seaborn으로 데이터 시각화

Python 데이터 시각화

• **데이터 시각화: 데이터를 그래프나 차트 등 시각적 형태로 표현하는 과정
• matplotlib: Python의 대표적인 표준 시각화 라이브러리, 다양한 종류의 정적, 애니메이션, 인터랙티브 시각화 생성 가능
• seaborn: matplotlib을 기반으로 하며, 더 아름답고 통계적으로 의미 있는 고급 시각화 기능을 간편하게 제공
  • Anaconda 배포판에 기본 포함
• 임포트:

import matplotlib.pyplot as plt  # matplotlib의 pyplot 모듈
import seaborn as sns  # seaborn 라이브러리

선 그래프 (Line Plot)

• sns.lineplot(x='x축_열이름', y='y축_열이름', data=데이터프레임)
• 용도: 시간의 흐름에 따른 데이터 변화, 연속적인 값들의 추세 시각화
• 주요 인자:
  • x: x축에 해당하는 데이터프레임의 열 이름
  • yy`: y축에 해당하는 데이터프레임의 열 이름
  • data: 사용할 데이터프레임 객체
  • hue: 특정 열의 값에 따라 선 색상 구분
  • estimator: y값의 집계 방법 (기본값은 평균)

sns.lineplot(data=df, x='year', y='price')  # 연도별 가격 변화
sns.lineplot(data=df, x='year', y='price', hue='model')  # 연도별 모델별 가격 변화
sns.lineplot(data=df, x='year', y='price', estimator='std')  # 연도별 표준편차 변화

막대 그래프 (Bar Plot / Count Plot)

• sns.barplot(x='x축_범주형열', y='y축_수치형열', data=데이터프레임):
  • 범주형 데이터에 따른 수치형 데이터의 크기(예: 평균, 합계 등) 비교

sns.barplot(data=df, x='model', y='price')  # 모델별 가격 평균

• sns.countplot(x='x축_범주형열', data=데이터프레임):
  • 범주형 데이터의 각 항목별 빈도수(개수) 시각화 (y축 별도 지정 불필요)

sns.countplot(data=df, x='model')  # 모델별 개수

산점도 (Scatter Plot)

• sns.scatterplot(x='x축_숫자형열', y='y축_숫자형열', data=데이터프레임)
• 용도: 두 숫자형 변수 간의 관계(상관관계, 분포)를 점으로 표현
• 주요 인자:
  • hue: 특정 열 값에 따라 점 색상 구분
  • size: 특정 열 값에 따라 점 크기 구분
  • style: 특정 열 값에 따라 점 모양 구분

sns.scatterplot(data=df, x='mileage', y='price')  # 주행거리와 가격의 관계
sns.scatterplot(data=df, x='mileage', y='price', hue='model')  # 모델별 주행거리와 가격의 관계

상자-수염 그림 (Box Plot)

• sns.boxplot(x='범주형열', y='숫자형열', data=데이터프레임) 또는 sns.boxplot(data=데이터프레임의_숫자형열):
  • 데이터의 사분위수, 중앙값, 이상치 등을 상자 그림으로 표현
  • 범주별 데이터 분포 비교에 유용

sns.boxplot(data=df, y='price')  # 가격 분포
sns.boxplot(data=df, x='model', y='price')  # 모델별 가격 분포

히스토그램 (Histogram)

• sns.histplot(x='숫자형열', data=데이터프레임, bins='auto' 또는 정수):
  • 단일 숫자형 변수의 값 분포를 구간별 막대(빈도수)로 표현
  • bins: 막대의 개수 또는 구간 정의

sns.histplot(data=df, x='price')  # 가격의 히스토그램
sns.histplot(data=df, x='price', bins=10)  # 가격의 히스토그램(막대 10개)
sns.histplot(data=df, x='price', hue='model')  # 모델별 가격의 히스토그램

차트 꾸미기 기초 (plt 객체 활용)

• 차트의 가독성 및 정보 전달력 향상
• plt.title('차트 제목'): 차트 상단에 제목 추가
• plt.xlabel('X축 레이블'): X축 이름(설명) 추가
• plt.ylabel('Y축 레이블'): Y축 이름(설명) 추가
• plt.legend(): 범례 표시 (seaborn에서 hue 등 사용 시 자동 생성되는 경우 많음, 위치 조정 등 가능)
• plt.xticks() / plt.yticks(): 축 눈금 값, 레이블 조정

하나의 이미지에 여러 차트 그리기

• subplot 함수를 이용해 여러 차트를 그릴 수 있음
• 한 셀에서 실행

plt.subplot(1, 2, 1)  # 1행 2열의 첫 번째 서브플롯
sns.histplot(data=df[df.model=='Avante'], x='price')  # Avante 모델의 가격 히스토그램
plt.subplot(1, 2, 2)  # 1행 2열의 두 번째 서브플롯
sns.histplot(data=df[df.model=='K3'], x='price')  # K3 모델의 가격 히스토그램

생성된 차트 저장

• plt.savefig('저장할_파일명.png', dpi=해상도)
• 파일명 확장자에 따라 다양한 포맷 지원 (예: .jpg, .pdf, .svg)
• 그래프를 그린 셀에서 함께 실행해야 함

plt.savefig('price_histogram.png')  # 가격 히스토그램을 이미지로 저장

퀴즈