혼란한 Matplotlib에서 질서 찾기

혼란한 Matplotlib에서 질서 찾기 - 파이콘
https://www.youtube.com/watch?v=ZTRKojTLE8M

matplotlib 생태계를 활용한 시각화 프로세스

1. seaborn을 통해 시각화 환경 설정(배색, 스타일)

• sns.set_context() : 구성 요소의 배율 설정
• sns.set_palette() : 그래프 배색 설정
• sns.set_style() : 눈금, 배경, 격자 설정
• matplotlib도 설정이 가능하나 일괄 설정이고, seaborn은 속성별 설정임
• e.g.

sns.set_context("talk")
sns.set_palette("Set2")
sns.set_style("whitegrid")

plt.scatter(x, y, alpha=0.5)

2. matplotlib으로 화면 구성(크기, 분할, 여백 지정)
3. 다양한 matplotlib 생태계를 통해 데이터 얹기(데이터 종류, 목적에 맞게)
4. matplotlib으로 부가 요소 설정(정량적 전달력 강화)
5. matplotlib으로 중요 데이터 강조(색 요소 변경)

• 객체 지향 방식(plt.subplots()) & 상태 기반 방식(plt.subplot())

• 상태 기반 방식은 그리는 순서에 맞게 코드를 작성함. 공간 제어를 코드 순서와 같이 고려해야 해서 불편함. 간단하고 빠르게 형상만 확인하기에는 유리함

• 객체 지향 방식은 대상을 지정해 그리는 방식. 결과물의 일부를 수정하기 유리함(객체 : figure, axes, artist, properties)
  

• 객체 속성 추출 : 객체.get_속성()

  • e.g. ax.collections[0].get_fc() : 첫번째 collections(면 객체)의 face color를 가져와라

• 객체 속성 제어 : 객체.set_속성()

  • e.g. ax.collections[0].set_fc("cornflowerblue") : 첫번째 collections(면 객체)의 face color를 파란색으로 바꿔라

6. matplotlib으로 보조 요소 설정(정성적 전달력 강화)

• 보조 도형 활용 - 도형 객체 삽입 : Axes.add_artist()
  • 데이터 의미 설명, 데이터간 관계 표현
  • plot으로 부족한 표현력 보완