seaborn의 시각화 메소드

참고 자료: 데이터 사이언스 스쿨 - Seaborn을 사용한 데이터 분포 시각화

1차원 데이터

rugplot

실수 분포 플롯입니다. 자료의 분포를 묘사하기 위한 것으로 데이터 위치를 x축 위에 작은 선분(rug)으로 나타내어 실제 데이터의 위치를 보여줍니다.

kdeplot

커널 밀도(kernel density)는 커널이라는 함수를 겹치는 방법으로 히스토그램보다 부드러운 분포 곡선으로 시각화해줍니다.

distplot

distplot은 rug와 kde 밀도 시각화가 가능한 옵션을 설정할 수 있어서 Matplotlib의 hist보다 많이 사용된다고 한다.

sns.distplot(x, kde=True, rug=True)

위의 코드처럼 kde, rug 옵션을 True로 설정해주면

위의 사진처럼 kdeplot, rugplot 을 겹쳐볼 수 있다.

countplot

각 카테고리 값별로 데이터가 얼마나 있는지 막대 그래프로 시각화 할 수 있다.

2차원 데이터

jointplot

heatmap

barplot

boxplot

pointplot

violinplot

vtripplot

stripplot

swarmplot

다차원 데이터

pairplot

catplot

앞의 2차원 데이터 시각화에 사용된 메소드들인 barplot, boxplot, violinplot, stripplot, swarmplot 은 다차원 복합 데이터에서도 사용할 수 있다.

또한, heatmap을 이용하면 2개의 카테고리 값에 의한 실수 값 변화를 시각화 할 수도 있다.

+ @

시각화 효과를 높이기 위해 여러 가지 차트를 곂쳐서 표시를 할 수도 있다.