데이터 시각화1

matplotlib이란?

파이썬에서 시각화를 위한 라이브러리 중 하나로, 다양한 종류의 그래프를 생성하기 위한 도구를 제공

2D 그래픽을 생성하는 데 주로 사용한다.

 

import matplotlib.pyplot as plt

import로 matplotlib 라이브러리를 가져와준다.

 

# 선 그래프 그리기

plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Example Plot')
plt.show()

 

결과

 

1. 그래프 그리기

1) 도구

pandas의 plot() 메서드는 DataFrame 객체에서 데이터를 시각화하는 데 사용됨.

plot() 메서드를 호출하고  x와 y인수에 각각 x축과 y축에 해당하는 열을 지정함.

data = { 'A': [1, 2, 3, 4, 5],
             'B': [5, 4, 3, 2, 1] }
df = pd.DataFrame(data)

df.plot(x='A', y='B')
plt.show()

 

2) 스타일 설정하기

plot() 메서드를 호출할 때 다양한 스타일 옵션을 사용하여 그래프의 스타일을 설정할 수 있음.

• Color(색상)

- 'blue', 'green'과 같이 기본 색상 이름 또는 RGB 값을 직접 지정할 수 있음.

 

• Linestyle(선 스타일)

- 선의 스타일은 '-' 실선, '--' 대시선, ':' 점선, '-.' 점-대시선 등으로 지정할 수 있음.

 

• Marker(마커)

- 마커는 데이터 포인트를 나타내는 기호로 'o'(원), '^'(삼각형), 's'(사각형), '+'(플러스), 'x'(엑스) 등 다양한 기호로 지정할 수 있음.

 

3) 범례 추가하기

legend() 메서드를 사용하여 그래프의 범례를 추가할 수 있음.

#1 label
ax = df.plot(x='A', y='B', color='green', linestyle='--', marker='o', label='Data Series')

#2 legend
ax.legend(['Data Series']) 
plt.show()

1번 또는 2번 방법으로 범례를 추가할 수 있음.

 

4) 축, 제목 입력하기

set_xlabel(), set_ylabel(), set_title() 메서드를 사용하여 x축과 y축의 레이블 및 그래프 제목을 추가할 수 있음.

ax.set_xlabel('X-axis Label')
ax.set_ylabel('Y-axis Label')
ax.set_title('Title of the Plot')

plt.show()

 

5) 텍스트 추가하기

text() 메서드를 사용하여 그래프의 특정 위치에 텍스트를 추가할 수 있음.

ax.text(3, 3, 'Some Text', fontsize=12)

plt.show()

 

6) 그래프 키우기

plt.figure() 함수를 사용하여 Figure 객체를 생성하고, 이후에 figsize 매개변수를 이용하여 원하는 크기로 설정할 수 있음.

plt.figure(figsize=(8, 6)) # 가로 8인치, 세로 6인치

 

 

2. 그래프 그리기 - 차트

(참고)

그래프 유형은 다음과 같다.

 

1) Line plot(선 그래프)

데이터 간의 연속적인 관계를 시각화하는 데에 적합

주로 시간의 흐름에 따른 데이터의 변화를 보여줌.

 

import pandas as pd
import matplotlib.pyplot as plt 

#데이터프레임 생성
data = {'날짜': ['2023-01-01', '2023-01-02', '2023-01-03'], '값': [10, 15, 8]}
df = pd.DataFrame(data)

# '날짜'를 날짜 형식으로 변환
df['날짜'] = pd.to_datetime(df['날짜'])

# 선 그래프 작성
plt.plot(df['날짜'], df['값'])
plt.xlabel('날짜')
plt.ylabel('값')
plt.title('선 그래프 예시')

plt.show()

 

2) Bar plot(막대 그래프)

막대 그래프는 범주형 데이터를 나타냄. 각각의 막대로 값의 크기를 비교하는 데에 사용

# 데이터프레임 생성
data = {'도시': ['서울', '부산', '대구', '인천'], '인구': [990, 350, 250, 290]}
df = pd.DataFrame(data)

# 막대 그래프 작성
plt.bar(df['도시'], df['인구'])
plt.xlabel('도시')
plt.ylabel('인구')
plt.title('막대 그래프 예시')

plt.show()

 

3) 히스토그램

히스토그램은 연속된 데이터의 분포를 보여줌.

주로 데이터의 빈도를 시각화하여 해당 데이터의 분포를 이해하는 데 사용됨.

import matplotlib.pyplot as plt
import numpy as np

# 데이터 생성 (랜덤 데이터)
data = np.random.randn(1000)

# 히스토그램 그리기
plt.hist(data, bins=30)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')

plt.show()

bins = 30 >> 몇 개의 구간을 둘 것인가?

 

■ Bar와 히스토그램의 차이는 ?

데이터를 시각화하는 목적이 다른 그래프임.

 

4) Pie Chart(원 그래프)

전체에서 각 부분의 비율을 보여줌.

주로 카테고리별 비율을 비교할 때 사용됨.

import matplotlib.pyplot as plt

# 데이터 생성
sizes = [30, 20, 25, 15, 10]
labels = ['A', 'B', 'C', 'D', 'E']

# 원 그래프 그리기
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title('Pie Chart')

plt.show()

출력 결과

 

5) Box Plot(박스 플롯)

데이터의 분포와 이상치를 시각적으로 보여줌.

중앙값, 사분위수, 최솟값, 최댓값 등의 정보를 제공하여 데이터의 통계적 특성을 파악하는 데 사용.

import matplotlib.pyplot as plt
import numpy as np

# 데이터 생성
np.random.seed(10)
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 박스 플롯 그리기
plt.boxplot(data)
plt.xlabel('Data')
plt.ylabel('Value')
plt.title('Box Plot')

plt.show()

박스플롯은 처음봐서 이미지 첨부함

박스 중앙의 선 - 중앙 값

박스 밑에 선 - 25%

박스 위에선 - 75%

위아래 최대, 최소

 

6) Scatter plot(산점도)

산점도는 두 변수 간의 관계를 점으로 표시하여 보여주는 그래프

각 점이 데이터 포인트를 나타냄. 그 점이 어떻게 분포되어 있는지 시각적으로 확인 가능

 

import matplotlib.pyplot as plt

# 데이터 생성
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 산점도 그리기
plt.scatter(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot')

plt.show()

산점도