ML | 그래프 그릴 때 뭐 써야해? Matplotlib VS Seaborn VS Plotly

소리·2023년 11월 23일

제로베이스 데이터분석 공부

목록 보기

58/84

plotly.express 란?

: 그래프를 한 번에 그리는 함수/기능를 포함하고 있다.
출처
.
.

import plotly.express as px
px.histogram

import plotly.graph_objects as go
fig = go.Figure(
    # Data 입력, figure은 plotly작업 기본단위
    data=[go.Bar(x=[1, 2, 3], y=[1, 3, 2])],
    # layout 입력
    layout=go.Layout(
        title=go.layout.Title(text="A Graph Object"))
    )

🤔 강의에서 발견한 모듈, 이게 뭐지?

특징

그래프 개체를 그리는데 사용한다. 다양한 유형의 그림을 만드는데 필요한 30개 이상의 기능이 있다.
ploty.graph_objects.Figure 인스턴스(객체)를 반환한다.

.
.

포함된 기능

예시)

기본 내용 (불러오기, 축 지정, 색상 삽입)

#불러오기
import plotly.express as px

#country가 canada 인 것만 가져와서 df에 저장
df = px.data.gapminder().query("country=='Canada'")

#px.line( 데이터 프레임, x축에 들어갈 column명, y축에 들어갈 column명 )
fig = px.line(df, x="year", y="lifeExp", title='Life expectancy in Canada' )
fig.show()

df = px.data.gapminder().query("continent=='Oceania'")
fig = px.line(df, x="year", y="lifeExp", color='country', markers=True)

#color는 색상으로 구분할 수 있게, Seaborn hue 속성과 비슷
#markers는 선 그래프에 마커 표시
#만약 marker 대신 symbol을 쓴다면 symbol : 데이터 별 표시되는 마커가 각기 다르게 지정할 수 있습니다

그 외 파라미터 (제목, 라벨, 길이조정, 툴팁)


# labels={}로 축의 레이블 설정을 할 수 있고, 변경 시 dictionary 형태로 지정
# title = ''는 그래프의 타이틀 지정
# width = , height = : pixel 단위 지정
# tooltip : 마우스오버로 함수의 기본적인 내용이 표시된다. hover_name = '' : 볼드체로 이름 표시 / hover_data = [] : 내용 표시

#tooltip 커스터마이징
fig = px.bar(df, x='year', y='pop', color='country',
             hover_name = 'country',
             hover_data={"pop":':.2f', #tool tip에 표시되는 데이터 포맷팅
                         "country":False, #tool tip에서 데이터 삭제
                         "continent":True, #tooltip 에 데이터 추가
                         "lifeExp":':.2f' #데이터 추가하고 포맷팅
                        } 
            )




#subplot 표시
df = px.data.gapminder().query("iso_alpha == 'KOR'")
fig = px.line(df, x='year', y='pop', color='country',
             facet_col='country') #지정한 데이터에 대해서 가로 방향으로 subplot을 표시합니다.
                                     #필요 시, facet_col_wrap를 통한 최대 표시되는 column 개수 지정가능

#facet_col : 지정한 데이터에 대해서 가로 방향으로 subplot을 표시

df = px.data.gapminder().query("iso_alpha == 'KOR'")
fig = px.line(df, x='year', y='pop',color='country',
             facet_row='country')
#facet_col_wrap : 최대 표시되는 column 개수 지정 가능

예제 내용 출처 / 더 자세한 내용 공부
.
.

go.Figure()?

출처

What is difference from Matplotlib VS Seaborn VS Plotly

🔎 Matplotlib

: 기본 선부터 복잡한 시각화까지 만들수 있는 기본 라이브러리.

장점

다양한 시각화 사용자 옵션을 제공
세밀하게 그래프를 조정 가능
다양한 유형의 그래프와 차트 생성

단점

유형에 따라 많은 코드 작성이 필요한 그래프가 있음
세분화된 구문은 학습 초기에 사용하기 어려움

주로 사용하는 곳

기본 선, 막대 및 산점도

.
.

🔎 Seaborn

: matplotlib을 기반으로 구축되었으며 통계 그래픽 생성을 쉽게 할 수 있다. matplotlib보다 복잡한 시각화를 쉽게 생성할 수 있다.

장점

내장된 다양한 테마와 색상 팔레트 제공 (심미적 시각화 가능)
고급 통계 도표(상자도표, 바이올린도표)을 단순화
다변량 관계 시각화 지원

단점

사용하기 쉽지만 세밀한 사용자 옵션 제공에 제한이 있음

주로 사용하는 곳

box plots, violin plots 등 통계 도표
heatmaps, 상관행렬
pair plots

.
.

🔎 Plotly

: 대화형 및 동적 시각화를 만드는 데 중점을 두며, 대시보드와 대화형 데이터 탐색 생성에 적합

장점

사용자 입력에 응답하는 동적, 대화형 시각화 제공
즉 마우스 오버를 하면 해당 값의 내용이 뜬 다는 뜻!
3D도표, 지리적 지도 등 광범위한 차트 유형 포함
대화형 대시보드 및 웹 애플리케이션 생성

단점

렌더링에 많은 리소스 필요
학습 어려움

주로 사용하는 곳

interactive line charts, bar charts, scatter plots
3D plot, 지리적 시각화
데이터 탐색을 위한 interactive dashboard

이미지 출처

.
.

✏️ 정리해보자면

matplotlib는 사용자가 직접 코드를 입력해야하는 것이 많지만, 그만큼 생각하는 그래프를 그릴 수 있으며
seaborn은 기본적으로 제공하는 파라미터가 많아 간결한 코드로 시각적으로 완성도 높은 그래프를 그릴 수 있다.
plotly는 동적 및 대화형 시각화 시 사용하는 것이 좋다.

참고 출처