[미래유망] Plotly #06 - 1 Plotly Basic Chart

Scatter Plot

Scattor Plot(산점도)는 두 변수의 상관관계를 점으로 표현한 그래프 입니다.

Express를 활용한 기본 사용방법

예제 1) 직접 입력 방법

import plotly.express as px

fig = px.scatter(x=[0, 1, 2, 3, 4], y=[0, 1, 4, 9, 16])

fig.show()

예제 2) 데이터 셋을 활용한 방법

import plotly.express as px

# 데이터 불러오기
df = px.data.iris()

fig = px.scatter(data_frame=df, x="sepal_width", y="sepal_length")

fig.show()

graph_objects를 활용한 기본 사용

import plotly.graph_objects as go

# 데이터 생성
import numpy as np
np.random.seed(1)

N = 100
random_x = np.linspace(0, 1, N)
random_y0 = np.random.randn(N) + 5
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N) - 5

# Figure  생성
fig = go.Figure()

# Scatter Trace 추가
fig.add_trace(go.Scatter(x=random_x, y=random_y0,
                    mode='markers',
                    name='markers'))
fig.add_trace(go.Scatter(x=random_x, y=random_y1,
                    mode='lines+markers',
                    name='lines+markers'))
fig.add_trace(go.Scatter(x=random_x, y=random_y2,
                    mode='lines',
                    name='lines'))

fig.show()

express 를 활용한 다양한 기능

• 마커 색으로 데이터 분류하기

import plotly.express as px

# 데이터 불러오기
df = px.data.iris()

 # 색으로 구분하고 싶은 데이터 컬럼 명을 "color = "로 지정
fig = px.scatter(data_frame = df, x = "sepal_width", y = "sepal_length", color = "species")

fig.show()

꽃의 품종에 따라 색깔을 다르게 표시(색을 지정하지 않았기에 기본 팔레트)

• 마커 크기 다르게 표시하기

import plotly.express as px

# 데이터 불러오기
df = px.data.iris()

fig = px.scatter(data_frame=df, x="sepal_width", y="sepal_length", size='petal_length')

fig.show()

꽃 잎의 길이에 따라 분류하므로 꽃 잎의 길이가 길 수록 점의 크기가 커진 것을 알 수 있다.

• 마커 스타일로 데이터 표시하기

import plotly.express as px

# 데이터 불러오기
df = px.data.iris()

fig = px.scatter(data_frame=df, x="sepal_width", y="sepal_length",color="species",  symbol="species")

fig.show()

품종에 따라서 simbol이 변했다(ploty의 기본값으로 설정되어 있음)

• 추세선 추가하기

import plotly.express as px

# 데이터 불러오기
df = px.data.tips()

fig = px.scatter(data_frame=df, x="total_bill", y="tip",  trendline="ols")

fig.show()

pip install statsmodels

추세선 기능을 사용하려며 import을 해야함

• 여러개로 나눠 그리기 (Facet)

import plotly.express as px

# 데이터 불러오기
df = px.data.tips()

fig = px.scatter(data_frame=df, x="total_bill", y="tip",color="smoker",  facet_col="sex")

fig.show()

성별, 담배 피는 여부에 따라서 나눠 그린것을 확인 할 수 있다.

• 마커 스타일 변경하기

fig.update_traces(marker_color= 마커 색, 
                 marker_size=마커 크기,
                 marker_line_width=마커 테두리 두깨,                           
                 marker_line_color=마커 테두리 색,
                 marker_angle = 마커 각도,
                 marker_symbol = 마커 모양,
                 marker_opacity = 마커 투명도,
                 )

이런식의 예제로 마커의 종류를 바꿀 수 도 있다.

import plotly.express as px

# 데이터 불러오기
df = px.data.iris()

# Scatter Plot 생성
fig = px.scatter(df, x="sepal_width", y="sepal_length",color="species")

#마커 스타일 변경
fig.update_traces(marker_size=12, marker_symbol="arrow", marker_angle=45, marker_line_width=2, marker_line_color="DarkSlateGrey")

fig.show()

• 번외(마커의 종류 알아보기)

# 마커의 종류 알아보는 코드
import plotly.graph_objects as go
from plotly.validators.scatter.marker import SymbolValidator

raw_symbols = SymbolValidator().values
namestems = []
namevariants = []
symbols = []
for i in range(0,len(raw_symbols),3):
    name = raw_symbols[i+2]
    symbols.append(raw_symbols[i])
    namestems.append(name.replace("-open", "").replace("-dot", ""))
    namevariants.append(name[len(namestems[-1]):])

fig = go.Figure(go.Scatter(mode="markers", x=namevariants, y=namestems, marker_symbol=symbols,
                           marker_line_color="midnightblue", marker_color="lightskyblue",
                           marker_line_width=2, marker_size=15,
                           hovertemplate="name: %{y}%{x}<br>number: %{marker.symbol}<extra></extra>"))
fig.update_layout(title="Mouse over symbols for name & number!",
                  xaxis_range=[-1,4], yaxis_range=[len(set(namestems)),-1],
                  margin=dict(b=0,r=0), xaxis_side="top", height=1400, width=400)
fig.show()

---

Line Plot

Line Plot은 연속적으로 변화하는 값을 순서대로 점으로 나타내고 이를 선으로 연결한 그래프 입니다.

Express를 활용한 기본 사용방법

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

data = pd.read_csv('rain_amount.csv', skiprows=6, encoding='utf-8')
data.columns = data.columns.str.strip()
data['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data = data[['날짜', '지점', '강수량(mm)']].dropna()

# express를 활용해 기본적으로 line 그래프를 그려봤다.
fig = px.line(data_frame= data, x="날짜", y="강수량(mm)")

# 알아보기 쉽게 하기 위해 추가한 것(제목과 날짜 축 관리)
fig.update_xaxes(showline=True, linewidth=1, linecolor='black', tickformat="%Y-%m-%d")
fig.update_layout(
    title=dict(
        text="강수량 분석 기본 서울(108) 일자료 기간 : 20250517 ~ 20250615",
    )
)
fig.show()

graph_objects를 활용한 기본 사용

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

data = pd.read_csv('rain_amount.csv', skiprows=6, encoding='utf-8')
data.columns = data.columns.str.strip()
data['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data = data[['날짜', '지점', '강수량(mm)']].dropna()

# Line Trace 추가
fig.add_trace(go.Scatter(x=data['날짜'], y=data['강수량(mm)'],  mode='lines'))

fig.update_xaxes(showline=True, linewidth=1, linecolor='black', tickformat="%Y-%m-%d")
fig.update_layout(
    title=dict(
        text="강수량 분석 기본 서울(108) 일자료 기간 : 20250517 ~ 20250615",
    )
)
fig.show()

express 를 활용한 다양한 기능

• 라인 색 다르게 표시하기

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

data_seoul = pd.read_csv('rain_amount.csv', skiprows=6, encoding='utf-8')
data_busan = pd.read_csv('rain_amount_busan.csv', skiprows=6, encoding='utf-8')

data_seoul.columns = data_seoul.columns.str.strip()
data_busan.columns = data_busan.columns.str.strip()

data_seoul['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_seoul = data_seoul[['날짜', '지점', '강수량(mm)']].dropna()

data_busan['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_busan = data_busan[['날짜', '지점', '강수량(mm)']].dropna()

data_seoul['지점'] = '서울'
data_busan['지점'] = '부산'

# 서울과 부산 데이터프레임 합치기(둘의 데이터프레임을 합쳐서 지점에 따라 색을 다르게 보이게 함)
data_combined = pd.concat([data_seoul, data_busan], ignore_index=True)

# Line Trace 추가
fig = px.line(data_combined, x="날짜", y="강수량(mm)", color='지점')

fig.update_xaxes(showline=True, linewidth=1, linecolor='black', tickformat="%Y-%m-%d")
fig.update_layout(
    title=dict(
        text="강수량 분석 서울과 부산 비교 (20250517 ~ 20250615)",
    )
)
fig.show()

서울, 부산의 강수량을 합쳐 비교해보았다. 선의 색을 지점마다 다르게 표시하였다.

• 마커 같이 표시하기

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

data_seoul = pd.read_csv('rain_amount.csv', skiprows=6, encoding='utf-8')
data_busan = pd.read_csv('rain_amount_busan.csv', skiprows=6, encoding='utf-8')

data_seoul.columns = data_seoul.columns.str.strip()
data_busan.columns = data_busan.columns.str.strip()

data_seoul['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_seoul = data_seoul[['날짜', '지점', '강수량(mm)']].dropna()

data_busan['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_busan = data_busan[['날짜', '지점', '강수량(mm)']].dropna()

data_seoul['지점'] = '서울'
data_busan['지점'] = '부산'

# 서울과 부산 데이터프레임 합치기(둘의 데이터프레임을 합쳐서 지점에 따라 색을 다르게 보이게 함)
data_combined = pd.concat([data_seoul, data_busan], ignore_index=True)

# Line Trace 추가
fig = px.line(data_combined, x="날짜", y="강수량(mm)", color="지점", markers=True) # Markers를 True로 설정하여 점 표시

fig.update_xaxes(showline=True, linewidth=1, linecolor='black', tickformat="%Y-%m-%d")
fig.update_layout(
    title=dict(
        text="강수량 분석 서울과 부산 비교 (20250517 ~ 20250615)",
    )
)
fig.show()

• 마커 스타일 다르게 표시하기

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

data_seoul = pd.read_csv('rain_amount.csv', skiprows=6, encoding='utf-8')
data_busan = pd.read_csv('rain_amount_busan.csv', skiprows=6, encoding='utf-8')

data_seoul.columns = data_seoul.columns.str.strip()
data_busan.columns = data_busan.columns.str.strip()

data_seoul['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_seoul = data_seoul[['날짜', '지점', '강수량(mm)']].dropna()

data_busan['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_busan = data_busan[['날짜', '지점', '강수량(mm)']].dropna()

data_seoul['지점'] = '서울'
data_busan['지점'] = '부산'

# 서울과 부산 데이터프레임 합치기(둘의 데이터프레임을 합쳐서 지점에 따라 색을 다르게 보이게 함)
data_combined = pd.concat([data_seoul, data_busan], ignore_index=True)

# Line Trace 추가
fig = px.line(data_combined, x="날짜", y="강수량(mm)", markers=True, symbol="지점") # Markers를 True로 설정하여 점 표시

fig.update_xaxes(showline=True, linewidth=1, linecolor='black', tickformat="%Y-%m-%d")
fig.update_layout(
    title=dict(
        text="강수량 분석 서울과 부산 비교 (20250517 ~ 20250615)",
    )
)
fig.show()

• 여러개로 나눠 그리기 (Facet)

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

data_seoul = pd.read_csv('rain_amount.csv', skiprows=6, encoding='utf-8')
data_busan = pd.read_csv('rain_amount_busan.csv', skiprows=6, encoding='utf-8')

data_seoul.columns = data_seoul.columns.str.strip()
data_busan.columns = data_busan.columns.str.strip()

data_seoul['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_seoul = data_seoul[['날짜', '지점', '강수량(mm)']].dropna()

data_busan['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_busan = data_busan[['날짜', '지점', '강수량(mm)']].dropna()

data_seoul['지점'] = '서울'
data_busan['지점'] = '부산'

# 서울과 부산 데이터프레임 합치기(둘의 데이터프레임을 합쳐서 지점에 따라 색을 다르게 보이게 함)
data_combined = pd.concat([data_seoul, data_busan], ignore_index=True)

# Line Trace 추가
fig = px.line(data_combined, x="날짜", y="강수량(mm)", facet_col="지점") # facet_col을 활용해 두개로 그래프를 나눔

fig.update_xaxes(showline=True, linewidth=1, linecolor='black', tickformat="%Y-%m-%d")
fig.update_layout(
    title=dict(
        text="강수량 분석 서울과 부산 비교 (20250517 ~ 20250615)",
    )
)
fig.show()

• 라인 스타일 변경하기

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go

data_seoul = pd.read_csv('rain_amount.csv', skiprows=6, encoding='utf-8')
data_busan = pd.read_csv('rain_amount_busan.csv', skiprows=6, encoding='utf-8')

data_seoul.columns = data_seoul.columns.str.strip()
data_busan.columns = data_busan.columns.str.strip()

data_seoul['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_seoul = data_seoul[['날짜', '지점', '강수량(mm)']].dropna()

data_busan['날짜'] = pd.to_datetime(data['날짜'], errors='coerce')
data_busan = data_busan[['날짜', '지점', '강수량(mm)']].dropna()

data_seoul['지점'] = '서울'
data_busan['지점'] = '부산'

# 서울과 부산 데이터프레임 합치기(둘의 데이터프레임을 합쳐서 지점에 따라 색을 다르게 보이게 함)
data_combined = pd.concat([data_seoul, data_busan], ignore_index=True)

# Line Trace 추가
fig = px.line(data_combined, x="날짜", y="강수량(mm)", color="지점")
fig.update_traces(line_width=4,line_dash='dash') # line을 dash로 업데이트

fig.update_xaxes(showline=True, linewidth=1, linecolor='black', tickformat="%Y-%m-%d")
fig.update_layout(
    title=dict(
        text="강수량 분석 서울과 부산 비교 (20250517 ~ 20250615)",
    )
)
fig.show()

라인 Interpolation 방법 설정하기

go.Scatter(line_shape = 인터폴레이션 방법 설정)

• line_shape
  linear : 점과 점 사이를 직선으로 연결합니다.
  spline : 점과 점 사이를 곡선으로 연결합니다.
  vhv : 점과 점 사이를 두 점의 평균선으로 연결합니다.
  hvh : 가장 가까운 점의 값으로 선을 연결합니다.
  vh : 다음 점의 위치로 선을 연결합니다.
  hv : 이전 선의 위치로 선을 연결합니다

import pandas as pd
import plotly.graph_objects as go

data_seoul = pd.read_csv('rain_amount.csv', skiprows=6, encoding='utf-8')

data_seoul.columns = data_seoul.columns.str.strip()

data_seoul['날짜'] = pd.to_datetime(data_seoul['날짜'], errors='coerce')

data_seoul = data_seoul[['날짜', '지점', '강수량(mm)']].dropna()

data_seoul['지점'] = '서울'

fig = go.Figure()

fig.add_trace(go.Scatter(x=data_seoul['날짜'], y=data_seoul['강수량(mm)'], mode='lines', name='서울',
                         line_shape='linear'))
fig.add_trace(go.Scatter(x=data_seoul['날짜'], y=data_seoul['강수량(mm)'], name='linear', line_shape='linear'))
fig.add_trace(go.Scatter(x=data_seoul['날짜'], y=data_seoul['강수량(mm)'], name='spline', line_shape='spline'))
fig.add_trace(go.Scatter(x=data_seoul['날짜'], y=data_seoul['강수량(mm)'], name='vhv', line_shape='vhv'))
fig.add_trace(go.Scatter(x=data_seoul['날짜'], y=data_seoul['강수량(mm)'], name='hvh', line_shape='hvh'))
fig.add_trace(go.Scatter(x=data_seoul['날짜'], y=data_seoul['강수량(mm)'], name='vh', line_shape='vh'))
fig.add_trace(go.Scatter(x=data_seoul['날짜'], y=data_seoul['강수량(mm)'], name='hv', line_shape='hv'))

fig.update_xaxes(showline=True, linewidth=1, linecolor='black', tickformat="%Y-%m-%d")

fig.update_layout(
    title="서울 강수량 분석 (20250517 ~ 20250615)",
    xaxis_title="날짜",
    yaxis_title="강수량 (mm)",
)

fig.show()

선과 선 사이 채우기

선과 선 사이를 채우면 순대 모양의 마치 오차범위를 내는 듯한 효과를 낼 수 있습니다.

go.Scatter(x = 범위 둘례 X 좌표,
           y = 범위 둘례 Y 좌표,
           fill = 'toself'
           fillcolor = 범위 색
           line_color = 테두리 색)

예제)

import pandas as pd
import plotly.graph_objects as go

data_seoul = pd.read_csv('rain_amount.csv', skiprows=6, encoding='utf-8')

data_seoul.columns = data_seoul.columns.str.strip()

data_seoul['날짜'] = pd.to_datetime(data_seoul['날짜'], errors='coerce')

data_seoul = data_seoul[['날짜', '지점', '강수량(mm)']].dropna()

data_seoul['지점'] = '서울'

fig = go.Figure()

# 영역 채우기
fig.add_trace(go.Scatter(
    x=data_seoul['날짜'],
    y=data_seoul['강수량(mm)'],
    fill='toself',
    fillcolor='rgba(0,100,80,0.2)',
    line_color='rgba(255,255,255,0)',
    showlegend=False,
))

# 중간에 선 그리기
fig.add_trace(go.Scatter(
    x=data_seoul['날짜'], y=data_seoul['강수량(mm)'],
    line_color='rgb(0,100,80)',
))

fig.update_traces(mode='lines')

fig.update_xaxes(showline=True, linewidth=1, linecolor='black', tickformat="%Y-%m-%d")

fig.update_layout(
    title="서울 강수량 분석 (20250517 ~ 20250615)",
    xaxis_title="날짜",
    yaxis_title="강수량 (mm)",
)

fig.show()

---