seaborn 정리

seaborn

matplotlib을 쉽게 사용하기 위한 고수준(high-level) 라이브러리

📍 그래프 종류

1. Relational plots: 두 가지 변수(x, y)의 관계를 나타내기 위한 그래프
   --> scatterplot, lineplot, replot

2. Distribution plots: 변수 하나(x or y) 혹은 변수 두개 (x,y)의 값 분포를 나타내기 위한 그래프
   --> displot, hisplot, kdeplot, ecdfplot, rugplot, distplot

3. Categorical plots: 범주형 변수 (ex. Male/Female, Yes/No)와 연속형 변수(숫자) 간의 관계를 나타내기 위한 그래프
   --> boxplot, barplot, countplot, catplot, stripplot, swarmplot, violinplot, boxenplot, pointtplot

4. Regression plots: 회귀(regression) 분석 결과를 relational p lots과 함께 나타내주는 그래프
   --> lmplot, regplot, residplot

5. Matrix plots: 연속형 변수(숫자) 간의 관계 비율을 2차원 메트릭스로 만들고 그 비율에 따라 색을 입혀서 시각화
   --> heatmap, clustermap

6. Multi-plot grids: 여러 그래프를 함께 그려 한눈에 비교하기 위한 그래프
   --> FacetGrid, pairplot, PairGrid, jointplot, JointGrid

기본

• 사용방법
  1. 데이터프레임(pandas 구조)를 삽입해서 그 데이터의 열이름을 x 축, y 축으로 입력하는 방법
  sns.scatterplot(x = 'sugarpercent', y = 'winpercent', data = candy_data)
  2. 데이터프레임의 열에 바로 접근해서 x 축, y 축으로 입력하는 방법
  sns.scatterplot(x = candy_data['sugarpercent'], y = candy_data['winpercent'])

• hue에 범주형 데이터(yes or no)를 입력해 서로 다른 색으로 표시

📘 Relational plots

관계형 그래프

scatterplot

세 가지 파라미터 꼭 필요함(x축 데이터 컬럼명, y축 데이터 컬럼명, 데이터 셋)

sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")

• hue: 마커 색으로 범주형 데이터 구분, ex. sns.scatterplot(x='total_bill', y='tip', data=tips, hue='time')
• style: 마커 모양으로 범주형 데이터 구분

lineplot

may_flights = flights.query("month == 'May'")
sns.lineplot(data=may_flights, x="year", y="passengers")

• 연속적 데이터
• 짙은 선: 추정 회귀선(estimated regression line), 옅은 영역: 신뢰구간(confidence interval)
• hue, style, markers=True

📘 Distribution plots

histplot

히스토그램 - 데이터의 빈도

sns.histplot(data=penguins, x="flipper_length_mm", bins=30)

• multiple=stack
• kde=True

kdeplot

sns.kdeplot(data=tips, x="total_bill", hue="time")

• 밀도 추정(kernal density estimation) 그래프
• histplot: count(절대량), kdeplot: 비율(상대량)
• hue, style

displot

• histplot, kdeplot, ecdfplot 모두 그릴 수 있음(default: hist)
• kind=: hist, kde, ecdf
• row, col: subplot 여러 개 함께 나타낼 수 있음

📘 Categorical plots

barplot

flights_wide = flights.pivot(index="year", columns="month", values="passengers")
sns.barplot(flights_wide)

• 이변량(bivariate) 분석을 위한 plot
• x축: 범주형 변수, y축: 연속형 변수
• x, y축 데이터 바꿔서 수평막대그래프 표현가능
• 오차 막대

countplot

sns.countplot(titanic, x="class", hue="survived")

• 동일한 데이터의 개수 count
• hist: 연속형 데이터, countplot: 범주형 데이터
• x, y축 데이터 바꿔서 수평막대그래프 표현가능

boxplot

sns.boxplot(data=titanic, x="class", y="age", hue="alive")

• 변수 1개(x or y축)일 때는 연속형 변수 입력 (범주형 변수는 에러)
• 변수 2개(x and y축)일 때는 연속형 변수와 범주형 변수를 입력
• 데이터 통계치(최대, 최소, 평균, 1사분위수, 3사분위수)를 한번에 표시
• 특정 데이터의 전체적인 분포를 확인하기 좋은 그래프
• outliar 발견하기 좋음

violinplot

sns.violinplot(data=df, x="class", y="age", hue="alive")

• boxplot과 변수 입력 규칙 동일
• 데이터 분포 한 눈에 파악

stripplot

sns.stripplot(data=tips, x="total_bill", y="day", hue="day", legend=False)

• 연속형 변수와 범주형 변수의 관계를 나타내는 scatterplot(scatterplot은 연속형과 연속형 사이의 관계 나타냄)

swarmplot

sns.swarmplot(data=tips, x="total_bill", y="day", hue="day", legend=False)

• stripplot과 흡사, 분포 정도 함께 표현
• violinplot과 함께 쓰기도 함

catplot

• 모든 categorical plot 그릴 수 있음
• kind: strip(default), swarm, box, violin, boxen, point, bar, count
• row, col

📘 Regression plots

regplot

• scatterplot + lineplot
• scatterplot의 경향성을 예측하는 쪽으로 lineplot 그려짐

lmplot

sns.lmplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species")

• regplot 상위호환
• hue, row, col

📘 Matrix plots

heatmap

sns.heatmap(glue, annot=True)

• annot=True: 값을 칸 안에 표시해줌

Multi-plot grids

FacetGrid

pairplot

seaborn 공식문서
seaborn color palette
seaborn color palette 공식문서

---

참고

plotly

import plotly.express as px

• px.histogram

import plotly.graph_object as go

• go.Histogram
• go.Box()

pandas

crosstab
df.hist(bins=n, figsize=())