01_데이터 시각화 기초

데이터 시각화

 

• 데이터를 분석한 결과를 쉽게 이해할 수 있도록 표현하여 전달하는 것
• 데이터의 시각화가 필요한 이유
  • 많은 양의 데이터를 한 눈에 살펴볼 수 있음
  • 전문 지식이 없더라도 누구나 쉽게 데이터를 인지하고 사용할 수 있음
  • 단순한 데이터의 요약이나 나열보다 더 정확한 데이터 분석 결과를 얻을 수 있음
  • 단순한 데이터에서는 알 수 없었던 중요한 정보를 파악할 수 있음

 

 

파이썬의 시각화 라이브러리
(총5가지를 소개하고, 실습은 matplotlib와 seaborn을 사용)

 

• matplotlib(https://matplotlib.org/)
  • 파이썬에서 가장 많이 사용하는 시각화 라이브러리
  • 판다스의 데이터프레임을 바로 시각화할 때도 내부적으로 matplotlib을 사용
  • 데이터 분석 이전의 데이터 이해를 위한 시각화 또는 데이터 분석 이후의 결과를 시각화하기 위해 사용
• seaborn(https://seaborn.pydata.org/)
  • matplotlib을 기반으로 색 테마, 차트 기능 등을 추가해주는 라이브러리
  • matplotlib과 함께 사용하며 히트맵, 카운트 플롯 등을 제공
• folium
  • 지도 데이터를 이용하여 위치 정보를 시각화하는 라이브러리
  • 자바스크립트 기반의 인터랙티브 그래프를 그릴 수 있음
• plotly
  • 인터랙티브 그래프를 그려주는 라이브러리
• wordcloud

 

 

01. 시각화단계

 

1. 시각화 라이브러리 불러오기
2. x축, y축에 표시할 데이터 정하기
3. plot() 함수에 데이터 입력하기
4. 그래프 보여주기

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

# Windows용 한글 폰트 오류 해결
from matplotlib import font_manager, rc
font_path = "C:/Windows/Fonts/malgun.ttf"
font_name = font_manager.FontProperties(fname = font_path).get_name()
rc("font", family = font_name)

# macOS용 한글 폰트 오류 해결
# from matplotlib import rc
# rc("font", family = "AppleGothic")

 

 

 

02. 그래프란

 

• 서로 연관성이 있는 1개 또는 그 이상의 양에 대한 상대 값을 도형으로 나타내는 것
• 데이터의 개수, 종류에 따른 그래프의 종류
  • 일변량(데이터 개수가 1개)
    • 연속형
      • 히스토그램(histogram)
      • 상자수염 그래프(boxplot)
      • 바이올린 그래프(violin)
      • 커널 밀도 그래프(kernel density curve)
    • 범주형
      • 막대 그래프(bar chart)
      • 파이 그래프(pie chart)
  • 다변량(데이터 개수가 2개 이상)
    • 연속형
      • 산점도(scatter plot)
      • 선 그래프(line)
    • 범주형
      • 모자이크 그래프(mosaic graph)
      • Tree Map 그래프

 

 

03. 기본 그래프

 

# 기본 시각화 문법
plt.plot([1, 2, 3, 4])
plt.ylabel("y축") # label: 종속변수
plt.show()

• 리스트의 값이 y값이라고 가정하고 x값을 자동으로 생성 [0, 1, 2, 3]

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.show()

 

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], "ro") # r:red, o:마커, -:선 (기본은 b-)
plt.axis([0, 6, 0, 20]) #xmin, xmax, ymin, ymax
plt.show()

 

 

 

 

04. 범례 추가

 

plt.plot([1, 2, 3], [1, 4, 9])
plt.plot([2, 3, 4], [5, 6, 7])

plt.xlabel("Sequence")
plt.ylabel("Time(secs)")
plt.title("실험 결과")
plt.legend(["쥐", "고양이"])
plt.show()

 

 

05. 여러개의 그래프 그리기

 

t = np.arange(0, 5, 0.2)

plt.plot(t, t, "r--", t, t ** 2, "bs", t, t ** 3, "g^")  # **제곱
plt.show()

 

 

data = [102, 105, 108, 129, 166, 170, 181, 182, 182]
years = range(2010, 2019)
plt.plot(years, data, "rD-")
plt.show()

 

 

 

06. 그래프 영역 채우기

 

x = [1, 2, 3, 4]
y = [1, 4, 9, 16]

plt.plot(x, y)
plt.xlabel("x축")
plt.ylabel("y축")
plt.fill_between(x[1:3], y[1:3], alpha = 0.5) # alpha: 투명도 설정

plt.show()

x = [1, 2, 3, 4]
y = [1, 4, 9, 16]

plt.plot(x, y)
plt.xlabel("x축")
plt.ylabel("y축")
plt.fill_betweenx(y[1:3], x[1:3], alpha = 0.5, color = "pink") # alpha: 투명도 설정

plt.show()

 

 

 

06-1. 두 그래프 사이 영역 채우기

 

x = [1, 2, 3, 4]
y1 = [1, 4, 9, 16]
y2 = [1, 2, 4, 8]


plt.plot(x, y1)
plt.plot(x, y2)

plt.xlabel("x축")
plt.ylabel("y축")
plt.fill_between(x[1:3], y1[1:3], y2[1:3], alpha = 0.5, color = "lightgray") # alpha: 투명도 설정

plt.show()

 

 

06-2. 임의의 영역 채우기

x = [1, 2, 3, 4]
y1 = [1, 4, 9, 16]
y2 = [1, 2, 4, 8]


plt.plot(x, y1)
plt.plot(x, y2)

plt.xlabel("x축")
plt.ylabel("y축")
plt.fill([1.9, 1.9, 3.1, 3.1], [2, 5, 11, 8], alpha = 0.5, color = "lightgray") # alpha: 투명도 설정

plt.show()

 

a = np.arange(0, 2, 0.2)

plt.plot(a, a, "r--", a, a ** 2, "bo", a, a ** 3, "g-.")
plt.show()

 

a = np.arange(0, 2, 0.2)

plt.plot(a, a, "bo")
plt.plot(a, a ** 2, color = "#e35f62", marker = "*", linewidth = 2)
plt.plot(a, a ** 3, color = "springgreen", marker = "^", markersize = 9)
plt.show()

 

 

07. 격자 설정

 

a = np.arange(0, 2, 0.2)

plt.plot(a, a, "bo")
plt.plot(a, a ** 2, color = "#e35f62", marker = "*", linewidth = 2)
plt.plot(a, a ** 3, color = "springgreen", marker = "^", markersize = 9)
plt.grid() #격자 설정


plt.show()

 

a = np.arange(0, 2, 0.2)

plt.plot(a, a, "bo")
plt.plot(a, a ** 2, color = "#e35f62", marker = "*", linewidth = 2)
plt.plot(a, a ** 3, color = "springgreen", marker = "^", markersize = 9)
plt.grid(axis = "y", color = "red", alpha = 0.5, linestyle = "--") # y축만 격자 설정

plt.show()

 

 

 

08. 눈금 표시

 

a = np.arange(0, 2, 0.2)

plt.plot(a, a, "bo")
plt.plot(a, a ** 2, color = "#e35f62", marker = "*", linewidth = 2)
plt.plot(a, a ** 3, color = "springgreen", marker = "^", markersize = 9)
plt.xticks([0, 1, 2]) # x축의 눈금
plt.yticks(np.arange(1, 6)) # y축의 눈금

plt.show()

a = np.arange(0, 2, 0.2)

plt.plot(a, a, "bo")
plt.plot(a, a ** 2, color = "#e35f62", marker = "*", linewidth = 2)
plt.plot(a, a ** 3, color = "springgreen", marker = "^", markersize = 9)
plt.xticks([0, 1, 2]) # x축의 눈금
plt.xticks(np.arange(0, 2, 0.2), labels = ["Jan", "", "Feb", "", "Mar", "", "May", "", "June", ""]) # y축의 눈금
plt.yticks(np.arange(0, 7), ("0", "1GB", "2GB", "3GB", "4GB", "5GB", "6GB"))

plt.show()

 

a = np.arange(0, 2, 0.2)

plt.plot(a, a, "bo")
plt.plot(a, a ** 2, color = "#e35f62", marker = "*", linewidth = 2)
plt.plot(a, a ** 3, color = "springgreen", marker = "^", markersize = 9)
plt.xticks([0, 1, 2]) # x축의 눈금
plt.xticks(np.arange(0, 2, 0.2), labels = ["Jan", "", "Feb", "", "Mar", "", "May", "", "June", ""]) # y축의 눈금
plt.yticks(np.arange(0, 7), ("0", "1GB", "2GB", "3GB", "4GB", "5GB", "6GB"))

plt.tick_params(axis = "x", direction = "in", length = 3, pad = 6, labelsize = 14, labelcolor = "green", top = True)
plt.tick_params(axis = "y", direction = "inout", length = 10, pad = 15, labelsize = 12, width = 2, color = "r")
#direction: 기본값은 out, in으로 하면 안쪽에만 눈금이 나온다

plt.show()

 

 

09. 제목 설정

a = np.arange(0, 2, 0.2)

plt.plot(a, a, "bo")
plt.plot(a, a ** 2, color = "#e35f62", marker = "*", linewidth = 2)
plt.plot(a, a ** 3, color = "springgreen", marker = "^", markersize = 9)

plt.grid(axis = "y", color = "gray", alpha = 0.5, linestyle = "--")
plt.tick_params(axis = "both", direction = "in", length = 3, pad = 6, labelsize = 14)
plt.title("샘플 그래프", loc = "right", pad = 20)

plt.show()

 

※ 3p(price, perpose, people)를 고려하여 그래프를 작성

 

 

10. 서브 플롯

• plt.subplot(nrow, ncol, pos)줄, 칸, 위치

x = np.arange(1, 10)
y1 = x * 5
y2 = x * 1

plt.subplot(2, 1, 1)
plt.plot(x, y1)

plt.subplot(2, 1, 2)
plt.plot(x, y2)
plt.show()

 

x = np.arange(1, 10)
y1 = x * 5
y2 = x * 1

plt.subplot(1, 2, 1)
plt.plot(x, y1)

plt.subplot(1, 2, 2)
plt.plot(x, y2)
plt.show()

 

x = np.arange(1, 10)
y1 = x * 5
y2 = x * 1
y3 = x * 0.3
y4 = x * 0.2

plt.subplot(2, 2, 1)
plt.plot(x, y1)

plt.subplot(2, 2, 2)
plt.plot(x, y2)

plt.subplot(2, 2, 3)
plt.plot(x, y3)

plt.subplot(2, 2, 4)
plt.plot(x, y4)
plt.show()

 

 

• figure.add_subplot(nrow, ncol, pos)

fig = plt.figure()
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)

# hist: 히스토그램, scatter: 산점도
ax1.hist(np.random.randn(100), bins = 20)
ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))
plt.show()

 

 

• plt.subplots(nrow, ncols)

fig, axes = plt.subplots(2, 2, figsize = (10, 8))

axes[0, 0].plot(np.random.rand(5))
axes[0, 0].set_title("axes 1")

axes[0, 1].plot(np.random.rand(5))
axes[0, 1].set_title("axes 2")

axes[1, 0].plot(np.random.rand(5))
axes[1, 0].set_title("axes 3")

axes[1, 1].plot(np.random.rand(5))
axes[1, 1].set_title("axes 4")

plt.show()

 

 

 

11. 데이터 시각화가 필요한 이유

• 앤스콤 4분할 그래프로 확인하기
  • 앤스콤 4분할 데이터는 각각 평균, 분산, 상관관계, 회귀선이 모두 같음
    • 따라서 수칫값만을 확인한다면 각각의 데이터는 모두 같다 라는 착각을 할 수 있음
    • 하지만 시각화하면 모든 데이터그룹들이 서로 다른 데이터패턴을 가짐

 

anscombe = sns.load_dataset("anscombe")

anscombe.head()

 

 

type(anscombe)

pandas.core.frame.DataFrame

anscombe.groupby("dataset").agg(["mean", "std"]).round(2)

 

dataset_1 = anscombe[anscombe["dataset"] == "I"]
dataset_2 = anscombe[anscombe["dataset"] == "II"]
dataset_3 = anscombe[anscombe["dataset"] == "III"]
dataset_4 = anscombe[anscombe["dataset"] == "IV"]

plt.plot(dataset_1["x"], dataset_1["y"], "o")
plt.show()

fig = plt.figure()

axes1 = fig.add_subplot(2, 2, 1)
axes2 = fig.add_subplot(2, 2, 2)
axes3 = fig.add_subplot(2, 2, 3)
axes4 = fig.add_subplot(2, 2, 4)

axes1.plot(dataset_1["x"], dataset_1["y"], "o")
axes2.plot(dataset_2["x"], dataset_2["y"], "o")
axes3.plot(dataset_3["x"], dataset_3["y"], "o")
axes4.plot(dataset_4["x"], dataset_4["y"], "o")

axes1.set_title("dataset_1")
axes2.set_title("dataset_2")
axes3.set_title("dataset_3")
axes4.set_title("dataset_4")

fig.suptitle("Anscombe Data") #super title
plt.tight_layout() #간격 재조정