[부스트캠프 AI Tech 5기] Seaborn

Seaborn

Seaborn 기초

• Categorical API
• Distributional API
• Relational API
• Regression API
• Matrix API

Seabron의 기본 인자

• x,y,hue (feature)
• data (dataframe)
• palette(종합적인 색상 팔레트), color(단위 색상)
• order (순서 지정)
• matplotlib와 함께 ax를 지정하여 그릴 수 있음

sns.countplot(x='race',data=student,
			  hue = 'gender',
              hue_order = sorted(student['gender'].unique()),
              ax = axes[1]]

Categorical API

Box Plot

sns.boxplot(x='math score',data=student) 

Violin Plot

• 실제 분포에 대한 정보를 제공하기 적합한 방식
• 일종의 Histogram의 보간
• 데이터가 연속적이지 않은데, 연속적으로 보이기 때문에 오해가 생길 가능성이 높음
• bw 수치를 조정하여 연속의 강도를 지정
• split으로 반반씩 hue 비교 가능

sns.violinplot(x='math score',data=student) 

Distribution API

Univariate Distribution

Histogram

• 히스토그램
• binwidth, bins로 막대 간격 조정
• multiple = 'fill', 'dodge', 'stack','layer' 등으로 multiple 방법론 사용 가능

sns.histplot(x='math score',data=student) 

KDEplot

• 선으로 표현
• fill = True로 밀도를 채울 수 있음
• multiple = 'fill','stack','layer'
• cumulative = True로 CDF로 변경 가능

sns.kdeplot(x='math score',data=student) 

Bivariate Distribution

Histplot

• scatter plot 보다 가독성이 좋음

sns.histplot(x='math score', y='reading score', data=student)

KDEplot

• scatter plot 보다 가독성이 좋음

sns.kdeplot(x='math score', y='reading score', data=student)

Relation & Regression

Scatter Plot

sns.scatterplot(x='math score', y='reading score', data=student)

Line Plot

• 알아서 평균과 표준 편차로 오차 범위를 정해줌

sns.lineplot(x='math score', y='reading score', data=student)

Regplot

• order = int로 차원 설정 가능

sns.regplot(x='math score', y='reading score', data=student)

Matrix Plot

Heatmap

sns.heatmap(heart.corr(), ax=ax,
			vmin = -1, vmax= 1, center=0,
            cmap = 'coolwarm',
            annot=True, fmt='.2f'
            )

Multi Chart

Jointplot

• 결합 확률분포와 각각의 분포를 살필 수 있는 시각화
• kind = 'scatter','kde','hist','hex','reg','resid' 등으로 내부 type 지정 가능

sns.jointplot(x='math score', y= 'reading score', data= student, hue='gender)

Pairplot

• 데이터의 pair-wise 관계를 시각화 하는 함수
• kind = 'scatter','kde','hist','reg'
• diag_kin = 'auto','hist','kde',None

sns.pairplot(data=iris,hue='Species')

Facet Grid 사용

• feature의 category의 관계를 살펴 볼 수 있음

sns.catplot(x='race',y='math score',data=student,
			kind = 'box',col='lunch')
            
sns.displot(x='race',hue='gender',data=student)

sns.relplot(x='math score',y='reading score',
			hue='gender', data=student, col='lunch')