3. 데이터 시각화

목차

• Step 1. seaborn의 기본 시각화
• Step 2. 산포도, 히스토그램
• Step 3. 바이올린, 페어 그림 등

오늘은 데이터 시각화에 대해서 공부하는 시간이다. 마찬가지로 iris 데이터를 이용하여 실습을 할 것이다.

1 2 3 4 5

import pandas as pd #load iris iris = pd.read_csv("../data/iris.csv") print(iris.columns)

1 2 3

Index(['sepal length in cm', 'sepal width in cm', 'petal length in cm', 'petal width in cm', 'species'], dtype='object')

현재 컬럼명이 복잡하기 때문에 조금 더 간단한 컬럼명으로 바꿔줘야겠다

1 2 3 4 5 6 7 8

iris.rename(columns = {iris.columns[0] : 'Sepal.Length', iris.columns[1] : 'Sepal.Width', iris.columns[2] : 'Petal.Length', iris.columns[3] : 'Petal.Width', iris.columns[4] : 'Species'}) print(iris.columns)

컬럼명이 바뀐 것을 확인할 수 있다.

1 2 3

Index(['Sepal.Length', 'Sepal.Width', 'Petal.Length', 'Petal.Width','Species'], dtype='object')

이번엔 특정 컬럼에서 존재하는 데이터의 개수를 확인을 해보자. species에 존재하는 값들은 범주형 데이터이기에 해당 범주당 데이터가 몇개 존재하는지 확인이 가능하다

1 2 3 4 5 6

iris['Species'].value_count() virginica 50 setosa 50 versicolor 50 Name: Species, dtype: int64

자 그럼 이제 본격적으로 해당 데이터셋을 이용하여 시각화를 해보자!

Step 1. seaborn의 기본 시각화

파이썬 시각화 library 중 가장 많이 사용되는 seaborn을 사용할 것이다.

데이터 분석에서 수치, 통계치를 통한 분석도 중요하나 시각화를 이용하면 더 쉽게 해당 데이터의 전체적인 개요를 확인이 가능하다.

1 2 3 4 5

import seaborn as sns # seaborn 초기 셋팅 # style = 배경, palette = 다양한 색 설정, color_codes 설정 sns.set(style = 'white', palette = 'muted', color_codes = True)

히스토그램

시각화하면 가장 먼저 떠오르는 히스토그램을 그려보자

1 2 3

# 히스토그램과 밀도 그래프를 동시에 그리는 함수이기에 # kde(밀도 그래프)를 False로 설정 sns.displot(iris['Sepal.Length'], kde = False, color = 'b')

구간의 개수를 보면 총 8개로 기본 셋팅이 되어있음을 확인이 가능하다. 이런 구간을 bin 이라고 지칭하며 bin size에 따라 히스토그램의 그림을 다양한 각도에서 해석이 가능하다

1 2	# 15개의 bin sns.displot(iris['Sepal.Length'], kde = False, bins = 15, color = 'b')

이렇듯 구간의 개수만 늘렸을 뿐인데도 그림의 모양이 달라졌음을 확인이 가능하다. 이렇듯 bin의 개수를 정하는 문제는 중요하기에 공식을 이용하여 설정하는 방법도 존재한다.

1 2 3 4

# sturges 방법론 sns.displot(iris['Sepal.Length'], kde = False, bins = 'sturges', color = 'r') # fd 방법론 sns.displot(iris['Sepal.Length'], kde = False, bins = 'fd', color = 'b')

이번엔 matplotlib라는 시각화 library를 이용하여 그림을 그려보자

1 2 3 4 5 6 7

import matplotlib.pyplot as plt # 그림 사이즈 설정 height = 8, width = 5 plt.figure(figsize = (8,5)) sns.displot(iris['Sepal.Length'], kde = False, color = 'b') # 그림 호출 plt.show()

이전의 그림과 달리 크기가 달라짐을 확인 할 수 있다. 이번엔 밀도 그래프를 그려보자

1 2 3 4

plt.figure(figsize = (8,5)) # rug로 실제 데이터가 어디에 위치하는지 표현 가능 # kde_kws = {"shade" = True}) : 배경색 허용 sns.displot(iris['Sepal.Length'], hist = False, rug = True, color = 'g', kde_kws = {"shade" = True})

이번엔 밀도 그래프와 히스토그램을 같이 그려보자

1 2 3

plt.figure(figsize = (8,5)) sns.displot(iris['Sepal.Length'], color = 'm') plt.show()

그럼 위 네 개의 그래프를 한 화면에 담을 수 없을까? 당연히 할 수 있다. subplots 이라는 함수를 이용해보자

1 2 3 4 5 6 7 8 9 10 11 12 13 14

# f = subplot들을 담는 전체 하나의 큰 그림 # axes = 각 subplot을 의미 # sharex = 각 subplot이 같은 x축을 공유 f, axes = plt.subplots(2,2 figsize = (7,7), sharex =True) sns.despine(left = True) # 그래프 테두리 없애기 sns.distplot(iris['Sepal.Length'], kde = False, color = "b", ax = axes[0, 0]) sns.distplot(iris['Sepal.Length'], hist = False, rug = True, color="r", ax = axes[0, 1]) sns.distplot(iris['Sepal.Length'], hist = False, color = "g", kde_kws = {"shade": True}, ax = axes[1, 0]) sns.distplot(iris['Sepal.Length'], color = "m", ax = axes[1, 1]) plt.setp(axes, yticks = []) # y축 제거 plt.tight_layout() # x,y축 label 크기 자동조절 plt.show()

이번엔 각각 다른 열에 대해서 그림을 분석해보자

1 2 3 4 5 6 7 8 9 10 11

f, axes = plt.subplots(2, 2, figsize = (7, 7), sharex = True) sns.despine(left = True) sns.distplot(iris['Sepal.Length'], color = "m", ax = axes[0, 0]) sns.distplot(iris['Sepal.Width'], color = "m", ax = axes[0, 1]) sns.distplot(iris['Petal.Length'], color = "m", ax = axes[1, 0]) sns.distplot(iris['Petal.Width'], color = "m", ax = axes[1, 1]) plt.setp(axes, yticks = []) plt.tight_layout() plt.show()

위 그림은 전체 데이터에 관련된 그래프이기에 각 species 별 그래프 분포를 확인하여 어떤 species가 특정 범위에 몰려있는지 확인해보자

1 2 3 4 5 6 7 8

plt.figure(figsize = (8,5)) sns.displot(iris[iris['Species'] == 'setosa']['Petal.Length'], color = 'b', label = 'setosa') sns.displot(iris[iris['Species'] == 'versicolor']['Petal.Length'], color = 'r', label = 'versicolor') sns.displot(iris[iris['Species'] == 'virginica']['Petal.Length'], color = 'm', label = 'virginica') # 범례 만들기 plt.legend(title = 'Species') plt.show()

versicolor와 virginica는 비슷한 길이에 분포하지만, setosa는 비교적 작음을 확인할 수 있다.

좀 더 직관적으로 이해하기 위해 이번엔 상자 그림을 그려서 비교를 해보자.

1 2 3

plt.figure(figsize = (8,5)) sns.boxplot(x = 'Petal.Length', y = 'Species', data = iris) plt.show()

Step 2. 산점도, 히스토그램

이번엔 산점도를 이용하여 length와 width간의 관계를 확인해보자

1 2 3

plt.figure(figsize = (8, 8)) sns.scatterplot(x = 'Petal.Length', y = 'Petal.Width', data = iris) plt.show()

그림의 결과 length와 width간의 선형관계가 존재함을 확인 할 수 있다. 이번엔 각 종의 범주 별로 구분하여 그려보자

1 2 3

plt.figure(figsize = (8,8)) sns.scatterplot(x = 'Petal.Length', y = 'Petal.Width', hue = 'Species', data = iris) plt.show()

setosa는 완전히 구별이 되나 versicolor와 virginica는 약간 겹쳐서 뚜렷한 구별이 안된다.

그렇담 각 범주 별로 회귀 추정선(regression line)을 그려서 같은 추세를 띄는지 확인을 해보자

1 2 3 4 5

# lmplot : regression line 추가 # aspect = subplot 의 세로 대비 가로의 비율 g = sns.lmplot(x = 'Petal.Length', y = 'Petal.Width', hue = 'Species', height = 6, aspect = 8/6, data = iris) # x,y축 이름 설정 g.set_axis_labels('Petal.Length (mm)', 'Petal.Width (mm)')

주황과 초록이 구분이 잘 안갔지만 회귀선으로 확인하니 다른 기울기를 가졌음을 알 수 있었다.

이번엔 산점도와 히스토그램을 동시에 그릴 수 있는 joinplot() 함수를 사용해보자

1 2 3 4

sns.jointplot(x = 'Petal.Length', y = 'Petal.Width', kind = 'scatter', marginal_kws = dict(bins = 15, rug = True), annot_kws = dict(stat = "r"), s = 40, height = 8, data = iris)

산점도와 밀도함수 또한 한 그림에 그릴 수 있다.

1	sns.pairplot(iris, hue = 'Species', palette = 'husl')

Step 3. Swarm, Strip, Correlation plot

지금부터는 전통적인 그림보단 조금 멋진 그림들을 그려보자.

swarm plot

1 2 3 4 5 6

# 초기화 sns.set(style = 'whitegrid', palette = 'muted') # pd.melt 범주 별로 데이터 순서를 나열 tidy_iris = pd.melt(iris, 'Species', var_name = 'Measurement') print(tidy_iris.head())

1 2 3 4 5 6

Species Measurement value 0 setosa Sepal.Length 5.1 1 setosa Sepal.Length 4.9 2 setosa Sepal.Length 4.7 3 setosa Sepal.Length 4.6 4 setosa Sepal.Length 5.0

1 2 3 4 5

plt.figure(figsize = (7, 7)) # Draw a categorical scatterplot to show each observation sns.swarmplot(x = 'Measurement', y = 'value', hue = 'Species', palette = ['r', 'c', 'y'], data = tidy_iris) plt.show()