13365개

13365

titanic은 dataframe, x축을 age 열로

sns.histplot(data=titanic, x='age');

x축을 age 열인데, 나이대를 10개로 나누기 bin이 10개. 8살 간격

sns.histplot(data=titanic, x='age', bins=10);

x축을 age 열인데, 나이대를 20개로 나누기 bin이 20개. 4살 간격

sns.histplot(data=titanic, x='age', bins=20);

1.1.1 빈도를 특정 categorical data로도 보고 싶을 때.

• 보다시피 생존자 수 그래프와 사망자 수 그래프를 포개지게 그려진다.
• 회색 구간이 두 그래프가 서로 겹친 부분
  x축을 age열로, 살았는 지 여부(yes or no)를 hue 값으로

sns.histplot(data=titanic, x='age', hue='alive', bins=4);

1.1.2 포개지 않고 생존자 수 위에 사망자 수를 누적해 표현하는 방법

multiple='stack'

sns.histplot(data=titanic, x='age', hue='alive', multiple='stack');

sns.histplot(data=titanic, x='fare', hue='alive', multiple='stack', bins=30);

1.2 kernel density estimation function 그래프(kdeplot)

sns.kdeplot(data=titanic, x='fare');

sns.kdeplot(data=titanic, x='age', hue='alive', multiple='stack');

1.3 분포도(displot)

• numerical data 분포를 나타내는 그래프
• histplot()과 kdeplot() 모두 그릴 수 있음

sns.displot(data=titanic, x='age');

1.3.1 kernel density estimation function

kind=kde

sns.displot(data=titanic, x='age', kind='kde');

1.3.2 histplot 과 kdeplot 동시에 그리는 법

kde=True

sns.displot(data=titanic, x='age', kde=True);

1.4 러그플롯(rugplot)

rugplot은 marginal distribution을 나타내는 그래프.
단독으로 사용하기보다 주로 다른 분포도 그래프와 함께 사용.
다음은 kernel density estimation 함수 그래프와 rugplot을 함께 그린 예시

• age feature가 어떻게 분포돼 있는지 x축 위에 작은 선분으로 표시
• 값이 밀집돼 있을수록 작은 선분들도 밀집

sns.kdeplot(data=titanic, x='age')
sns.rugplot(data=titanic, x='age');

---

2. Categorical Date Visualization

2.1 barplot

Categorical data 값(x축)에 따라 numerical data 값이 어떻게 달라지는 지 파악할 때 사용
barplot()은 categorical data에 따른 numerical data의 mean, median, max, min과 신뢰구간을 그려줌.

• numerical data의 mean은 bar height로
• 신뢰 구간은 error bar로 표현.
  원본 data를 복원 샘플링하여 얻은 표본을 활용해 mean과 신뢰구간을 구하는 것.
  즉, barplot()은 원본 data 평균이 아니라 sampling한 data평균을 구해줌.

  신뢰구간이란?
  모수가 실제로 포함될 것을 예측하는 범위
  https://bioinformaticsandme.tistory.com/256

x에 categorical data, y에 numerical data 전달.
estimator= np.max, np.min, np.median

sns.barplot(data=titanic, x='class', y='fare');

sns.barplot(data=titanic, x='deck', y='fare')

import numpy as np

sns.barplot(data=titanic, x='class', y='fare', estimator=np.max);

2.2 pointplot

barplot과 동일한 정보 제공.
다만 그래프를 점과 선으로 나타냄.

sns.pointplot(x='class', y='fare', data=titanic);

sns.pointplot(x='sex', y='age',hue='deck', data=titanic);

2.3 boxplot

barplot 그래프나 pointplot보다 더 많은 정보를 5가지 요약 수치를 제공

• $Q1$: 전체 데이터 중 하위 25%에 해당하는 값
• $Q2$: 50%에 해당하는 값
• $Q3$: 상위 25%에 해당하는 값
• IQR: $Q3 - Q1$
• 최댓값: outlier를 제외하고 가장 큰 값. $Q3 + 1.5 * IQR$
• 최솟값: outlier를 제외하고 가장 작은 값. $Q1 - 1.5 * IQR$
• outlier: 최댓값보다 큰 값과 최솟값보다 작은 값

sns.boxplot(x='class', y='age', data=titanic);

sns.boxplot(x='sex', y='fare', data=titanic);

2.4 Violinplot

violin plot은 box plot과 kernel density estimation 함수 그래프를 함쳐 놓은 그래프

• 최솟값, Q1, 중앙값, Q2, 최댓값, 이상치 모두 포함

sns.violinplot(data=titanic, x='class', y='fare');

sns.violinplot(data=titanic, x='sex', y='age');

2.5 countplot

categorical data의 빈도(개수)를 확인할 때 사용하는 그래프
range data 구간별이나 categorical에 따른 분포를 파악하기 위해 사용

barplot과 달리 x feature만 전달하면 됨.

sns.countplot(x='class', data=titanic);

sns.countplot(x='sex', data=titanic);

2.7 pie 그래프

categorical data 비율이 비슷하지 않을 때 한눈에 알아볼 수 있는 그래프
seaborn에서는 지원하지 않아 matplotlib이 필요함

import matplotlib.pyplot as plt

x = [10, 60, 30]
labels = ['A','B', 'C']

# %.1f%% -> %.1f 소수점 첫째 자리, %% %문자 붙이기

#plt.pie(x=x, labels=labels, autopct="%.1f%%");

z= [2,4,8]
z_label=['C','D','E']

plt.pie(x=z, labels=z_label, autopct="%.1f%%");

---

3. data column visualization

3.1 heatmap

data 간 관계를 색상으로 표현한 그래프.
비교해야할 column이 많은 경우 사용

import seaborn as sns

flights = sns.load_dataset('flights')

• categorical data 2개(year, month)
• numerical data 1개(passengers)

flights.head()

pivot()

• index와 columns에 전달한 feature를 각각 행과 열로 지정
• values에 전달한 featrue를 합한 표로 반환
  각 연도의 월별 승객 수를 알고 싶으면
  year를 index로 month를 columns로, 합산할 numerical data는 passengers

flights_pivot = flights.pivot(index='year', columns='month', values='passengers')

flights_pivot

sns.heatmap(data=flights_pivot);

3.2 lineplot

두 numerical data 사이 관계를 나타낼 때
x에 전달한 값에 따라 y에 전달한 값의 평균과 95% 신뢰구간을 나타냄

sns.lineplot(x='year', y='passengers', data=flights);

3.4 scatterplot

두 data의 관계를 점으로 표현.

tips = sns.load_dataset('tips')
tips.head()

• 총액이 늘면 팁도 증가할 것이다

sns.scatterplot(x='total_bill', y='tip', data=tips);

sns.scatterplot(x='total_bill', y='size', hue='sex', data=tips);

3.5 regplot(회귀선을 포함한 scatterplot)

• scatterplot과 regression line을 동시에 그려줌.
• regression line을 그리면 상관관계 파악이 쉬움.

sns.regplot(x='total_bill', y='tip', data=tips);

# %%
# ci = 신뢰구간 지정. confidence Interval -> 모집단 분포 추정
sns.regplot(x='total_bill', y='tip', data=tips, ci=99);

---