Yoon Da Yeong

I am an amazing person.

Matplotlib

: 2차원 플롯을 디자인하는 패키지

  • 특징: 많은 운영 체제 & 그래픽 백엔드에서 잘 작동함

  • Matplotlib.pyplot

    matplotlib가 MATLAB처럼 작동하도록 만드는 command style functions 집합

    • 역할: figure을 만들고 수정, figure에 plotting area 생성, plot에 label 추가..

    • 목적: interactive plot과 간단한 programmatic plot 생성

  • Dual interfaces(이중 인터페이스)

    1. 편리한 pyplot(MATLAB-style state-based) interface

      • 자동으로 pyplot 만들기 & figures와 axes 관리 & plotting을 위한 pyplot function 사용
      • plt command(명령)이 적용되는 현재 figures와 axes를 트래킹함 ★
      • 단순한 plot들에는 편리하고 빠름

      => pyplot 모듈의 필요한 형태를 plotting 함수로 직접 그림 그리는 작성

    2. 강력한 OO(objected-oriented) interface

      • 명시적으로 figures와 axes 생성 =>복잡한 상황과 좀 더 정교한 control이 필요할 때 사용
      • OO interface의 plotting functions는 명시적 figure과 axes 객체의 메서드이다

      => 객체인 figures, Axes를 먼저 생성 후, 원하는 객체에 대하여 그래픽관련 메서드로 그림 작성

Figure 구성

  1. Figure: 전체적인 모습

    • 여러 개의 축이 포함될 수 있지만 일반적으로 하나 이상의 축이 포함
    • 축을 생성하는 것이 편리=> but, 축을 추가 시 축 레이아웃이 복잡

  2. Axes: 데이터 공간의 이미지 영역( plot )

    • 여러 개의 axes가 포함될 수 있지만, 주어진 axes object는 하나의 figure에만!(중복 x)
    • OO interface의 기본

  3. Axis (축): 선

    • 그래프 한계를 설정 & 눈금(axis 표시) 및 눈금 label생성

  4. Artist: figure의 모든것

    • Text, Line 2D, collections, Patch objects… 등이 포함

    • 대부분의 artist는 여러 개의 axes에 공유될 수 X

    image

    Adjusting the plot

1. Line colors & styles

​ -> plt.plot() 함수는 선 색상 및 스타일을 지정

  • 문자열 인수(string arguments)를 허용하는 색상 키워드 사용 가능

    ex) plt.plot(x, np.sin(x), color=“red”) // plt.plot(x, x + 0, linestyle=‘solid’)

  • 지정된 색상이 없는 경우 Matplotlib는 여러 선의 기본 색상 집합을 자동으로 순환합니다.

  • 라인 스타일 키워드(line style keyword) 사용 가능

  • 선 스타일과 색상 코드를 하나의 비키워드 인수(nonkeyword argument)로 결합 가능

  • 매개변수를 명확하게 지정하는 것이 좋음(marker, linestyle, color)

2. Axes Limits

  • plt.xlim() & plt.ylim() => 축 한계를 조정
  • plt.axis() => [xmin, xmax, ymin, ymax] 로 조정 가능

3. Labeling plots

  • plt.title() method : 타이틀 지정
  • plt.xlabel(), plt.ylabel() : 축 label 지정
  • plt.legend() : single axes 에 mulpitle lines일 때 유용

pyplot interface -> OO-interface methods

  • plt.xlabel() -> ax.set_xlabel()

  • plt.ylabel() -> ax.set_ylabel()

  • plt.xlim() -> ax.set_xlim()

  • plt.ylim() -> ax.set_ylim()

  • plt.title() -> ax.set_title()

  • plt.subplot() -> fig.add_subplot()

그림 유형

• Histogram

  • 간단한 데이터 세트(data set) 이해에 도움

  • 매개변수 bin, color, density, cumulative 등을 이용한 다양한 형태 작성

  • 여러 그룹을 겹치기 가능 & 누적 빈도 분석 가능

•Bar chart(막대 그래프)

​ -> height 정보 필수

  • bar(x, height) => X값과 Y값으로 height를 지정

  • 데이터프레임의 경우 height값이 산출 안될 때 => value_counts()로 heigh구하기

  • 수평 막대그래프 => barh()

•Pie chart (원 그래프)

  • 각 요소의 비율을 추출하고 추출된 비율에 따라 원형을 부채꼴로 분할한 그래프
  • 각 요소의 비율을 비교하기 편리하다.

•박스플롯 (boxplot)

  • Boxplot은 중앙값, 4분위값, 이상값 등을 체계적으로 보여주는 그래프

  • 여러 개 boxplot 동시에 작성 가능

    ​ => 여러 개를 하나의 그림에 작성하면 중심위치 및 산포에 대한 비교가 편리하다.

  • 입력 데이터는 array or a sequence of vectors가 될 수 있다.
  • Labels로 각 sequence을 지정 가능

image-20210608135127750

•Scatter plots

  • 점, 원 또는 다른 모양으로 개별적으로 표시

  • plt.plot()으로 linestype 지정 가능 => 다양한 시각화 옵션 사용 가능

    ​ ex) plt.plot(x, np.sin(x), marker = ‘o’, linestyle = ‘ ‘, color = ‘black’)

  • plt.scatter() => 각 점들의 properties(속성)을 개별적으로 제어 &데이터 매핑

  • 데이터 세트 커지면 -> scatter 가 더 유용

Multiple Subplots

-> 여러 그림 나란히 비교

•plt.subplot

​ =>subplot 추가 -> subpot(n, n, i) : n*n개, 들어갈 인덱스

  • Figure객체명.add_subplot() =>Axes 객체를 생성

    & 생성된 Axes객체에 OO-interface 방식을 사용 가능

•plt.subplots: the whole grid in one Go

  • figure 와 supblots 집합 생성
  • 단일 하위 그림을 만드는 대신 단일 선에 전체 gird of subplot를 만들어 Numpy 배열로 반환
  • sharex & sharey 지정 =>grid inner lables 자동 제거하여 그림을 더 깨끗하게

Seaborn

=> 파이썬의 통계 그래픽을 만드는 라이브러리

  • matplotblib에 구축되었음 & pandas data structure과 밀접
  • matplotlib로 plot그림
  • seaborn로 웬만한 건 할 수 있지만, customization은 matplotlib를 사용해야 함

[제공 기능]

  • 여러 변수 간의 관계를 조사하기 위한 dataset-oriented API
  • 범주형 변수(categorical varibles)로 관측치 (observation)와 집계 통계량(aggregate statistics) 표시
  • univariate 나 bivariate를 시각화 & data의 subsets 간에 비교하는 옵션
  • 여러 종류 종속 변수에 대한 선형 회귀 모형(linear regression models)을 자동으로 estimate & plot
  • 복잡한 데이터셋의 전체 구조에 대한 편리한 보기
  • multi-plot grids를 위한 고급 추상화(abstractions) -> 복잡한 시각화를 쉽게 구축할 수 있도록
  • 몇 가지 기본 제공 테마를 사용하여 매트플롯 리브 그림 스타일링에 대한 간결한 제어
  • 데이터의 패턴을 충실하게 나타내는 색상 팔레트를 선택하는 도구

seaborn plots

•히스토그램 작성하기

  • sns.distplot() : 히스토그램과 확률밀도함수를 표현

  • bins, hist, kde 매개변수를 지정하여 필요한 형태를 변경

•막대그래프 작성하기

  • Countplot() :범주형 변수의 개수를 따로 산출하지 않고도 막대그래프를 작성

    ​ -> 사용하는 데이터프레임을 data 매개변수에 지정해야함

  • Barplot() : x 매개변수에 범주형변수, y 매개변수에 연속형변수 지정하여 범주별 평균값 막대 그래프산출

•Boxplot 작성하기

–Draw a box plot to show distribution with respect to categories

•Scatter plots

  • 여러 의미 그룹화의 가능성을 가진 산점도 그림
  • x- y 관계 -> 색조, 크기 및 스타일 매개 변수를 사용하여 데이터의 여러 하위 집합에 대해 표시 가능

•Regression plots

  • regplot()함수: Plot data and a linear regression model plot.

•Pairplot()

  • 데이터의 각 숫자 변수가 단일 행에 걸쳐 Y축에서 공유되고 단일 열에 걸쳐 x축에서 공유되는 grid of Axes 생성

• FacetGrid()

  • 그룹별로 여러 그림을 한꺼번에 작성하는 방법

  • FacetGrid() 로 데이터프레임과 그룹을 구분할 열이름을 전달하여 객체를 생성

  • 객체명.map()로 그래프의 종류 및 필요한 정보를 제공하여 그림을 그림

You may also enjoy