[Visualization] 04. Seaborn

0. Seaborn

matplotlib을 기반으로 다양한 테마와 그래프를 제공하는 파이썬 시각화 패키지.
기본적으로 toy data(테스트 해볼 수 있는 데이터) 를 제공해준다.
데이터프레임과의 연동이 잘 되어 있다. <-> matplotlib: 그래프를 그리기 위해 데이터를 사용자가 직접 지정해주어야 함
모듈 설치: 아나콘다에는 기본적으로 포함되어 있다. !pip install seaborn

모듈 사용

  
  import seaborn as sns
  import matplotlib.pyplot as plt

  tips = sns.load_dataset('tips') # tips라는 toy data를 불러옴

tips 데이터 셋

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4
...	...	...	...	...	...	...	...
239	29.03	5.92	Male	No	Sat	Dinner	3
240	27.18	2.00	Female	Yes	Sat	Dinner	2
241	22.67	2.00	Male	Yes	Sat	Dinner	2
242	17.82	1.75	Male	No	Sat	Dinner	2
243	18.78	3.00	Female	No	Thur	Dinner	2

244 rows × 7 columns

1. rugplot, kdeplot, displot

1차원 연속형 값들의 분포를 시각화 하는 그래프

rugplot()

각 데이터들의 위치를 보여준다.
기본 코드
1 sns.rugplot(tips['total_bill'])

x=”컬럼명”, data: DataFrame 형식

  
  sns.rugplot(data=tips, x='total_bill')

코드 예시

  
  sns.rugplot(data=tips, x='total_bill') # data: DataFrame 지정. x="컬럼명"
  plt.title('Total bill의 분포')
  plt.show()

kdeplot()

KDE를 그려줌
- KDE(Kernel Density Estimation): 확률 밀도 추정

기본 코드

  
  sns.kdeplot(data=tips, x='total_bill')

코드 예시

  
  sns.displot(data=tips, x='total_bill', bins=30,
         rug = True,
         kde = True)
  plt.show()

displot()

히스토그램을 기준으로 rugplot, kdeplot을 같이 그릴 수 있다
위 2개 보다 많이 씀

기본 코드

  
  sns.displot(data=tips, x='total_bill')

추가 설정
- rug = True: displot 위에 rugplot 보여주기
- kde = True: displot 위에 kdeplot 보여주기
- hue = '': 원하는 그룹으로 나눠서 보여주기 (= groupby())

코드 예시

  
  sns.displot(x='total_bill', data=tips, bins=30,
          rug = True,
          kde = True)
  plt.show()

2. boxplot, violinplot, swamplot

연속형 데이터(양적데이터)들의 분포를 확인하는 그래프를 그린다.
범주별로 연속형 데이터의 분포를 비교할 수 있다.

boxplot()

기본 코드

  
  sns.boxplot(data=tips, x='total_bill')

코드 예시

  
  ax1 = fig.add_subplot(1, 2, 1)
  ax2 = fig.add_subplot(1, 2, 2)

  # x(y): 연속형, y(x): 범주형
  sns.boxplot(x = 'total_bill',
              y = 'smoker',
              hue = 'sex',
              data = tips, ax=ax1)
  sns.boxplot(y='tip', x='smoker', hue='time', data=tips, ax=ax2)
  ax1.legend(bbox_to_anchor=(0,1.05), loc='upper right', title='sex')
  plt.show()

violinplot()

boxplot위에 분포 밀도(kernel density)를 좌우 대칭으로 덮어쓰는 방식의 그래프 -> kde 그래프를 boxplot 좌우로 붙인 모양
매개변수는 boxplot과 동일
기본 코드
1 sns.violinplot(data=tips, y='tip')

코드 예시

  
  plt.subplot(1, 2, 1)
  sns.violinplot(data=tips, x='tip')

  plt.subplot(1, 2, 2)
  sns.violinplot(data=tips, y='tip', 
              x='day',
              hue='smoker')

  plt.show()

swapplot()

실제 값에 점을 찍어 준다.
boxplot나 violin plot을 보안해준다.
좀더 정확하게 값이 어디있는지 알 수 있다.
단독으로는 잘 안쓰고 boxplot나 violin plot위에 그린다

기본 코드

  
  sns.boxplot(data = tips, y = 'tip', color='r')
  sns.swarmplot(data = tips, y = 'tip')

여러가지 값을 한 그래프로 표현

1. y로(y가 있을 때는 x로) 먼저 나눈다.
1. hue를 이용해 또 나눈다

예시 코드

  
  sns.boxplot(data = tips,
          x = 'total_bill',
          y = 'smoker',
          hue = 'sex')

3. 한개의 figure에 2개 이상의 그래프 그리기

기본 코드

  
  fig = plt.figure(figsize=(15, 10))
  ax1 = fig.add_subplot(1, 2, 1)
  ax2 = fig.add_subplot(1, 2, 2)

  sns.boxplot(data=tips, x='total_bill', ax=ax1)
  sns.boxplot(data=tips, y='tip', ax=ax2)
  plt.show()

아래 코드로도 같은 그래프가 만들어진다.

  
  plt.figure(figsize=(15, 10))
  plt.subplot(1, 2, 1)
  sns.boxplot(data=tips, x='total_bill')

  plt.subplot(1, 2, 2)
  sns.boxplot(data=tips, y='tip')
  plt.show()

4. countplot()

막대그래프(bar plot)을 그리는 함수
범주형 변수의 고유값의 개수를 표시
matplotlib의 bar()
기본 코드
1 sns.countplot(data=tips, x='day')
추가 설정
- hue='': ~ 별로 나눠서 시각화
- dodge=False: 수평누적막대 그래프

5. scatterplot, lmplot, jointplot, pairplot

산점도를 그리는 함수
scatterplot()
pandas에서 scatter 했던 것과는 다르게 테두리가 흰색으로 표시가 됨

기본 코드

  
  sns.scatterplot(data=tips, x='total_bill')

추가 설정
- hue='': ~ 별로 나눠서 색깔을 표시

lmplot()

산점도 위에 선형 회귀 적합선(+ 오차 범위)을 그린다.

기본 코드

  
  sns.lmplot(data=tips, x='total_bill', y='tip')

jointplot()

산점도 그래프 밖에 각 변수의 히스토그램을 그린다.
pandas DataFrame만 사용할 수 있다.

기본 코드

  
  sns.jointplot(data=tips, x='total_bill', y = 'tip')

pairplot()

다변수(다차원) 데이터들 간의 산점도를 보여준다.
모든 column 간의 데이터 분포를 보여준다.
- 수치형 데이터들만 그린다.
- 데이터프레임을 인수로 받아 그리드(grid) 형태로 각 변수간의 산점도를 그린다.
- 같은 변수가 만나는 대각선 영역에는 해당 데이터의 히스토그램을 그린다.
기본 코드
1 sns.pairplot(tips)

6. heatmap()

값들에 비례해서 색을 다르게 해 2차원 자료로 시각화
오른쪽에 보면 어떤 색이 관계가 높은지 알려준다.

기본 코드

  
  sns.heatmap(tips.corr(numeric_only=True)) # 수치형 값만 들어가야 되기 때문에 numeric_only=True를 추가한다.

추가 설정
- cmap='': heatmap의 palette 변경
- annot=True: 값을 표시
- fmt='': 표시된 값 소숫점 자리 설정

7. lineplot()

선그래프
시간의 흐름에 따른 값의 변화를 보여주는데 유용하다. (시계열 데이터)
pandas의 dataframe과는 다르게 x(index) 값을 따로 설정해야 한다.
장점: hue를 이용해서 범주 값으로 나눠서 그래프를 만들기 쉽다.
단점: 일괄적으로 그래프를 그리고 싶을 때는 각 그래프 별로 적어야 해서 불편하다.

기본 코드

  
  sns.lineplot(data=df, y='no1', x=df.index)

+ Palette(그래프 색깔)

값이 추가 될 때 그래프의 색이 바뀌는데 정해져 있는 색 순서를 의미한다.

현재 palette 확인 방법

  
  import seaborn as sns
  sns.color_palette()

Palette를 바꾸는 방법
- 1. 그래프만 바꾸는 방법
    - 추가 설정에 palette=''를 넣는다
    - 예시 코드
      1 sns.scatterplot(data=tips, x='total_bill',palette='Set1')
- 1. 전체 그래프를 바꾸는 방법
    - seaborn을 사용해 기본 팔레트를 변경할 수 있다.
    - 예시 코드
      1 sns.set_palette('Set1')
Palette tutorial https://seaborn.pydata.org/tutorial/color_palettes.html#palette-tutorial

[Visualization] 04. Seaborn

0. Seaborn

1. rugplot, kdeplot, displot

rugplot()

kdeplot()

displot()

2. boxplot, violinplot, swamplot

boxplot()

violinplot()

swapplot()

여러가지 값을 한 그래프로 표현

3. 한개의 figure에 2개 이상의 그래프 그리기

4. countplot()

5. scatterplot, lmplot, jointplot, pairplot

scatterplot()

lmplot()

jointplot()

pairplot()

6. heatmap()

7. lineplot()

+ Palette(그래프 색깔)

Further Reading

[Visualization] 02. matplotlib을 활용한 그래프 그리기

[Visualization] 03. Pandas 시각화

[Jupyter notebook] Jupyter notebook 사용하기