데이터 시각화 - 정적 시각화 Matplotlib vs Seaborn

데이터 시각화

• 직관적으로 정보를 확인하는 효과적인 방법

  적절한 그래프 유형 선택과 옵션 활용이 중요

데이터 시각화 이유

Visual Explanation vs Text Explanation

• Anscombe 예제: 기술 통계 vs 데이터 시각화

그래프 구성 요소

• 그래프를 구성하는 요소와 방식을 안다면 다양하게 활용 가능

  figure : 도화지 (그림전체)
  axes : 도화지 내 plot이 그려지는 공간
  axis : plot의 축 -> x, y
  

파이썬 시각화 라이브러리

	Matplotlib	Seaborn
기능	파이썬의 기본적인 시각화 라이브러리	통계 시각화에 특화
디스플레이	기본적이고 단순한 디스플레이	다채로운 시각화 가능
복잡도	한 줄의 코드로 복잡한 그래프 구현 어려움	쉽고 간단하게 복잡한 기능 구현
다중성	여러 개의 시각화 가능	다중 시각화 어려움(메모리 부족 이슈)
유연성	유연한 인터페이스 제공	유연성이 상대적으로 떨어짐

Matplotlib

• 파이썬의 가장 인기 있는 데이터 시각화 라이브러리, 2D 형태의 그래프와 이미지를 그릴 때 많이 사용

  pyplot 모듈을 많이 사용, 주로 plt라는 별칭 이용하여 호출
  import matplotlib.pyplot as plt

Matplotlib 특징

• 유연한 인터페이스
  plt.plot(기간, 변수1), plt.plot(기간, 변수2)
  
  

그래프 그리기

plt.figure() # 새로운 그래프를 담을 도화지 생성
plt.plot() #데이터 시각화 기능, 그래프 유형과 변수설정 가능
plt.show() #그래프 출력

그래프 구성 요소 > pyplot을 이용하면 figure, axes, axis 쉽게 조작 가능

import matplotlib.pyplot as plt
plt.figure()
plt.plot([0,1,2,3,4,5],[0,1,2,3,4,5])
plt.title('라인 그래프')
plt.ylabel('y축')
plt.xlabel('x축')
plt.show()

여러 그래프 그리기

• 여러 개의 그래프를 하나의 figure에 담는다면 한번에 더 많은 정보를 효과적으로 전달할 수 있음

  Matplotlib의 pyplot 모듈에서는 subplot과 subplots 커맨드를 활용하여 여러 그래프 구현 가능

pyplot의 subplot

• 여러 개의 axes를 하나의 도화지에 그릴 수 있음

  plt.subplot(row, colum, index)
  

pyplot의 subplots

• axes객체의 twinx 메소드를 이용하면 x축을 공유하는 두 개의 그래프를 동시에 그릴 수 있음

  하나의 ax에 두 종류 그래프, 같은 x축을 공유, 다른 y축 사용

Seaborn

• Matplotlib을 기반으로 하며 다채로운 디자인 테마와 통계용 차트 등이 추가된 강력한 시각화 라이브러리

  한 줄의 코드로 강력한 시각화 가능
  import seaborn as sns

Seaborn 특징

• 간결한 한 줄 코들도 쉽고 간단하게 복잡한 기능 구현
  

• 통계 시각화에 특화 고수준 API
  

• 데이터에 적합한 다채로운 시각화 기능 제공
  

그래프 그리기

• 다양한 그래프 종류와 인수로 효과적인 시각화 가능

import seaborn as sns
sns.scatterplot(x ='변수명', 
				y='변수명', 
                hue='범주형 변수명', 
                data= 데이터 이름)