[데이터 시각화] 파이썬으로 그래프 그리기 : matplotlib(1)

240510 Today I Learn

💡 matplotlib
시각화를 위한 파이썬 라이브러리 중 하나로, 다양한 종류의 그래프를 생성하기 위한 도구를 제공

• 2D 그래픽을 생성하는 데 주로 사용
• 선 그래프, 막대 그래프, 히스토그램, 산점도, 파이 차트 등 다양한 시각화 방식을 지원
• 그래프를 색상, 스타일, 레이블, 축 범위 등을 조절하여 원하는 형태로 시각화할 수 있음

그래프 그리기 도구

matplotlib로 그래프 그리기

import pandas as pd
import matplotlib.pyplot as plt

 

💽 예시 데이터셋

newjeans = pd.DataFrame({
    'name' : ['Minji','Hanni','Danielle','Haerin', 'Hyein'],
    'age' : [20, 19, 19, 17, 16],
    'nationality' : ['Korea', 'Australia', 'Australia','Korea','Korea'],
    'height': [169,161.7, 165, 165, 170]
})

• 이름을 x축으로, 키를 y축으로 하는 그래프를 그려보자

x = newjeans['name']
y = newjeans['height']
plt.plot(x,y)

기본 도구 ( 제목, 축이름, 범례 추가하기)

x = newjeans['name']
y = newjeans['height']
plt.plot(x,y)
plt.xlabel('members')
plt.ylabel('height(cm)')
plt.title('Newjeans Height')
plt.legend(['height'])

• 축이름 지정하기 : .xlabel('축이름'), .ylabel('축이름')
• 차트 제목 지정하기 : .title('제목', fontsize = 글씨 크기)
• 범례 지정하기 : .legend(['범례명'])

스타일 설정하기

newjeans.plot(x='name', y = 'height', color='blue', linestyle='--', marker='o')

• color (색상)
  • 기본색상 : 'blue', 'green', 'red', 'cyan', 'magenta', 'yellow', 'black', 'white'
  • RGB값 직접 입력
• linestyle(선 스타일) : '-'(실선), '--'(대시선), ':'(점선), '-.'(점-대시선)
• marker(마커) : 'o'(원), '^'(삼각형), 's'(사각형), '+'(플러스), 'x'(엑스)

기타 (텍스트 추가하기, 그래프 사이즈 변경하기)

• 텍스트 추가하기

 

• 그래프 사이즈 변경하기

plt.figure(figsize=(16,9))

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Example Plot')

→ 시리즈 plot의 사이즈를 변경하고 싶을 때에는 plot 설정 앞에 `plt.figure(figsize=(가로,세로))` 를 넣어 사이즈를 지정해준다. 

fig, plt_newjeans = plt.subplots(figsize=(16,9))
plt_newjeans=newjeans.plot(x='name', y = 'height', color='blue', label='h', ax=plt_newjeans)

→ 데이터 프레임 plot의 경우 `subplots`를 활용해서 박스를 만들어 준 뒤 그 안에 plot을 집어넣는 방식으로 해야함! 이때 반드시 `ax=plt_newjeans`와 같이 축을 지정해줘야 함

그래프 그리기 차트

그래프 유형	자료 유형	특징
Line Plot	연속형 데이터	데이터의 변화 및 추이를 시각화
Bar Plot	범주형 데이터	카테고리 별 값의 크기를 시각적으로 비교
Histogram	연속형 데이터	데이터 분포, 빈도, 패턴 등을 이해
Pie Chart	범주형 데이터의 비율	범주별 상대적 비율을 부채꼴 모양으로 시각화
Box Plot	연속형 데이터의 분포	중앙값, 사분위수, 최소값, 최대값, 이상치 확인
Scatter Plot	두 변수 간 관계	변수 간의 관계, 군집, 이상치 등 확인

Line

💡 Line Chart
데이터 간의 연속적인 관계를 시각화하는 데에 적합. 주로 시간의 흐름에 따른 데이터의 변화를 나타냄

plt.plot(x='x축에 들어갈 값', y='y축에 넣을 값')​

1. 데이터 불러오기

flights = sns.load_dataset('flights')
grouped = flights[['year','passengers']].groupby('year').sum('passengers').reset_index()
grouped

2. Line Chart 그리기

plt.plot(grouped['year'],grouped['passengers'])

 

Bar vs. Histogram

💡Bar Chart
범주형 데이터(group by를 이용해 데이터 그룹화 해줘야 함)를 나타내며, 각각의 막대로 값의 크기를 비교하는 데에 사용됨.

plt.bar(x='x축에 들어갈 값', y='y축에 들어갈 값')​

뉴진스 age

df = newjeans.groupby('age')['name'].count().reset_index(name = 'cnt')
plt.bar(df['age'],df['cnt'])

💡Histogram
연속된 데이터의 분포를 보여준다. 주로 데이터의 빈도를 시각화하여 해당 데이터의 분포를 이해하는 데 사용됨

plt.hist(데이터, color = '색상', bins = 몇개의 bar를 만들고 싶은지,  width = '막대그래프의 너비')

plt.hist(iris['sepal_length'], bins = 5, width=0.5, color='green')

 

💡 막대그래프 vs. 히스토그램

구분	막대 그래프	히스토그램
데이터 유형	범주형 데이터 비교	연속적 데이터 분포
막대 형태	수직 or 수평 막대 (크기)	막대가 붙어있는 형태 (빈도)
시각화 유형	해당 범주의 크기를 나타냄	X축은 데이터 값의 범위를, Y축은 해당 범위에서의 빈도를 나타냄
예시	팀별 판매량, 국가별 GDP 등을 비교	시험 점수 분포, 온도 변화 등 연속적인 데이터의 분포

Piechart

💡 Pie Chart
전체에서 각 부분의 비율을 보여주는 그래프로 주로 카테고리별 비율을 보여주는데 사용됨

plt.pie(범주 안에 들어갈 값,labels= '범주로 사용될 시리즈', autopct='데이터 레이블 표시 형식')​

• auptopct = '%1.1f%%' → 20.0% 로 표시
• auptopct = '%1.1f%%' → 20.00%로 표시

df = newjeans.groupby('age')['name'].count().reset_index(name = 'cnt')
plt.pie(df['cnt'],labels=df['age'], autopct='%1.f%%')

Boxplot

💡Boxplot

• 데이터의 분포와 중앙값, 이상치를 한눈에 파악할 수 있음
• 다수의 그룹 또는 범주 간의 데이터 분포를 비교하는 데 유용
• 통계적으로 중요한 데이터의 특성을 시각적으로 표현할 때 활용됨

plt.boxplot(박스 plot을 그릴 시리즈 데이터, labels = 레이블명, whis = 1.5, vert=True)

• whis = 1.5(기본값) → whis : 수염의 길이

• vert = True(기본값) → 박스플롯이 수직으로 그려짐 (vert=false로 하는 경우 가로로 그림)

• Boxplot 보는 법

1. 상자(Box): 데이터의 중앙값과 사분위수(25%와 75%)를 나타냅니다. 상자의 아래쪽 끝은 25%의 값(1사분위수), 상자의 윗쪽 끝은 75%의 값(3사분위수)을 나타냅니다. 상자의 중앙에 위치한 선은 중앙값을 나타냅니다.
2. 수염(Whisker): 상자의 위 아래로 연장되는 선으로, 일반적으로 1.5배의 사분위 범위로 계산되는데, 이 범위를 넘어가는 값은 이상치(outlier)로 간주됩니다. 수염의 끝은 최솟값과 최댓값을 나타냅니다.
3. 이상치(Outliers): 수염 부분을 벗어나는 개별 데이터 포인트로, 일반적인 범위를 벗어나는 값들을 의미합니다. 이상치는 박스 플롯에서 독립적으로 표시됩니다.

• Boxplot 그리기(iris)

iris = sns.load_dataset('iris')
cols = ['sepal_length','sepal_width','petal_length','petal_width']
new_df = plt.boxplot(iris[cols], labels = cols, whis = 1.5, vert=True)

 

Scatter

💡 Scatter Plot
두 변수 간의 관계를 점으로 표시하여 보여주는 그래프로 각 점이 데이터 포인트를 나타내며, 그 점들이 어떻게 분포되어 있는지 시각적으로 확인할 수 있음.

plt.scatter(x='x축에 들어갈 데이터', y='y축에 들어갈 데이터')​

plt.scatter(iris['petal_length'],iris['sepal_length'], color='pink', s=20, alpha = 0.5)

• color = '색상지정'
• s/ area = '점 크기 지정'
• alpha = 투명도 → 많은 값들이 겹쳐 있는 경우 투명도를 주면, 진하게 보이는 부분에 값이 많이 몰린것을 확인할 수 있음

💡 피어슨 상관계수
두 변수 간의 선형적인 관계를 측정하기 위한 통계적인 방법 중 하나입니다. 주로 연속형 변수들 간의 상관관계를 평가하는 데 사용.

#파이썬에서 상관계수 구하기(.corr)
iris.corr(numeric_only=True)​

• 범위: -1에서 1 사이의 값을 가집니다.
• 양의 상관관계: 1에 가까울수록 강한 양의 선형관계를 나타냅니다.
• 음의 상관관계: -1에 가까울수록 강한 음의 선형관계를 나타냅니다.
• 무상관 관계: 0에 가까울수록 선형관계가 거의 없거나 약한 관계를 가집니다