[데이터 시각화] Python-라이브러리 Seaborn 기초 내용 정리

본 글은 파이썬의 데이터 시각화 라이브러리 중 하나인

Seaborn에 대한 기초적인 내용을 공부하고 정리한 글임을 밝힘.

 

목차

 

---

Seaborn 라이브러리

• Matplotlib의 기능과 스타일을 확장한 파이썬 시각화 도구의 고급버전
  • 오히려 Matplotlib보다 단순한 인터페이스를 제공

 

---

1. 연속형 데이터의 시각화

1.1. 산점도와 회귀선 (regplot)

1. 서로 다른 2개 연속 변수의 산점도
2. 선형회귀분석에 의한 회귀선

1.2. 히스토그램 (distplot)

• bins의 개수에 따라서 히스토그램이 달라짐

1.3. 커널 밀도 그래프 (kde)

• 커널 밀도 함수는 그래프와 x축 사이의 면적이 1이 되도록 그림

 

---

2. 범주형 데이터 분포

2.1. 빈도 그래프(countplot)

• 범주형 변수에 대해 빈도수를 막대 그래프로 시각화
• hue 옵션으로 새 변수 차원을 추가
• dodge = False 옵션으로 그래프를 겹치게 그릴 수 있음

2.2. 히트맵 (hitmap)

• x ,y 축을 범주형 데이터 변수로 설정
• 빈도수 평균값 등의 aggfunc을 사용하여 값을 구한 뒤 해당 영역의 값에 맞는 색이 채워짐
• 히트맵에 사용되는 cmap을 옵션으로 바꿀 수 있음.

 

2.3. 범주형 데이터 산점도

1. stripplot
   • 범주형 변수에 들어있는 연속형 변수의 데이터 분포를 확인
2. swarmplot
   • 데이터의 분삭까지 고려하여 데이터 포인트가 겹치지 않게 그림

 

2.4. 박스 플롯 (boxplot)

• 연속형 데이터의 전반적인 분포를 확인하는데 적합

 

2.5. 바이올린 그래프 (violinplot)

 

---

 

3. 데이터 시각화 고급

3.1. 그리드 분할 그래프

• 다양한 범주형 값을 가지는 데이터를 시각화할 떄 사용
• FacetGrid 클래스를 사용하여 행/열 방향으로 서로 다른 조건을 적용
• 서브 플롯에 적용할 그래프를 map() 메소드로 적용

 

• factorplot() 메소드를 활용할 수도 있음
• 행과 열로 나눠진 각 서브 플롯에 대해서 x,y 데이터로 kind에 설정된 그래프를 그림

3.2. 조인트 그래프

• 산점도를 기본으로 표시하면서 x,y축에 각 변수에 대한 히스토그램을 동시에 보여줌
• 두 변수의 관계와 데이터가 분산되어 있는 정도를 한 눈에 파악하기 좋음
• 그래프 옵션을 조정하여 여러가지 조인트 그래프를 형성할 수 있음
  • 커널 밀도 그래프 옵션
  • 육각 산점도 옵션
  • 회귀선 추가 옵션

 

3.3. 이변수 데이터 그래프

• 데이터 프래임 내 두 연속형 변수의 관계를 그래프로 표현
• 대각선 방향으로는 히스토그램을 그리고 나머지 그리드에는 두 변수의 산점도를 그림.

 

• hue 옵션을 사용하여 새로운 범주형 변수 차원을 추가
• 히스토그램 대신 커널 밀도 그래프를 사용할 수도 있음.

---

 

마무리

데이터를 시각화는 다양한 방법에 대해서 알아보았는데

여러 그래프를 찬찬히 살펴보면서 나중에 어떻게 사용해야 할지에 대해 꾸준히 궁리하는 것이 필요하다고 판단.

주기적으로 여러 코드를 보면서 작업을 해나가는 게 중요.