[python 실습] seaborn 여러가지 시각화

 

 

 

 

그래프에 수직선, 수평선 그리기¶

 

In [41]:

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

 

In [5]:

# 그래프에 한글폰트 설정
plt.rcParams['font.family'] = 'AppleGothic'

# 유니코드에서 그래프에 마이너스 기호 깨지는 문제 해결
plt.rcParams['axes.unicode_minus'] = False

 

In [6]:

# 그리드 스타일
plt.rcParams['grid.linestyle'] = '--'
plt.rcParams['grid.alpha'] = 0.3

 

 

수평선 그리기¶

• plt.axhline(y좌표, x축시작위치, x축끝위치)
  수평선의 길이가 1이라고 했을 때 x축시작위치, x축끝위치를 지정한다.
  따로 지정하지 않으면 x축 전범위에 걸쳐 그려진다.
• plt.hlines(y, x축시작좌표, x축끝좌표)

 

In [103]:

plt.plot([1,2,3,4], 'ko')

plt.axhline(2,0,1, color='b', alpha=0.5, ls=':')

plt.hlines(3, 0.0, 3.0, color='darkorange', ls='-.')
plt.show()

 

 

 

 

수직선 그리기¶

• axvline(x좌표, y축시작위치, y축끝위치)
  수직선의 길이가 1이라고 했을 때 y축시작위치, y축끝위치를 지정한다.
  따로 지정하지 않으면 y축 전범위에 걸쳐 그려진다.
• vlines(x, y축시작좌표, y축끝좌표)

 

In [104]:

plt.plot([1,2,3,4], 'ko')
plt.axvline(1, 0, 0.5, ls='--', color='r')
plt.vlines(2, 1.0, 3.0, ls=':', color='g')
plt.show()

 

 

 

 

예제 : 요일별 판매 테이블 수¶

 

In [10]:

import seaborn as sns
tips = sns.load_dataset('tips')
tips.head(3)

 

Out[10]:

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3

 

 

요일 별 테이블 수¶

• 요일별 데이터 수

 

In [11]:

s = tips['day'].value_counts()
s

 

Out[11]:

Sat     87
Sun     76
Thur    62
Fri     19
Name: day, dtype: int64

 

In [12]:

plt.figure(figsize=(15,3))  # 가로사이즈 늘리기
plt.barh(s.index, s.values)
plt.xticks(range(0,91,1), rotation=90)  # 레이블 90도로 회전
plt.grid(axis='x')  # 그리드 표시 
plt.axvline(s['Fri'], color='k')
plt.axvline(s['Thur'], color='k')
plt.axvline(s['Sun'], color='k')
plt.axvline(s['Sat'], color='k')

plt.show()

 

 

 

 

그래프에 설명적기¶

 

 

텍스트 추가하기¶

• plt.text(x좌표, y좌표, 텍스트)
• rotation=회전각도
• ha : horizontal alignment
• va : vertical alignment
• 텍스트 상자
  bbox = {'boxstyle':상자스타일, 'fc':facecolor,'ec':edgecolor,...}
  boxstyle : 'round'/'square'

 

In [107]:

plt.plot([1,2,3,4], 'ko')
plt.text(2.1, 3, '(x:2, y:3)', ha='left', va='bottom', fontsize=12, rotation=45
        , bbox={'boxstyle':'round', 'fc':'skyblue', 'ec':'b', 'alpha':0.3})
plt.axhline(3, ls=':', alpha=0.5, lw=0.5)
plt.axvline(2, ls=':', alpha=0.5, lw=0.5)
plt.plot(2,3,'ro')

plt.show()

 

 

 

 

화살표와 텍스트 추가하기¶

plt.annotate('텍스트',xy=(화살표x,화살표y), xytext=(텍스트x,텍스트y), arrowprops=화살표속성(딕셔너리))

화살표 속성 width The width of the arrow in points headwidth The width of the base of the arrow head in points headlength The length of the arrow head in points shrink Fraction of total length to shrink from both ends

 

In [109]:

plt.plot([1,2,3,4], 'ko')
plt.axhline(2, color='orange', lw=0.5, alpha=0.5, ls='--')
plt.axvline(1, color='orange', lw=0.5, alpha=0.5, ls='--')
plt.plot(1,2,'ro')

plt.annotate('(x:1,y:2)', xy=(1,2), xytext=(1.5,2.5)
             , arrowprops={'width':1, 'headwidth':10, 'headlength':10, 'shrink':0.1, 'fc':'r'}
             , fontsize=12, color='r')
plt.show() 

 

 

 

 

2중y축 표시하기¶

 

In [25]:

age = [13,14,15,16,17]
height = [160,165,170,173,177]
weight = [80,85,83,78,73]

 

 

두가지 정보를 하나의 그래프에 그리기¶

• 축을 분리하기 위해 객체지향으로 그린다.
• fig, ax = plt.subplots()

 

In [26]:

fig, ax = plt.subplots()
ax.bar(age, height, color='skyblue', width=0.5, ec='lightgray', label='height')
ax.plot(age, weight, color='darkred', marker='o', ls='-.', label='weight')
plt.legend()
plt.show()

 

 

 

 

2중 y축 만들기¶

• x축을 공유하는 새로운 axes객체를 만든다.
  axes객체.twinx()

 

In [27]:

fig, ax1 = plt.subplots()
ax1.bar(age, height, color='skyblue', width=0.5, ec='lightgray', label='height')

ax2 = ax1.twinx()
ax2.plot(age, weight, color='darkred', marker='o', ls='-.', label='weight')
plt.show()

 

 

 

 

축 레이블 표시하기¶

axes객체.set_xlabel(x레이블)
axes객체.set_ylabel(y레이블)

 

In [31]:

fig, ax1 = plt.subplots()
ax1.bar(age, height, color='skyblue', width=0.5, ec='lightgray', label='height')

ax2 = ax1.twinx()
ax2.plot(age, weight, color='darkred', marker='o', ls='-.', label='weight')

ax1.set_xlabel('나이')
ax1.set_ylabel('키(cm)')
ax2.set_ylabel('몸무게(kg)')

plt.show()

 

 

 

 

y축 범위 지정¶

• axes객체.set_ylim(y축눈금범위)

 

In [32]:

fig, ax1 = plt.subplots()
ax1.bar(age, height, color='skyblue', width=0.5, ec='lightgray', label='height')

ax2 = ax1.twinx()
ax2.plot(age, weight, color='darkred', marker='o', ls='-.', label='weight')

ax1.set_xlabel('나이')
ax1.set_ylabel('키(cm)')
ax2.set_ylabel('몸무게(kg)')

ax1.set_ylim(150,180)
ax2.set_ylim(60,90)
plt.show()

 

 

 

 

y축 눈금¶

• axes객체.set_yticks(y축눈금)
• axes객체.tick_params(...)

 

In [33]:

fig, ax1 = plt.subplots()
ax1.bar(age, height, color='skyblue', width=0.5, ec='lightgray', label='height')

ax2 = ax1.twinx()
ax2.plot(age, weight, color='darkred', marker='o', ls='-.', label='weight')

ax1.set_xlabel('나이')
ax1.set_ylabel('키(cm)')
ax2.set_ylabel('몸무게(kg)')

ax1.set_ylim(150,180)
ax2.set_ylim(60,90)

ax1.set_yticks(height)
ax2.set_yticks(weight)

ax1.tick_params(axis='y', colors='skyblue')
ax2.tick_params(axis='y', colors='darkred')

plt.show()

 

 

 

 

범례 표시¶

• axes객체별로 legend메소드 호출

 

In [34]:

fig, ax1 = plt.subplots()
ax1.bar(age, height, color='skyblue', width=0.5, ec='lightgray', label='height')

ax2 = ax1.twinx()
ax2.plot(age, weight, color='darkred', marker='o', ls='-.', label='weight')

ax1.set_xlabel('나이')
ax1.set_ylabel('키(cm)')
ax2.set_ylabel('몸무게(kg)')

ax1.set_ylim(150,180)
ax2.set_ylim(60,90)

ax1.set_yticks(height)
ax2.set_yticks(weight)

ax1.tick_params(axis='y', colors='skyblue')
ax2.tick_params(axis='y', colors='darkred')

ax1.legend()
ax2.legend()

plt.show()

 

 

 

 

그리드 표시¶

• axes객체.grid()

 

In [110]:

fig, ax1 = plt.subplots()
ax1.bar(age, height, color='skyblue', width=0.5, ec='lightgray', label='height')

ax2 = ax1.twinx()
ax2.plot(age, weight, color='darkred', marker='o', ls='-.', label='weight')

ax1.set_xlabel('나이')
ax1.set_ylabel('키(cm)')
ax2.set_ylabel('몸무게(kg)')

ax1.set_ylim(150,180)
ax2.set_ylim(60,90)

ax1.set_yticks(height)
ax2.set_yticks(weight)

ax1.tick_params(axis='y', colors='skyblue')
ax2.tick_params(axis='y', colors='darkred')

ax1.legend()
ax2.legend()

ax1.grid(axis='y', ls='--', color='skyblue')
ax2.grid(axis='y', ls='--', color='pink')
plt.show()

 

 

 

 

seaborn-막대그래프¶

 

In [38]:

tips = sns.load_dataset('tips')

 

In [39]:

tips.head()

 

Out[39]:

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

 

In [40]:

tips.info()

 

 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 244 entries, 0 to 243
Data columns (total 7 columns):
 #   Column      Non-Null Count  Dtype   
---  ------      --------------  -----   
 0   total_bill  244 non-null    float64 
 1   tip         244 non-null    float64 
 2   sex         244 non-null    category
 3   smoker      244 non-null    category
 4   day         244 non-null    category
 5   time        244 non-null    category
 6   size        244 non-null    int64   
dtypes: category(4), float64(2), int64(1)
memory usage: 7.4 KB

 

 

요일별 팁 평균¶

 

 

matplotlib으로 시각화¶

 

 

데이터 가공¶

• 요일별 팁 평균 계산
• 그룹핑 : 데이터프레임.groupby(그룹기준컬럼)[통계적용컬럼].통계함수

 

In [42]:

day_tip_mean = tips.groupby('day')['tip'].mean()
day_tip_mean

 

Out[42]:

day
Thur    2.771452
Fri     2.734737
Sat     2.993103
Sun     3.255132
Name: tip, dtype: float64

 

 

데이터 시각화¶

• plt.bar(x,y)

 

In [44]:

plt.bar(day_tip_mean.index, day_tip_mean)
plt.xlabel('day')
plt.ylabel('tip')
plt.title('요일별 팁 평균', size=15)
plt.show()

 

 

 

 

seaborn으로 그리기¶

• `sns.barplot(data=데이터프레임명, x=x축컬럼, y=y축컬럼)`
• x축데이터로 그룹핑한 y축데이터의 평균값을 계산하여 그래프를 그려준다.
• 신뢰구간(CI:Confidence Interval)을 함께 표시

 

In [46]:

sns.barplot(data=tips, x='day', y='tip', errorbar=None)
plt.title('요일별 팁 평균', size=15)
plt.show()

 

 

 

 

요일별 팁 합계¶

 

 

matplotlib으로 그리기¶

 

In [47]:

day_tip_sum = tips.groupby('day')['tip'].sum()
day_tip_sum

 

Out[47]:

day
Thur    171.83
Fri      51.96
Sat     260.40
Sun     247.39
Name: tip, dtype: float64

 

In [48]:

plt.bar(day_tip_sum.index, day_tip_sum)
plt.xlabel('day')
plt.ylabel('tip')
plt.title('요일별 팁 합계', size=15)
plt.show()

 

 

 

 

seaborn으로 그리기¶

• estimator = 통계함수

 

In [52]:

sns.barplot(data=tips, x='day', y='tip', errorbar=('ci',90), estimator=sum)
plt.title('요일별 팁 합계', size=15)
plt.show()

 

 

 

 

요일별 팁 합계를 흡연여부로 비교¶

• hue : y를 그룹핑할 컬럼

 

In [53]:

sns.barplot(data=tips, x='day', y='tip', errorbar=None, estimator=sum, hue='smoker')
plt.title('요일별 팁 합계', size=15)
plt.show()

 

 

 

 

• hue 색상 변경 : palette = 구분:색상 딕셔너리

 

In [54]:

sns.barplot(data=tips, x='day', y='tip', errorbar=None, estimator=sum, hue='smoker'
           , palette ={'Yes':'gray', 'No':'skyblue'})
plt.title('요일별 팁 합계', size=15)
plt.show()

 

 

 

 

• pyplot의 메소드로 그리드 추가

 

In [56]:

sns.barplot(data=tips, x='day', y='tip', errorbar=None, estimator=sum, hue='smoker'
           , palette ={'Yes':'gray', 'No':'skyblue'})
plt.title('요일별 팁 합계', size=15)
plt.grid(axis='y', ls=':')
plt.show()

 

 

 

 

데이터의 관계파악을 위한 scatterplot¶

 

In [58]:

tips = sns.load_dataset('tips')

 

In [59]:

tips.head()

 

Out[59]:

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

 

 

total_bill과 tip의 관계¶

 

 

matplotlib으로 그리기¶

plt.scatter(x,y)

 

In [60]:

plt.scatter(tips['total_bill'],tips['tip'])
plt.show()

 

 

 

 

요일 구분¶

 

 

• total_bill에 따른 tip의 분포 - 색상으로 요일 표시
  'Sun':'red'
  'Sat':'blue'
  'Thur':'green'
  'Fri':'yello'

 

In [61]:

tips['day'].unique()

 

Out[61]:

['Sun', 'Sat', 'Thur', 'Fri']
Categories (4, object): ['Thur', 'Fri', 'Sat', 'Sun']

 

 

요일별 서브셋 만들기¶

 

In [62]:

tips_Sun = tips[tips['day']=='Sun']

 

In [63]:

tips_Sat = tips[tips['day']=='Sat']

 

In [64]:

tips_Fri = tips[tips['day']=='Fri']

 

In [65]:

tips_Thur = tips[tips['day']=='Thur']

 

 

시각화하기¶

 

In [66]:

plt.scatter(tips_Sun['total_bill'], tips_Sun['tip'], label='Sun', s=tips_Sun['size']*30, alpha=0.5)
plt.scatter(tips_Sat['total_bill'], tips_Sat['tip'], label='Sat', s=tips_Sat['size']*30, alpha=0.5)
plt.scatter(tips_Fri['total_bill'], tips_Fri['tip'], label='Fri', s=tips_Fri['size']*30, alpha=0.5)
plt.scatter(tips_Thur['total_bill'], tips_Thur['tip'], label='Thur', s=tips_Thur['size']*30, alpha=0.5)
plt.legend()
plt.xlabel('total_bill')
plt.ylabel('tip')

plt.show()

 

 

 

 

seaborn으로 그리기¶

• `sns.scatterplot(data=데이터프레임, x=x축컬럼, y=y축컬럼)`

 

In [111]:

sns.scatterplot(data=tips, x='total_bill', y='tip', hue='day', size='size', alpha=0.5)
plt.show()

 

 

 

 

데이터의 추세를 표현하는 lineplot¶

 

In [70]:

flights = sns.load_dataset('flights')
flights.head()

 

Out[70]:

	year	month	passengers
0	1949	Jan	112
1	1949	Feb	118
2	1949	Mar	132
3	1949	Apr	129
4	1949	May	121

 

In [71]:

flights.tail()

 

Out[71]:

	year	month	passengers
139	1960	Aug	606
140	1960	Sep	508
141	1960	Oct	461
142	1960	Nov	390
143	1960	Dec	432

 

In [72]:

flights.shape

 

Out[72]:

(144, 3)

 

In [73]:

# 연도별 데이터 수
flights['year'].value_counts()

 

Out[73]:

1949    12
1950    12
1951    12
1952    12
1953    12
1954    12
1955    12
1956    12
1957    12
1958    12
1959    12
1960    12
Name: year, dtype: int64

 

In [74]:

# 월별 데이터 수
flights['month'].value_counts()

 

Out[74]:

Jan    12
Feb    12
Mar    12
Apr    12
May    12
Jun    12
Jul    12
Aug    12
Sep    12
Oct    12
Nov    12
Dec    12
Name: month, dtype: int64

 

 

연도별 승객수의 변화¶

 

 

matplotlib으로 시각화¶

 

 

데이터 가공¶

 

In [75]:

flights.head(1)

 

Out[75]:

	year	month	passengers
0	1949	Jan	112

 

In [76]:

flights_year = flights.groupby('year')['passengers'].sum()
flights_year

 

Out[76]:

year
1949    1520
1950    1676
1951    2042
1952    2364
1953    2700
1954    2867
1955    3408
1956    3939
1957    4421
1958    4572
1959    5140
1960    5714
Name: passengers, dtype: int64

 

 

시각화¶

 

In [78]:

plt.plot(flights_year, 'ro--')
plt.xlabel('year')
plt.ylabel('passengers')
plt.show()

 

 

 

 

seaborn¶

• sns.lineplot(data=데이터프레임, x=x축컬럼, y=y축컬럼, estimator=통계함수)
  estimator를 생략하면 평균으로 통계를 적용함

 

 

• 전체 데이터로 차트를 그리면 신뢰구간 표시

 

In [112]:

sns.lineplot(data=flights, x='year', y='passengers', errorbar=None, estimator=sum, color='r', marker='o', ls=':')
plt.show()

 

 

 

 

연도-월별 승객수의 변화¶

 

 

matplotlib으로 시각화¶

 

 

데이터 가공¶

 

In [82]:

flights_pivot = flights.pivot(index='year', columns='month', values='passengers')
flights_pivot

 

Out[82]:

month	Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
year
1949	112	118	132	129	121	135	148	148	136	119	104	118
1950	115	126	141	135	125	149	170	170	158	133	114	140
1951	145	150	178	163	172	178	199	199	184	162	146	166
1952	171	180	193	181	183	218	230	242	209	191	172	194
1953	196	196	236	235	229	243	264	272	237	211	180	201
1954	204	188	235	227	234	264	302	293	259	229	203	229
1955	242	233	267	269	270	315	364	347	312	274	237	278
1956	284	277	317	313	318	374	413	405	355	306	271	306
1957	315	301	356	348	355	422	465	467	404	347	305	336
1958	340	318	362	348	363	435	491	505	404	359	310	337
1959	360	342	406	396	420	472	548	559	463	407	362	405
1960	417	391	419	461	472	535	622	606	508	461	390	432

 

 

시각화¶

 

In [83]:

for i in range(12):
    plt.plot(flights_pivot.iloc[i], label=flights_pivot.index[i])
plt.legend()
plt.show()

 

 

 

 

seaborn으로 시각화¶

 

In [85]:

sns.lineplot(data=flights, x='month', y='passengers', errorbar=None, hue='year')

 

Out[85]:

<AxesSubplot: xlabel='month', ylabel='passengers'>

 

 

 

데이터의 분포를 나타내는 여러가지 그래프¶

 

 

카운트플롯¶

• 데이터의 갯수를 카운트하여 시각화
• sns.countplot(data=데이터프레임, x=컬럼)

 

In [86]:

titanic = sns.load_dataset('titanic')
titanic.head()

 

Out[86]:

	survived	pclass	sex	age	sibsp	parch	fare	embarked	class	who	adult_male	deck	embark_town	alive	alone
0	0	3	male	22.0	1	0	7.2500	S	Third	man	True	NaN	Southampton	no	False
1	1	1	female	38.0	1	0	71.2833	C	First	woman	False	C	Cherbourg	yes	False
2	1	3	female	26.0	0	0	7.9250	S	Third	woman	False	NaN	Southampton	yes	True
3	1	1	female	35.0	1	0	53.1000	S	First	woman	False	C	Southampton	yes	False
4	0	3	male	35.0	0	0	8.0500	S	Third	man	True	NaN	Southampton	no	True

 

In [87]:

# 연령별 승선인원 카운트하여 시각화
plt.figure(figsize=(15,4))
sns.countplot(data=titanic, x='age')
plt.xticks(rotation=90)
plt.grid(axis='y')
plt.show()

 

 

 

In [89]:

# 1. 남자/여자/어린이 승선인원 시각화
# 2. 남자/여자/어린이 별 생존여부 

sns.countplot(data=titanic, x='who', hue='alive')

 

 

 

 

러그플롯¶

• sns.rugplot(data=데이터프레임, x=컬럼)

 

In [91]:

sns.rugplot(data=titanic,x='age', hue='alive')

 

 

 

 

히스토그램¶

• sns.displot(data=데이터프레임, x=컬럼)

 

In [92]:

iris = sns.load_dataset('iris')
iris.head(1)

 

Out[92]:

	sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa

 

In [93]:

sns.displot(data=iris, x='petal_length', bins=20, rug=True, hue='species', kde=True)

 

 

 

In [94]:

sns.displot(data=iris, x='petal_length', rug=True, hue='species', kind='kde')

 

Out[94]:

<seaborn.axisgrid.FacetGrid at 0x7f8ba34eb490>

 

 

 

상자수염그래프, 바이올린플롯, 스트립플롯, 스웜플롯¶

• sns.boxplot(data=데이터프레임)
• sns.violinplot(data=데이터프레임)
• sns.stripplot(data=데이터프레임)
• sns.swarmplot(data=데이터프레임)

 

In [101]:

plt.figure(figsize=(12,8))
plt.subplot(221)
sns.boxplot(data=iris)

plt.subplot(222)
sns.violinplot(data=iris)

plt.subplot(223)
sns.stripplot(data=iris)

plt.subplot(224)
sns.swarmplot(data=iris, s=2)


plt.show()

 

 

 

In [113]:

plt.figure(figsize=(12,8))
plt.subplot(221)
# 박스플롯
sns.boxplot(data=iris, x='species', y='petal_length')


plt.subplot(222)
# 바이올린플롯
sns.violinplot(data=iris, x='species', y='petal_length')

plt.subplot(223)
# 스트립플롯
sns.stripplot(data=iris, x='species', y='petal_length')

plt.subplot(224)
# 스웜플롯
sns.swarmplot(data=iris, x='species', y='petal_length',s=2)

#plt.savefig('day6_12_seabornplots.png') 
plt.show()

 

 

 

In [ ]: