네이버 부스트캠프 5기 17일차

김태민·2023년 3월 25일

AI NLP 네이버 부스트캠프

boostcamp

목록 보기

31/36

Data visualization

Bar Plot

직사각형 막대를 이용하여 데이터의 값을 표현
주로 수직,수평으로 분류

수직
x값 : 범주 y값 : Value

import matplotlib.pyplot as plt

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

# 그래프 그리기
plt.bar(labels, values)

# 그래프 타이틀과 라벨 설정
plt.title('Vertical Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')

# 그래프 보여주기
plt.show()

수평
x값 : Value y값 : 범주

import matplotlib.pyplot as plt

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

# 그래프 그리기
plt.barh(labels, values)

# 그래프 타이틀과 라벨 설정
plt.title('Horizontal Bar Plot')
plt.xlabel('Values')
plt.ylabel('Categories')

# 그래프 보여주기
plt.show()

Stacked Bar Plot

각 그룹을 표시하는데 stack하여 표현하는 Plot이다.
각 그룹의 순서는 항상 유지되어야 한다.
물론 이 또한 barh를 이용하여 아래 그림처럼 수평으로 만들수있다.

import numpy as np

data = np.array([[10, 20, 30], [20, 25, 10], [15, 30, 25], [5, 35, 40]])

import matplotlib.pyplot as plt

# 카테고리 이름
categories = ['Category A', 'Category B', 'Category C']

# 그룹 이름
groups = ['Group 1', 'Group 2', 'Group 3', 'Group 4']

# 그룹별 카테고리 값
values = data.T

# 막대그래프 그리기
fig, ax = plt.subplots()
ax.bar(groups, values[0], label=categories[0])
for i in range(1, len(categories)):
    ax.bar(groups, values[i], bottom=values[:i].sum(axis=0), label=categories[i])

# 범례 추가
ax.legend()

# 축 레이블 추가
ax.set_ylabel('Value')
ax.set_xlabel('Group')

# 그래프 보여주기
plt.show()

Grouped Bar Plot

가장 유용한 Bar Plot으로 아래와 같이 표현된다.

import numpy as np

data = np.array([[10, 20, 30], [20, 25, 10], [15, 30, 25], [5, 35, 40]])

import matplotlib.pyplot as plt

# 카테고리 이름
categories = ['Category A', 'Category B', 'Category C']

# 그룹 이름
groups = ['Group 1', 'Group 2', 'Group 3', 'Group 4']

# 그룹별 카테고리 값
values = data.T

# 막대그래프 그리기
fig, ax = plt.subplots()
bar_width = 0.2
x = np.arange(len(groups))
ax.bar(x - bar_width, values[0], width=bar_width, label=categories[0])
for i in range(1, len(categories)):
    ax.bar(x + i * bar_width - bar_width, values[i], width=bar_width, label=categories[i])

# 축 레이블 추가
ax.set_ylabel('Value')
ax.set_xlabel('Group')

# 그룹 이름 추가
ax.set_xticks(x)
ax.set_xticklabels(groups)

# 범례 추가
ax.legend()

# 그래프 보여주기
plt.show()

부가정보

Bar 사이에 Gap 함수를 통하여 0으로 줄이면 히스토그램이 된다.

Line Plot

주로 시계열 데이터를 표현하는데 많이 사용되며 주로 그래프를 그린다.
주로 구별할수 있는 요소로는
색상,마커,선의종류로 각 선을 구분할수있다.
실시간 데이터는 Noise로 인해 smoothing로 추세를 확인 가능

단일 그래프

import numpy as np

x = np.arange(0, 10, 0.1)
y = np.sin(x)

import matplotlib.pyplot as plt

# 그래프 그리기
plt.plot(x, y)

# 축 레이블 추가
plt.xlabel('x')
plt.ylabel('y')

# 그래프 보여주기
plt.show()

2중 그래프

import numpy as np

x = np.arange(0, 10, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)

import matplotlib.pyplot as plt

# 그래프 그리기
plt.plot(x, y1, label='sin')
plt.plot(x, y2, label='cos')

# 축 레이블 추가
plt.xlabel('x')
plt.ylabel('y')

# 범례 추가
plt.legend()

# 그래프 보여주기
plt.show()

유의 사항

x축의 간격이 규칙적이지 않으면 기울기의 정보가 왜곡된다. x축의 간격을 맞춰주는 작업이 요함
한 axes안에 2개의 축을 사용하는 작업은 피하는게 좋다.

Scatter Plot

주로 점으로 표현되며 각 점은 각 데이터 1개이다. 이것을 통해 데이터 feature간의 관계,클러스터링, 값차이,이상치 등을 알 수 있다.
이 또한 색,마커,크기로 구별되며 특이사항으로
투명도,지터링,2차원 히스토그램,Contour plot로도 표현이 가능하다.

추세선

추세선을 그려 scatter의 패턴을 유추할수있다.

import numpy as np

x = np.array([1, 2, 3, 4, 5, 6])
y = np.array([2, 3, 5, 6, 8, 9])

import matplotlib.pyplot as plt
from scipy.stats import linregress

# 그래프 그리기
plt.scatter(x, y)

# 추세선 그리기
slope, intercept, r_value, p_value, std_err = linregress(x, y)
plt.plot(x, slope*x + intercept, color='r')

# 축 레이블 추가
plt.xlabel('x')
plt.ylabel('y')

# 그래프 보여주기
plt.show()