Seaborn tutorial study 3

Multivariate views on complex datasets 복잡한 데이터 세트에 대한 다변량 시각화

• 일부 seaborn함수는 데이터 세트의 정보 요약을 빠르게 제공하기 위해 여러 종류의 plot을 조합한다.
  첫번째로 단일관계에 대해 표현하고 두 변수간의 합동 분포를 각 변수 주변 분표에 표시합니다.

penguins = sns.load_dataset("penguins")
sns.jointplot(data=penguins, x="flipper_length_mm", y="bill_length_mm", hue="species")

각각 펭귄에 대한 종과 날개 길이 부리의 길이를 표현 한 것같다.

Gentoo가 대충 날개가 길면 부리도 긴거 같다.

pairplot을 이용해 모든 변수와 관계를 표현해보자

sns.pairplot(data=penguins, hue="species")

뭔가 많이 나왔다. 무게랑 날개길이가 가장 선형회귀 를 따라간다.

Lower-level tools for building figures 대충 시각화를 위한 낮은 레벨의 도구를 뜻하는 것 같다.

g = sns.PairGrid(penguins, hue="species", corner=True)
g.map_lower(sns.kdeplot, hue=None, levels=5, color=".2")
g.map_lower(sns.scatterplot, marker="+")
g.map_diag(sns.histplot, element="step", linewidth=0, kde=True)
g.add_legend(frameon=True)
g.legend.set_bbox_to_anchor((.61, .6))

corner=True 대칭 부분 제거 중복제거라고 생각하자
sns.kdeplot 앞서 했던 커널 밀도 추정이다. 산점도로 표현되었던 펭귄 변수 관계를 곡선화를 해줄 모양이다.

확실히 사용자의 편의를 생각하긴하는것같다.
하나하나 하니까 굉장히 오래걸리네......