Seaborn 심화

공부 내용

• jointplot
• pairplot
• FacetGrid

Joint Plot

• 2개 feature의 결합확률 분포와 함께 각각의 분포도 살필 수 있는 시각화
• hue를 사용하여 구분 가능
• kind를 활용하여 다양한 종류의 분포 확인 가능
  • `scatter, kde, hist, hex, reg, resid

Pair Plot

• 데이터셋의 pair-wise 관계를 시각화하는 함수
• 시각화 방법 조정 파라미터
  • kind : 전체 서브플롯 조정
    • scatter, kde, hist, reg
  • diag_kind : 대각 서브플롯 조정
    • auto, hist, kde, None

• corner = True 활용해서 대칭 정보를 지울 수 있음

FacetGrid

• pairplot과 같이 다중패널을 사용하는 시각화
• pairplot은 feature-feature 사이만 살피지만 Facet Grid는 feature category 간 관계도 살펴볼 수 있다.
• FacetGrid 기반 함수
  • catplot : Categorical
  • displot : Distribution
  • relplot : Relational
  • lmplot : Regression

Catplot

• catplot 관련 방법론

  • Categorical scatterplots:

    • stripplot() (kind="strip"; the default)
    • swarmplot() (kind="swarm")

  • Categorical distribution plots:

    • boxplot() (kind="box")
    • violinplot() (kind="violin")
    • boxenplot() (kind="boxen")

  • Categorical estimate plots:

    • pointplot() (kind="point")
    • barplot() (kind="bar")
    • countplot() (kind="count")

• 행과 열을 조정하는 것이 중요
  -> 각 행과 열의 category를 기반으로 그래프의 개수가 조정됨

  
  

Displot

• displot 관련 방법론
  • histplot() (kind="hist"; the default)
  • kdeplot() (kind="kde")
  • ecdfplot() (kind="ecdf"; 단일변수에서만 사용 가능)

Relplot

• relplot 관련 방법론
  • scatterplot() (kind="scatter"; the default)
  • lineplot() (kind="line")

Lmplot

• regplot() 방법론 사용 가능