[Python] 시각화 라이브러리를 활용한 Data Visualization 예제

데이터 시각화가 필요한 이유 1

• 시각화는 인간의 뇌에 가장 높은 인상을 전달하는 수단
• 빅데이터들은 차트로 다루기 어렵기 때문에 시각화 필요
• 동일한 수치라도 다양한 시각화 방법을 통해 그려지고 해석될 수 있다.

---

데이터 시각화가 필요한 이유 2

• 차트를 보게되면 1,2,3,4의 통계적 수치는 동일하게 나온다.
• 하지만 실제 각 1,2,3,4의 그룹 데이터를 시각화 해보면 위와 같은 형태를 가진다.
• 여기서 말하는 요지는 "수치적 데이터는 동일할 수 있지만, 시각화를 해보면 전혀 다른 해석이 나올 수 있다" 라고 말할 수 있다.

---

파이썬 시각화 라이브러리

- matplotlib

• 기본 수준의 plot(차트) 그리기 기능 제공

---

파이썬 시각화 라이브러리

- pandas

• matplotlib에 기반하여 쉬운 인터페이스 제공

---

파이썬 시각화 라이브러리

- seaborn

• Matplotlib을 기반으로 다양한 색상 테마와 통계용 차트 등의 기능을 추가한 시각화 패키지

---

시각화 실습

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

# sns build in 예제 (iris)
iris = sns.load_dataset('iris') # iris 데이터 로드
df = pd.DataFrame(iris) # iris 데이터 to DataFrame
df.plot(kind='kde') # kde : 커널 밀도 추정
plt.show()

---

시각화 실습

Seaborn 활용 - 3가지 붗꽃 품종을 시각화로 구분하기

iris = sns.load_dataset('iris')
print(iris)
>      sepal_length  sepal_width  petal_length  petal_width    species
0             5.1          3.5           1.4          0.2     setosa
1             4.9          3.0           1.4          0.2     setosa
2             4.7          3.2           1.3          0.2     setosa
3             4.6          3.1           1.5          0.2     setosa
4             5.0          3.6           1.4          0.2     setosa
..            ...          ...           ...          ...        ...
145           6.7          3.0           5.2          2.3  virginica
146           6.3          2.5           5.0          1.9  virginica
147           6.5          3.0           5.2          2.0  virginica
148           6.2          3.4           5.4          2.3  virginica
149           5.9          3.0           5.1          1.8  virginica

# 두 변수간의 산점도(Scatterplots) : 직교 좌표계를 이용해 좌표상의 점들을 표시
sns.jointplot(x='sepal_length',y='sepal_width',data=iris)
plt.show()

sns.jointplot(
    x='sepal_length',
    y='sepal_width',
    data=iris,
    kind='kde' # 커널 밀도 추정
)
plt.show()

# 품종별 시각화로 구분하기
sns.pairplot(iris,hue='species')
plt.show()

---

시각화 실습

Seaborn 활용 - heatmap (연도별 비행기 탑승자 수)

import matplotlib.pyplot as plt
flights = sns.load_dataset('flights')
print(flights)
>      year month  passengers
0    1949   Jan         112
1    1949   Feb         118
2    1949   Mar         132
3    1949   Apr         129
4    1949   May         121
..    ...   ...         ...
139  1960   Aug         606
140  1960   Sep         508
141  1960   Oct         461
142  1960   Nov         390
143  1960   Dec         432

[144 rows x 3 columns]

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

sns.heatmap(flights_passengers, annot=True, fmt='d') # annot = 숫자 표시할 지, fmt = 숫자 형태
plt.show()

---

시각화 실습

Seaborn 활용 - boxplot (tips 데이터 활용)

tips = sns.load_dataset('tips')
print(tips)
>     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
..          ...   ...     ...    ...   ...     ...   ...
239       29.03  5.92    Male     No   Sat  Dinner     3
240       27.18  2.00  Female    Yes   Sat  Dinner     2
241       22.67  2.00    Male    Yes   Sat  Dinner     2
242       17.82  1.75    Male     No   Sat  Dinner     2
243       18.78  3.00  Female     No  Thur  Dinner     2

[244 rows x 7 columns]

# x축 = 성별, y = 전체 금액, hue => 색깔로 구분하여 비교
sns.boxplot(x='sex',y='total_bill',hue='day',data=tips)
plt.show()

• 여성의 경우 토요일과 일요일에 가장 돈을 많이 쓴다.
• 남성의 경우 금액의 표준편차가 여성보다 더 크다.

# 돈을 많이 지출하는 사람(남성, 여성)을 요일별로 분석
sns.boxplot(x='day',y='total_bill',hue='sex',data=tips)
plt.show()

• 남성의 경우 대체적으로 여성보다 돈을 더 많이 사용한다.
• 남성의 경우 사용한 전체 금액의 표준편차가 더 크다.

---

타이타닉 승선 명단 분석

분석 내용 요약

1. 목표 : 승객 변수를 분석하여 생존율과의 상관관계 확인
2. 주요개념 이해 : 상관 분석, 상관 계수(피어슨 상관 계수), 히트맵
3. 데이터 수집 : 탑승자 명단은 seaborn 빌트인 예제 활용
4. 데이터 준비 : 결측치 확인 및 치환(중앙값, 최빈값)
5. 데이터 탐색 : 정보 확인, 차트 확인
6. 데이터 모델링 : 모든 변수 간 상관 계수, 두 변수 간 상관계수
7. 변수 간의 상관 관계 시각화 : 전체 산점도, 변수 간 상관관계, 히트맵

핵심 개념

1. 상관 분석
   • 두 변수가 어떤 선형적 관계가 있는지 분석하는 방법론
2. 단순 상관 분석
   • 두 변수가 어느 정도 강한 관계에 있는지 측정
3. 다중 상관 분석
   • 세 개 이상의 변수 간 관계의 강도를 측정