데이터로 그래프 그리기 (데이터 분석을 위한 판다스 입문)

data analytics
,

그래프 그리기

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
dataset_1 = anscombe[anscombe['dataset'] == 'I']
dataset_2 = anscombe[anscombe['dataset'] == 'II']
dataset_3 = anscombe[anscombe['dataset'] == 'III']
dataset_4 = anscombe[anscombe['dataset'] == 'IV']

# 그래프 격자가 위치할 기본 틀
fig = plt.figure()
fig.suptitle("anscombe data")
fig.tight_layout()

axes1 = fig.add_subplot(2, 2, 1)
axes2 = fig.add_subplot(2, 2, 2)
axes3 = fig.add_subplot(2, 2, 3)
axes4 = fig.add_subplot(2, 2, 4)

axes1.plot(dataset_1['x'], dataset_1['y'], 'o')
axes2.plot(dataset_2['x'], dataset_2['y'], 'o')
axes3.plot(dataset_3['x'], dataset_3['y'], 'o')
axes4.plot(dataset_4['x'], dataset_4['y'], 'o')

axes1.set_title('dataset_1')
axes2.set_title('dataset_2')
axes3.set_title('dataset_3')
axes4.set_title('dataset_4')

plt.show()
  • figure()로 그래프 격자가 위치할 틀을 만들어 준다
  • add_subplot으로 각 그래프의 위치를 지정해 준다
  • set_title로 각 그래프의 제목을 지정해 줄 수 있다

matplotlib 자유자재로 사용하기

pic.png

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
def recode_sex(sex):
    if sex == "Female":
        return 0
    else:
        return 1

tips['sex_color'] = tips['sex'].apply(recode_sex)

axes1.scatter(
    x=tips['total_bill'],
    y=tips['tip'],
    s=tips['size'] * 10,
    c=tips['sex_color'],
    alpha=0.5)
axes1.set_title('bill VS tip color')
axes1.set_xlabel('total bill')
axes1.set_ylabel('tip')
  • scatter()의 인자 중 s는 점의 크기이고, c는 점의 색을 의미한다
  • alpha인값으로 점의 투명도를 조절한다

seaborn 자유자재로 사용하기

1
2
3
4
5
tips = sns.load_dataset("tips")

ax = plt.subplots()
ax = sns.distplot(tips['total_bill'], rug=True)
ax.set_title('total bill')

pic.png

  • distplot()에 rug=True인를 주면 그래프 아래에 양탄자 그래프가 그려진다
  • hist= 인자와 kde=인자는 각각 히스토그램과 밀집도 그래프의 유무를 정해준다
1
2
ax = sns.countplot('day', data=tips)
ax.set_title('count')

pic.png

  • countplot그래프이다
1
2
ax = sns.regplot(x='total_bill', y='tip', data=tips)
ax.set_title('scatter')
  • regplot()은 산점도 그래프와 회귀선을 함께 그릴 수 있다
  • 회귀선을 제거하려면 fit_reg=인값을 False로 지정하면 된다
1
2
3
joint = sns.jointplot(x='total_bill', y='tip', data=tips)
joint.set_axis_labels(xlabel='total bill', ylabel='tip')
joint.fig.suptitle('joint', fontsize=10, y=1.03)
  • jointplot의 kind=인에 ‘hex’를 넣어주면 육각형으로 데이터를 볼 수 있다

이차원 밀집도 그리기

pic.png

1
2
3
ax = sns.kdeplot(data=tips['total_bill'],
                 data2=tips['tip'],
                 shade=True)

  • shade인값을 True로 지정하면 그래프에 음영 효과를 줄 수 있다

    pic.png

1
2
3
4
pair_grid = sns.PairGrid(tips)
pair_grid = pair_grid.map_upper(sns.regplot)
pair_grid = pair_grid.map_lower(sns.kdeplot)
pair_grid = pair_grid.map_diag(sns.distplot, rug=True)
  • pair_grid에 원하는 그래프를 지정해서 그릴 수 있다

데이터프레임과 시리즈로 그래프 그리기

  • 밀집도, 산점도 그래프, 육각 그래프는 각각 kde, scatter, hexbin 메서드를 사용하여 그릴 수 있다

seaborn 라이브러리로 그래프 스타일 설정하기

1
2
3
sns.set_style('whitegrid')
fig, ax = plt.subplots()
ax = sns.violinplot(x='time', y='total_bill', hue='sex', data=tips, split=True)

pic.png

  • whitegrid로 스타일을 설정하여 그래프를 그리면 가로줄이 생긴다
1
2
3
4
5
6
7
8
9
fig = plt.figure()
seaborn_style = ['darkgrid', 'whitegrid', 'dark', 'white', 'ticks']
for idx, style in enumerate(seaborn_style):
    plot_position = idx + 1
    with sns.axes_style(style):
        ax = fig.add_subplot(2, 3, plot_position)
        violin = sns.violinplot(x='time', y='total_bill', data=tips, ax=ax)
        violin.set_title(style)
fig.tight_layout()

pic.png