✏️학습 정리

---

6-1. Interactive Visualization

• Why Interactive?

  • 정적 시각화 단점

    • 공간적 낭비 크다. (feature가 10개 → 각각의 관계 45개 plot 필요)

    • 각각의 사용자는 원하는 인사이트가 다를 수 있다.

      —> plot이 많고 보고 싶은 feature가 정해지면 interactive 시각화

  • Interactive 종류

    • Select, Explore, Reconfigure, Encode ... 등

  • 라이브러리

    • Ploty
    • Bokeh
    • Altair

  • 하지만 Interactive는 진짜 필요할 때만 사용하자! (과하게 사용하면 속도만 느려질 뿐 생산성이 떨어진다.)

• Interactive Viz Library

  • Matplotlib

    • 주피터 환경 또는 Local에서만 실행 (다른 라이브러리는 웹에 deploy 가능)

  • Plotly

    • 가장 많이 사용되는 라이브러리
    • 예시 + 문서화가 잘되어 있음
    • 웹에서 사용 가능

  • Plotly Express

    • seaborn과 유사하게 만들어 쉬운 문법
    • 커스텀이 부족하지만 다양한 함수 제공

  • Bokeh

    • Matplotlib과 문법이 유사
    • 비교적 부족한 문서화...

  • Altair

    • 데이터 크기에 5000개 제한
    • Bar, Line, Scatter, Histogram에 특화

6-2. Plotly Express

• Plotly Express

  • plotly 단순화 버전
  • 유연한 input (list, dict, Dataframe 등...)
  • 적절한 color encoding

• 기본 플롯

  • Scatter

    • px.scatter(x, y, size, color) : seaborn과 유사하게 4가지 사용

    • range_x, range_y : set_xlim과 같이 축의 범위 설정

    • marginal_x, marginal_y : 각 축의 분포 확인 가능

      

    • trendline : 회귀선

    • facet_col, facet_row : Facet Grid 기능 포함

  • Line
    • px.line(x, y, color)
  • Bar
    • px.bar(x, y, color)
    • barmode : stack, group으로 bar 모드 변경

• 다양한 차트

  • px.sunburst(path, values) : 계층 구조 표현
  • px.treemap(path, values) : 계층 구조 표현
  • px.scatter_3d(x, y, z, symbol, color) : 3d 표현 (scatter)
  • px.parallel_coordinates, px.parallel_categories : 다차원 데이터 시각화
  • px.scatter_geo , px.choropleth : 지도 데이터 표시

7-1. Custom Matplotlib Theme

• 색 선정

  • cycler를 기본으로 사용하여 전체적인 color palette를 바꿀 수 있다.
  • mpl.rcParams[’색을 바꿀 요소’] = cycler(’color’, custom_palette)

• 예제 코드 확인

  • 링크

7-2. Image & Text Viz Tech

• 코드