[Data Viz] Scatter Plot

hyunsooo·2022년 10월 6일

AI-Tech 4기

Scatter Plot

Scatter Plot이란?

Scatter plot은 점을 사용하여 두 feature간의 관계를 알기 위해 사용
산점도 등의 이름으로 사용된다.
직교 좌표계에서 x축/y축에 feature 값을 매핑하여 사용한다.
.scatter()로 사용할 수 있다.

Scatter Plot의 요소

점에서 다양한 variation을 사용할 수 있다.
- 색 (color)
- 모양 (marker)
- 크기 (size)

Scatter Plot의 목적

상관 관계 확인 (양/음의 상관관계 혹은 없음)
아래와 같은 3가지 특성을 확인할 수 있다.
- 군집
- 값 사이의 차이
- 이상치

정확한 Scatter Plot

Overplotting

점이 많아질수록 점의 분포를 파악하기 힘들다.
- 투명도 조정
- 지터링 (jittering): 점의 위치를 약간씩 변경
- 2차원 히스토그램: 히트맵을 사용하여 깔끔한 시각화
- Contour plot: 분포를 등고선을 사용하여 표현

점의 요소와 인지

색
- 연속은 gradient, 이산은 개별 색상으로 설정
마커
- 마커로 점의 양이 많아질수록 거의 구별하기 힘들다.
- 잉크 비례의 법칙에 벗어난다. (모양마다 크기가 다름)
크기
- 크기를 다르게 한 차트를 흔히 버블 차트라고 부른다.
- 구별하기는 쉽지만 오용하기 쉽다.(100을 표현한 점과 300을 표현한 점의 크기가 크게 차이 안나는 경우)
- SWOT 분석 등에 활용할 수 있다.

인과관꼐와 상관관계의 구분

인과 관계 (causal relation)과 상관 관계(correlation)은 다르다.
인과 관계는 항상 사전 정보와 함께 가정으로 제시되어야 한다.

추세선

추세선을 사용하여 scatter의 패턴을 유추할 수 있다.
- 단, 추세선이 2개 이상이 되면 가독성이 떨어지므로 주의

ETC

scatter는 grid와 상성이 좋지 않아 지양한다.
범주형이 포함된 관계에서는 heatmap 또는 bubble chart사용

실습

기본 Scatter Plot

fig = plt.figure(figsize=(7, 7))
ax = fig.add_subplot(111, aspect=1)

np.random.seed(970725)

x = np.random.rand(20)
y = np.random.rand(20)

ax.scatter(x, y)
ax.set_xlim(0, 1.05)
ax.set_ylim(0, 1.05)

plt.show()

Scatter Plot의 요소

색(color)
모양(marker)
크기(size)

fig = plt.figure(figsize=(7, 7))
ax = fig.add_subplot(111, aspect=1)

np.random.seed(970725)

x = np.random.rand(20)
y = np.random.rand(20)
s = np.arange(20) * 20

ax.scatter(x, y, 
           s= s,
           c='white',
           marker='o',
           linewidth=1,
           edgecolor='black')

plt.show()

정확한 Scatter Plot 실습

Data : 봇꽃 데이터셋(iris.csv)

상관관계를 알아보기 위해 산점도를 그려본다.
seaborn이 더 적합한 라이브러리 통계부분에서는 더 특화되어 있다.

꽃받침의 너비와 길이의 관계

fig = plt.figure(figsize=(7, 7))
ax = fig.add_subplot(111)

ax.scatter(x=iris['SepalLengthCm'], y=iris['SepalWidthCm'])

plt.show()

특정 조건에 따라 색 구분

fig = plt.figure(figsize=(7, 7))
ax = fig.add_subplot(111)

slc_mean = iris['SepalLengthCm'].mean()
swc_mean = iris['SepalWidthCm'].mean()

ax.scatter(x=iris['SepalLengthCm'], 
           y=iris['SepalWidthCm'],
           c=['royalblue' if yy <= swc_mean else 'gray' for yy in iris['SepalWidthCm']]
          )

plt.show()

꽃의 종류에 따라 구분

fig = plt.figure(figsize=(7, 7))
ax = fig.add_subplot(111)

for species in iris['Species'].unique():
    iris_sub = iris[iris['Species']==species]
    ax.scatter(x=iris_sub['SepalLengthCm'], 
               y=iris_sub['SepalWidthCm'], 
               label=species)

ax.legend()    
plt.show()