Line plot
꺾은선 그래프
왼쪽에서 오른쪽으로 읽어 나가므로 시간/순서에 대한 변화 추세 파악에 적합하다.
→ 시계열 분석에 특화
.line이 아닌 .plot() 을 사용
요소
색상
마커
→ data point 모양
선의 종류
→ linestyle, linewidth
Line plot을 위한 전처리
- Noise의 인지적 방해를 줄이기 위해 Smoothing 사용
정확한 Line Plot
추세에 집중
Bar Plot과 다르게 꼭 축을 0에 초점을 맞출 필요는 없음
- 추세 파악에 초점
Grid, annotate 등을 사용하지 않음
- detail은 표로 제공하는 것이 좋음
간격
규칙적인 간격이 아니라면 오해를 살 수 있음
- 왼쪽 그래프의 x축의 간격은 1, 2, 2, 2로 모두 동일하지 않다.
- 2-3, 3-5의 기울기가 동일해보이나 사실은 3-5 기울기가 더 가파름
- 중앙 그래프는 간격은 동일하나, 실제 x = 4, 6, 8에 대한 data가 없음에도 있는 것 처럼 보임
- 이 때 오른쪽 그래프처럼 마커를 이용해 실제 데이터가 있는 지점을 나타냄
보간
점과 점 사이를 잇는 방법
일반적인 분석에서는 곡선 보간을 지양
Presentation에는 좋은 방법
이중 축 사용
한 plot에 대해 x축을 2개 혹은 y축을 2개 쓰는 방법
서로 다른 종류에 대한 데이터를 표현할 때 사용
한 데이터에 대해 다른 단위를 갖는 경우에 사용
.secondary_xaxis(), .secondary_yaxis()
그 외
범례 대신 라인 끝 단에 레이블 추가하는 것이 식별에 도움
- 원하는 포인트 (e.g., 최대/최소 point)에 대한 정보를 추가해주면 도움이 됨
- 연한 색의 면적 그래프를 이용해 uncertainty 표현 가능 (신뢰구간, 분산 등)
실습
Line plot을 이용해 원하는 다각형 또는 원을 그릴 수 있음
ax.plot(x, y,
color='black',
marker='*',
linestyle='solid',
)- marker엔 . , *, ^ 등 여러개로 지정 가능
- linestyle엔 solid(실선), dashed(끊긴 실선, ‘--’), dashdot, dotted, None(선이 없음) 등이 있음
Smoothing
- 이동평균 사용
- pandas의 rolling 함수 사용
dataframe.rolling(window=4)→ 데이터 4개의 이동 평균 사용
- window size가 커질수록 더 smoothing
보간
- 다양한 보간 함수를 적용한 plot이 이동 평균을 적용한 plot 결과와 크게 다르지 않음
이중 축 사용
ax2 = ax1.twinx()
ax2.plot(google.index, google['volume'], color=color)ax2 = ax1.twinx()을 사용해 이중 축 생성
secax = ax.secondary_xaxis('top', functions=(deg2rad, rad2deg))
- secondary_xaxis를 사용해서 이중 축 생성
※ 모든 이미지 및 코드 출처는 네이버 커넥트재단 부스트캠프 AI Tech 5기입니다. ※
AI-Kid