Seaborn 실습

1. 환경준비

• 라이브러리 불러오기

from sklearn.datasets import load_iris
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings(action='ignore')

• 사용 데이터: sklearn iris data

# 데이터 로드
iris = load_iris()
iris_df = pd.DataFrame(iris.data, columns=iris.feature_names)
iris_df['target'] = iris.target
iris_df.head()

2. seaborn 다양한 차트들

1) 기본 차트들

1. histplot

sns.histplot(data = iris_df, x='sepal length (cm)', bins = 16)
plt.show()

sns.histplot(data = iris_df, x='sepal length (cm)', bins = 16, hue = 'target')
plt.show()

2. densityplot

sns.kdeplot(data = iris_df, x = 'sepal length (cm)')
plt.show()

sns.kdeplot(data = iris_df, x='sepal length (cm)', hue = 'target')
plt.show()

3. boxplot

sns.boxplot(data = iris_df, y = 'sepal length (cm)')
plt.show()

# 주의: boxplot은 결측값이 있을 때 에러가 발생
sns.boxplot(data = iris_df, y = 'sepal length (cm)', x = 'target')
plt.show()

2) distplot : histplot + density plot

# hist_kws = dict() 자료형 매개변수로 그래프를 꾸미기 위한 옵션
sns.distplot(iris_df['sepal length (cm)'], bins=16, hist_kws=dict(edgecolor='gray'))
plt.show()

sns.histplot(data = iris_df, x = 'sepal width (cm)', bins = 16, hue='target')
plt.show()

sns.kdeplot(data = iris_df, x='sepal width (cm)', hue='target')
plt.show()

3) jointplot : scatter + histplot(or density plot)

sns.jointplot(x = 'petal length (cm)', y = 'petal width (cm)', data = iris_df)
plt.show()

sns.jointplot(x='petal length (cm)', y='petal width (cm)', data = iris_df, hue = 'target')
plt.show()

4) pairplot : scatter + histogram(or density plot) 확장

# 시간이 오래걸리기 때문에 데이터의 수를 파악하고 사용할 것.
sns.pairplot(iris_df, hue = 'target')
plt.show()

5) countplot : 집계 + bar plot

# matplot에서는 집계가 선행 되어야 하지만 sns는 x
cnt = iris_df['target'].value_counts()
plt.bar(x = cnt.index, height = cnt.values, color=['r', 'g', 'b'])
plt.show()

sns.countplot(x = "target", data = iris_df)
plt.show()

6) barplot : 평균비교 bar plot + error bar

sns.barplot(x = "target", y="sepal length (cm)", data = iris_df)
plt.show()