[3주차 - Day4] Python으로 시각화하기 - Matplotlib

Matplotlib 시작하기

• 파이썬의 데이터 시각화 라이브러리 cf) 라이브러리 vs 프레임워크
• matplotlib inline을 통해서 활성화

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

%matplotlib inline

Case Study with Arguments

plt.plot([2, 4, 2, 4, 2]) # 실제 plotting을 하는 함수 # y = x + 1
plt.show() # plt를 확인하는 명령

### Figsize: Figure(도면)의 크기 조절
plt.figure(figsize=(6, 6)) # plotting을 할 도면을 선언

plt.plot([0, 1, 2, 3, 4]) # 실제 plotting을 하는 함수 # y = x
plt.show() # plt를 확인하는 명령

2차 함수 그래프 with plot()

# 리스트를 이용해서 1차함수 y=x를 그려보면:
plt.plot([0, 1, 2, 3, 4])
plt.show()

# numpy.array를 이용해서 함수 그래프 그리기
# y=x^2
x = np.array([1, 2, 3, 4, 5]) # 정의역
y = np.array([1, 4, 9, 16, 25]) # f(x)

plt.plot(x, y)
plt.show()

# np.arange(a, b, c) c: 0.01
x = np.arange(-10, 10, 0.01)
plt.plot(x, x**2)

plt.show()

# x, y축에 설명 추가하기
x = np.arange(-10, 10, 0.01)

###
plt.xlabel("x value")
plt.ylabel("f(x) value")
###

plt.plot(x, x**2)

plt.show()

# x, y축의 범위를 설정하기
x = np.arange(-10, 10, 0.01)

plt.xlabel("x value")
plt.ylabel("f(x) value")

###
plt.axis([-5, 5, 0, 25]) # [x_min. x_max, y_min, y_max] 
###

plt.plot(x, x**2)

plt.show()

# x, y축에 눈금 설정하기
x = np.arange(-10, 10, 0.01)

plt.xlabel("x value")
plt.ylabel("f(x) value")

plt.xticks([-5, 5, 0, 25]) # [x_min. x_max, y_min, y_max] 

plt.xticks([1 for i in range(-5, 5, 1)]) # x축의 눈금 설정, -5, -4, -3, ...
plt.yticks([1 for i in range(0, 24, 3)]) # y축의 눈금 설정, 

plt.plot(x, x**2)

plt.show()

# 그래프에 title 달기
x = np.arange(-10, 10, 0.01)

plt.xlabel("x value")
plt.ylabel("f(x) value")

plt.axis([-5, 5, 0, 25]) # [x_min, x_max, y_min, y_max]
plt.xticks([1 for i in range(-5, 5, 1)]) # x축의 눈금 설정, -5, -4, -3, ...
plt.yticks([1 for i in range(0, 27, 3)]) # y축의 눈금 설정, 

###
plt.title("y = x^2 graph")
###
plt.plot(x, x**2, label="trend")
###
plt.legend()
###
plt.show()

Matplotlib Case Study

꺾은선 그래프(Plot)

x = np.arange(20) # 0~19
y = np.random.randint(0, 20, 20) # 난수를 20번 생성

plt.plot(x, y)

# y축을 20까지 보이게 하고싶다면?
plt.axis([0, 20, 0, 20])
plt.yticks([0, 5, 10, 15, 20])

plt.show()

# Extra: y축을 20까지 보이게 하고싶다면, y축을 "5"단위로 보이게 하고 싶다면?
# .axis(), ytics()

산점도 (Scatter Plot)

plt.scatter(x, y)
plt.show()

박스 그림(Box Plot)

• 수치화 데이터에 대한 정보(Q1, Q2, Q3, min, max)

plt.boxplot((x, y))
plt.title("Box plot of x, y")

plt.show()

# Extra: plot의 title을 "Box plot of y"

막대그래프(Bar Plot)

• 범주형 데이터의 '값'과 크기를 직사각형으로 나타낸 그림

plt.bar(x, y)
plt.xticks(np.arange(0, 20, 1))

plt.show()

# Extra: xtics를 올바르게 처리합니다.

# cf) Histogram
# 도수분포를 직사각형의 막대 형태로 나타냈다.
# "계급"으로 나타낸 것이 특징: 0, 1,2가 아니라 0~2까지의 "범주형" 데이터로 구성 후 그림을 그림

plt.hist(y, bins=np.arange(0, 20, 2))
plt.xticks(np.arange(0, 20, 2))
plt.show()

# Extra: xtics를 올바르게 고칩니다.

원형 그래프(Pie Chart)

• 데이터에서 전체에 대한 부분의 비율을 부채꼴로 나타낸 그래프
• 다른 그래프에 비해서 비율 확인에 용이
• .pie()

z = [100, 300, 200, 400]

plt.pie(z, labels=('one', 'two', 'three', 'four'))
plt.show()

Seaborn

Matplotlib을 기반으로 더 다양한 시각화 방법을 제공하는 라이브러리

• 커널밀도그림
• 카운트그림
• 캣그림
• 스트립그림
• 히트맵

Seaborn Import 하기

import seaborn as sns

커널밀도그림(Kernel Density Plot)

• 히스토그램과 같은 연속적인 분포를 곡선 화해서 그린 그림
• sns.kdeplot()

# in Histogram
x = np.arange(0, 22, 2)
y = np.random.randint(0, 20, 20)

plt.hist(y, bins=x)
plt.show()

# kdeplot
sns.kdeplot(y, shade=True)

plt.show()

카운트그림(Count Plot)

• 범주형 column의 빈도수를 시각화 -> Groupby 후의 도수를 하는 것과 동일한 효과
• sns.countplot()

vote_df = pd.DataFrame({"name":['Andy', 'Bob', 'Cat'], "vote":[True, True, False]})

vote_df

# in matplotlib barplot
vote_count = vote_df.groupby('vote').count()
vote_count

plt.bar(x=[False, True], height=vote_count['name'])
plt.show()

# sns의 countplot
sns.countplot(x = vote_df['vote'])
plt.show()