📊 꺼내먹는 그래프|Line,Bar,Scatter,Histogram,Stack Plot,Box plot,Violin Plot

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

---

1. Line Plot (선 그래프)

사용 상황: 시간에 따른 데이터의 변화를 표현할 때 사용함.
예시: 주식 가격 추이, 기온 변화 등.
장점: 연속적인 데이터의 추세를 직관적으로 파악 가능.

✅ 방법 1: pyplot 방식

x = [1, 2, 3, 4]
y = [10, 21, 13, 41]
plt.plot(x, y)  # 기본적인 선 그래프 생성
plt.title('Line Plot')  # 제목 설정
plt.show()  # 그래프 출력

✅ 방법 2: subplots 방식

z = [1, 2, 3, 4]
y = [10, 21, 13, 41]
fig, ax = plt.subplots()  # figure(캔버스)와 axes(축) 생성
ax.plot(z, y)  # 선 그래프 생성
plt.show()  # 그래프 출력

🔍 메서드 설명

• plt.plot(x, y) : 간단한 방식으로 선 그래프 그리기 (pyplot 인터페이스)
• plt.title() : 그래프의 제목 설정
• plt.show() : 시각화된 그래프를 화면에 표시
• plt.subplots() : 객체지향 방식으로 figure와 축 객체를 생성
• ax.plot(x, y) : axes 객체를 활용한 선 그래프 생성

---

2. Bar Chart (막대 그래프)

사용 상황: 카테고리별 값을 비교할 때 사용됨.
예시: 그룹별 판매량, 인구 수 등.
장점: 항목별 크기를 명확히 비교할 수 있음.

✅ 방법 1: pyplot 방식

categories = ['A', 'B', 'C', 'D']
values = [10, 20, 15, 30]
plt.bar(categories, values)  # 막대 그래프 생성
plt.title('Bar Chart')
plt.show()

✅ 방법 2: subplots 방식

fig, ax = plt.subplots()
categories = ['이재명', '이낙연', '김동연', '안철수']  # x축에 표시할 카테고리
values = [31, 13, 8, 15]  # 각 카테고리의 값
ax.bar(categories, values)  # 막대 그래프 생성
plt.show()  # 출력

🔍 메서드 설명

• plt.bar(x, height) : pyplot 방식으로 막대 그래프 생성
• ax.bar(x, height) : axes 객체를 활용한 막대 그래프 생성
• plt.title() : 제목 표시
• plt.show() : 그래프 출력

---

3. Scatter Plot (산점도)

사용 상황: 두 변수 간 관계나 상관성을 분석할 때 사용.
예시: 키 vs 몸무게, 광고비 vs 판매량.
장점: 분포 특성과 관계성을 시각적으로 쉽게 파악 가능.

✅ 방법 1: pyplot 방식

x = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78, 77, 85, 86]
plt.scatter(x, y)  # 산점도 생성
plt.title('Scatter Plot')
plt.show()

✅ 방법 2: subplots 방식

fig, ax = plt.subplots()
ax.scatter(x, y)  # 산점도 생성
plt.show()

🔍 메서드 설명

• plt.scatter(x, y) : pyplot 방식으로 산점도 생성
• ax.scatter(x, y) : axes 객체를 통한 산점도 생성

---

4. Histogram (히스토그램)

사용 상황: 데이터의 분포, 빈도, 패턴 파악에 사용.
예시: 시험 점수 분포, 고객 연령층.
장점: 분포의 모양(정규/왜도 등)을 쉽게 확인 가능.

✅ 방법 1: pyplot 방식

import numpy as np
mpl.rcParams['axes.unicode_minus'] = False  # 음수 깨짐 방지
data = np.random.randn(1000)  # 정규분포를 따르는 난수 1000개 생성
plt.hist(data, bins=30)  # 히스토그램 생성
plt.title('Histogram')
plt.show()

✅ 방법 2: subplots 방식

fig, ax = plt.subplots()
ax.hist(data, bins=30)  # 30개의 구간으로 나눠 히스토그램 출력
plt.show()

🔍 메서드 설명

• plt.hist(data) / ax.hist(data) : 데이터 분포를 막대 형태로 시각화
• np.random.randn(n) : 정규분포를 따르는 난수 생성

---

5. Stack Plot (누적 영역 그래프)

사용 상황: 시간에 따라 여러 그룹의 변화를 동시에 표현할 때 사용.
예시: 제품별 매출 변화, 부서별 예산 사용 추이.
장점: 전체 변화 + 세부 항목 변화 동시 파악 가능.

✅ 방법 1: pyplot 방식

x = [1, 2, 3, 4, 5]
y1 = [1, 1, 2, 3, 5]
y2 = [0, 4, 2, 6, 8]
y3 = [1, 3, 5, 7, 9]
plt.stackplot(x, y1, y2, y3, labels=['Y1', 'Y2', 'Y3'])
plt.legend(loc='upper left')
plt.title('Stack Plot')
plt.show()

✅ 방법 2: subplots 방식

x = [1, 2, 3, 4, 5]
y1 = [1, 2, 3, 4, 5]
y2 = [3, 8, 8, 7, 9]
y3 = [2, 7, 6, 5, 10]
fig, ax = plt.subplots()
ax.stackplot(x, y1, y2, y3, labels=['Y1', 'Y2', 'Y3'])
ax.legend(loc='upper right')
plt.show()

🔍 메서드 설명

• plt.stackplot() / ax.stackplot() : 여러 계열 데이터를 누적 영역으로 시각화
• legend(loc=...) : 범례 위치 설정
• plt.title() : 제목 설정
• plt.show() : 그래프 출력

6. Box Plot (박스 플롯)

사용 상황: 데이터의 분포와 이상치 확인 시 사용.
예시: 시험 점수의 범위, 제품의 품질 분포.
장점: 중앙값, 사분위수, 이상치 등 통계적 특성을 간결하게 표현.

✅ 방법 1: pyplot 방식

data = np.random.rand(6, 10)  # 0~1 범위의 난수 6행 10열 생성
plt.boxplot(data)  # 박스 플롯 그리기
plt.title('Box Plot')
plt.show()

✅ 방법 2: subplots 방식

fig, ax = plt.subplots()
data = np.random.rand(6, 10)
ax.boxplot(data)  # 박스 플롯 생성
plt.show()

🔍 메서드 설명

• np.random.rand(n, m) : 균등분포를 따르는 난수 배열 생성
• plt.boxplot(data) / ax.boxplot(data) : 박스 플롯으로 분포와 이상치 시각화

---

7. Violin Plot (바이올린 플롯)

사용 상황: 박스 플롯의 정보를 포함하면서 분포의 밀도까지 함께 표현.
예시: 그룹별 소득 분포, 시험 점수 밀도.
장점: 요약 통계와 분포 밀도를 동시에 표현 가능.

✅ 방법 1: pyplot 방식

data = np.random.rand(10, 4)  # 10행 4열의 난수 데이터 생성
plt.violinplot(data)  # 바이올린 플롯 그리기
plt.title('Violin Plot')
plt.show()

✅ 방법 2: subplots 방식

fig, ax = plt.subplots()
data = np.random.rand(10, 4)
ax.violinplot(data)  # 바이올린 플롯 생성
plt.show()

🔍 메서드 설명

• plt.violinplot() / ax.violinplot() : 밀도 함수 기반으로 분포 시각화
• 박스 플롯처럼 중앙값, 사분위수 등도 함께 포함함

---

• 원 그래프는 전체에서 각 부분의 비율을 보여줍니다. 주로 카테고리별 비율을 비교할 때 사용됩니다.
  - 자료 유형: 범주형 데이터의 상대적 비율을 시각화하는 데 사용됩니다.
  - 활용: 전체에 대한 각 범주의 비율을 보여줄 때 유용하며, 주로 비율을 비교하는 데 사용됩니다.
  import matplotlib.pyplot as plt

데이터 생성

sizes = [30, 20, 25, 15, 10]
labels = ['A', 'B', 'C', 'D', 'E']

파이차트 그리기

plt.pie(sizes, labels=labels, autopct='%1.1f%%')
plt.title('Pie Chart')
plt.show()