🧑‍💻 [Python EDA 3] Matplotlib

* [실패 없이 완주하는 파이썬 데이터 분석 입문] 강의를 상당 부분 참고하여 작성하였습니다.

1. Matplotlib이란

https://matplotlib.org/

• 데이터 시각화 라이브러리
  ​

2. Matplotlib 사용방법

1) 설치

!pip install matplotlib

2) 불러오기

import matplotlib.pyplot as plt

​

3. Matplotlib 데이터 입력

plt.plot([2, 3, 4, 5]) # 1개 리스트 삽입 시 y 값으로 인식
# 리스트 외 튜플, Numpy array 입력 가능
plt.show() # 그래프를 화면에 출력

plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) # 각각의 리스트는 각각 x, y 값으로 인식
plt.show()

4. Matplotlib 축 레이블 설정

• xlabel() : x축에 대한 레이블 표시
• ylabel() : y축에 대한 레이블 표시

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.xlabel('X-Label')
plt.ylabel('Y-Label')
plt.show()

5. Matplotlib 범례(Legend) 설정

• 범례(Legend) : 그래프에 데이터의 종류를 표시하기 위한 텍스트
• legend() 함수를 사용해서 그래프에 범례 표시
• plot() 함수에 label 파라미터 값으로 삽입

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], label = 'Square')
plt.xlabel('X-Label')
plt.ylabel('Y-Label')
plt.legend()

plt.show()

6. Matplotlib 축 범위 설정

• xlim() : X축이 표시되는 범위 지정 [xmin, xmax]
• ylim() : Y축이 표시되는 범위 지정 [ymin, ymax]
• axis() : X, Y축이 표시되는 범위 지정 [xmin, xmax, ymin, ymax]
• 입력 값이 없으면 데이터에 맞게 자동으로 범위 지정

plt.plot([1, 2, 3, 4], [3, 6, 9, 12])
plt.xlabel('X-Label')
plt.ylabel('Y-Label')
plt.xlim([0, 5])      
plt.ylim([0, 15])    

plt.show()

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.axis([0, 6, 0, 20])

plt.show()

7. Matplotlib 선 종류 설정

• plot() 함수의 포맷 문자열 사용

  '-' (Solid), '- -' (Dashed), ' : ' (Dotted), ' -. ' (Dash-dot)

• plot() 함수의 linestyle 파라미터 값으로 삽입

  solid, dashed, dotted, dashdot

• 튜플을 사용하여 선의 종류 커스터마이징

  (0, (1, 1)) [dotted], (0, (5, 5)) [dashed], (0, (3, 5, 1, 5)) [dashdotted]

# plot() 함수의 포맷 문자열 사용
plt.plot([1, 2, 3], [4, 4, 4], '-', color='C0', label='Solid')
plt.plot([1, 2, 3], [3, 3, 3], '--', color='C0', label='Dashed')

# plot() 함수의 linestyle 값으로 삽입
plt.plot([1, 2, 3], [2, 2, 2], linestyle='dotted', color='C0', label='Dotted')
plt.plot([1, 2, 3], [1, 1, 1], linestyle='dashdot', color='C0', label='Dash-dot')

plt.xlabel('X-Label')
plt.ylabel('Y-Label')
plt.axis([0.8, 3.2, 0.5, 5.0])
plt.legend(loc='upper right', ncol=4)

plt.show()

# 튜플을 사용하여 선의 종류 커스터마이즈
plt.plot([1, 2, 3], [4, 4, 4], linestyle=(0, (1, 1)), color='C0', label='(0, (1, 1))')
plt.plot([1, 2, 3], [3, 3, 3], linestyle=(0, (1, 5)), color='C0', label='(0, (1, 5))')
plt.plot([1, 2, 3], [2, 2, 2], linestyle=(0, (5, 1)), color='C0', label='(0, (5, 1))')
plt.plot([1, 2, 3], [1, 1, 1], linestyle=(0, (3, 5, 1, 5)), color='C0', label='(0, (3, 5, 1, 5))')

plt.xlabel('X-Label')
plt.ylabel('Y-Label')
plt.axis([0.8, 3.2, 0.5, 5.0])
plt.legend(loc='upper right', ncol=2)

plt.show()

8. Matplotlib 마커 설정

• 기본적으로는 실선 마커
• plot() 함수의 포맷 문자열 (Format string)을 사용해서 마커 지정

  • 'ro’는 빨간색 (‘red’)의 원형 (‘circle’) 마커를 의미
  • 'k^’는 검정색 (‘black’)의 삼각형 (‘triangle’) 마커를 의미

• plot() 함수의 marker 파라미터 값으로 삽입

  • 's'(square), 'D'(diamond), '$ 문자 $'(문자 마커)

plt.plot([4, 5, 6], "b")
plt.plot([3, 4, 5], "ro")
plt.plot([2, 3, 4], marker="s")
plt.plot([1, 2, 3], marker="D")
plt.plot([0, 1, 2], marker='$A$') # A 모양 마커
plt.show()

9. Matplotlib 색상 설정

• plot() 함수의 포맷 문자열 (Format string)을 사용해서 색상 지정
• plot() 함수의 color 파라미터 값으로 삽입
• 다양한 색상 링크 참고

plt.plot([1, 2, 3, 4], [2.0, 3.0, 5.0, 10.0], 'r')
plt.plot([1, 2, 3, 4], [2.0, 2.8, 4.3, 6.5], color = 'violet')
plt.plot([1, 2, 3, 4], [2.0, 2.5, 3.3, 4.5], color = 'dodgerblue')

plt.xlabel('X-Label')
plt.ylabel('Y-Label')

plt.show()

10. Matplotlib 타이틀 설정

• title() 함수를 이용하여 타이틀 설정
• title() 함수의 loc 파라미터 값으로 위치 설정

  loc 파라미터 : {‘left’, ‘center’, ‘right’}

• title() 함수의 pad 파라미터 값으로 타이틀과 그래프와의 간격(포인트 단위) 설정

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.xlabel('X-Label')
plt.ylabel('Y-Label')
plt.title('Graph Title', loc='center', pad=20)

plt.show()

11. Matplotlib 눈금 표시

• xticks() : X축 눈금 설정
• yticks() : Y축 눈금 설정
• xticks(), yticks() 함수의 label 파라미터 값으로 눈금 레이블 설정

12. Matplotlib 막대 그래프

• bar() 함수 이용하여 막대 그래프 시각화
• bar() 함수의 color 파라미터 값으로 색상 설정
• bar() 함수의 width 파라미터 값으로 막대 폭 설정

# years는 X축에 표시될 연도, values는 막대 그래프의 y 값 
# xticks(x, years) : x축의 눈금 레이블에 '2022', '2023', '2024' 순서대로 설정
# color와 width로 막대 그래프 파라미터 설정

x = [1, 2, 3]
years = ['2022', '2023', '2024']
values = [300, 100, 700]

plt.bar(x, values, color=['r', 'g', 'b'], width=0.4)
#plt.bar(x, values, color=['r', 'g', 'b'], width=0.8)

plt.xticks(x, years)
plt.show()

13. Matplotlib 산점도

• scatter() 함수 이용하여 산점도 시각화
• scatter() 함수의 color 파라미터 값으로 마커의 색상 설정
• scatter() 함수의 size 파라미터 값으로 마커의 크기 설정

# numpy의 random 모듈의 rand 함수를 통해 숫자 랜덤하게 생성
# color와 size로 산점도 파라미터 설정
import numpy as np

np.random.seed(0)

n = 50
x = np.random.rand(n)
y = np.random.rand(n)
size = (np.random.rand(n) * 20)**2
colors = np.random.rand(n)

plt.scatter(x, y, s=size, c=colors)
plt.show()

14. Matplotlib 다양한 그래프 종류

• matplotlib.pyplot.bar( ) : 막대 그래프
• matplotlib.pyplot.barh( ) : 수평 막대 그래프
• matplotlib.pyplot.scatter( ) : 산점도
• matplotlib.pyplot.hist( ) : 히스토그램
• matplotlib.pyplot.errorbar( ) : 에러바
• matplotlib.pyplot.pie( ) : 파이 차트
• matplotlib.pyplot.matshow( ) : 히트맵

15. Matplotlib subplot 이용한 여러 그래프 시각화

• subplot() 함수는 영역을 나눠 여러 개의 그래프 시각화
• plt.subplot(row, column, index)
• tight_layout() 함수는 모서리와 서브플롯의 모서리 사이의 여백(padding)을 설정

# subplot 
# nrows=2, ncols=1, index=1
plt.subplot(2, 1, 1)
plt.plot(x1, y1, 'o-')
plt.title('1st Graph')

# subplot 
# nrows=2, ncols=1, index=2
plt.subplot(2, 1, 2)
plt.plot(x2, y2, '.-')
plt.title('2nd Graph')

plt.tight_layout()
plt.show()

16. Matplotlib subplots 이용한 여러 그래프 시각화

• plt.subplots() 함수는 여러 개 그래프를 한 번에 시각화 가능

• plt.subplots() 함수의 디폴트 파라미터는 1이며 즉 plt.subplots(nrows=1, ncols=1) 의미

• plt.subplots() 함수는 figure와 axes 값을 반환

  • figure : 전체 subplot 의미
    - 서브플롯 안에 몇 개의 그래프가 있던지 상관없이 그걸 담는 전체 사이즈를 의미
  • axe : 전체 중 낱낱개 의미
    ex) 서브플롯 안에 2개(a1,a2)의 그래프가 있다면 a1, a2 를 일컬음

• .twinx() 함수는 ax1과 축을 공유하는 새로운 Axes 객체 생성

fig, ax1 = plt.subplots()

# -s(solid line style + square marker), alpha(투명도)
ax1.plot(x, y1, '-s', color='green', markersize=7, linewidth=5, alpha=0.7)

# .twinx() 함수는 ax1과 축을 공유하는 새로운 Axes 객체 생성
ax2 = ax1.twinx()
ax2.bar(x, y2, color='deeppink', alpha=0.7, width=0.7)

#plt.twinx()
#plt.bar(x, y2, color='deeppink', alpha=0.5)

plt.show()

fig, ax = plt.subplots(nrows=2, figsize=(5, 5), constrained_layout=True)

sns.countplot(data=df_ex2, y='Sex', hue='Survived', palette='Set1', ax=ax[0])
ax[0].legend(labels=['dead', 'survivors'])
ax[0].set(xlabel='', ylabel='', title='Number of dead & survivors')

sns.barplot(data=df_ex2, x='Pclass', y='Survived', hue='Sex', palette='Set1', ax=ax[1], errorbar=None)
ax[1].legend(title='')
ax[1].set(title='Survival rate', ylabel='')