AI 보안 데이터 리터러시_Seaborn

데이터 시각화 라이브러리_Seaborn

• 최근에 많이 사용되는 라이브러리
• 좀 더 비주얼적인 면이 개선된

import warnings
warnings.filterwarnings('ignore')

import pandas as pd
import seaborn as sns
iris = sns.load_dataset('iris')

iris.head()

.pairplot ( data = 데이터 이름)

sns.pairplot(data = iris) # 하나씩 짝지어서 산점도로 나타나고, 자기 자신은 히스토그램으로 보여줌

sns.pairplot(data = iris, hue='species') # hue : 어떠한 기준으로 구별해서 보여달라

sns.pairplot(data = iris, hue='species', vars = ['petal_length', 'petal_width']) # 원하는 정보만 뽑아보기, x,y 다르게 해서 보여줌

sns.pairplot(data = iris, hue='species', vars = ['petal_length', 'petal_width'], height=4) # 크기 조절

.jointplot( x = '원하는 컬럼명', y = '원하는 컬럼명', data = 데이터 이름, kind = 원하는 종류)

sns.jointplot(x = 'petal_length', y = 'petal_width', data = iris, kind = 'scatter') #jointplot도 x,y가 필요함, 산점도

sns.jointplot(x = 'petal_length', y = 'petal_width', data = iris, kind = 'reg') # 회기선

sns.jointplot(x = 'petal_length', y = 'petal_width', data = iris, kind = 'kde') # 등고선, 확률밀도함수

sns.jointplot(x = 'petal_length', y = 'petal_width', data = iris, kind = 'hex') # 지역볼 때

.lmplot (x = '원하는 컬럼명', y = '원하는 컬럼명', hue = '원하는 기준의 컬럼명', data = 데이터 이름)

sns.lmplot(x = 'sepal_length', y = 'sepal_width', hue = 'species', data = iris) # 종별로 선형관계를 나타내줌

sns.lmplot(x = 'petal_length', y = 'petal_width', hue = 'species', data = iris)

.heatmap

iris.corr()

sns.heatmap(iris.corr())

sns.heatmap(iris.corr(), annot = True) # 수치정보 추가

sns.heatmap(iris.corr(), annot = True, cmap = 'Blues') # - 로 갈수록 진해짐, 색깔을 바꿀 수도 있음

sns.heatmap(iris.corr(), annot = True, cmap = 'Reds') # 색을 바꾸면 거꾸로 1에 가까울 수록 진해짐

sns.heatmap(iris.corr(), annot = True, cmap = 'Greens')

.scatterplot(x = '원하는 컬럼명', y = '원하는 컬럼명', data = 데이터 이름)

sns.scatterplot(x = 'petal_length', y = 'petal_width', data = iris) # 기본적인 산점도

sns.scatterplot(x = 'petal_length', y = 'petal_width', size = 'species', data = iris) # 종별로 크기 달리하기

.relplot(x = '원하는 컬럼명', y = '원하는 컬럼명', hue = '기준이 되는 컬러명', data = 데이터 이름) :

-> np.where로 했던 것을 한번에 나타내줌

sns.relplot(x = 'petal_length', y = 'petal_width', hue = 'species', data = iris)

활용

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

sns.pairplot(tips)

sns.pairplot(tips, hue = 'size') # 몇명 왔는지가 기준

sns.pairplot(tips, hue = 'size', height = 4)

sns.pairplot(tips, hue = 'day')

sns.pairplot(tips, hue = 'day', height = 3)

sns.barplot(x = 'day', y ='tip', data = tips)

tips['day'].value_counts()
> Sat     87
  Sun     76
  Thur    62
  Fri     19
  Name: day, dtype: int64

sns.barplot(x = 'day', y ='tip', hue = 'smoker', data = tips)

sns.lmplot(x= 'total_bill', y = 'tip', data = tips) # 선형선

sns.lmplot(x= 'total_bill', y = 'tip', hue = 'smoker', data = tips)

sns.lmplot(x= 'total_bill', y = 'tip', hue = 'smoker', col = 'size', data = tips) # 사이즈별로 끊어서 보여주는 옵션, size별로

sns.lmplot(x= 'total_bill', y = 'tip', hue = 'smoker', col = 'size', col_wrap = 3, data = tips) # col_wrap 한줄에 몇개씩 보여달라

pivot = tips.pivot_table(index = 'day', columns = 'smoker', values = 'tip') # groupby랑 비슷
pivot

sns.heatmap(pivot, annot = True)

sns.heatmap(pivot, annot = True, cmap = 'Blues')

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

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

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

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

sns.relplot(x = 'total_bill', y = 'tip', hue = 'day', data = tips)

sns.relplot(x = 'total_bill', y = 'tip', hue = 'day', col='size', data = tips)

sns.relplot(x = 'total_bill', y = 'tip', hue = 'day', col='size', col_wrap = 3, data = tips)

sns.catplot(x = 'day', y = 'total_bill', data = tips) # 카테고리 데이터에 쓰는, x는 카테고리컬 데이터, y는 상관없지만 수치면 좋음

sns.catplot(x = 'smoker', y = 'total_bill', data = tips)

sns.catplot(x = 'smoker', y = 'total_bill', data = tips)

sns.catplot(x = 'smoker', y = 'tip', data = tips)