16 Wed

TIL

프로그래머스 AI 스쿨 1기

3주차 DAY 3

Matlab으로 데이터 시각화하기

데이터를 보기좋게 표현해봅시다.

1. Matplotlib 시작하기

2. 자주 사용되는 Plotting의 Options

• 크기 : figsize

• 제목 : title

• 라벨 : _label

• 눈금 : _tics

• 범례 : legend

3. Matplotlib Case Study

• 꺾은선 그래프 (Plot)

• 산점도 (Scatter Plot)

• 박스그림 (Box Plot)

• 막대그래프 (Bar Chart)

• 원형그래프 (Pie Chart)

4. The 멋진 그래프, seaborn Case Study

• 커널밀도그림 (Kernel Density Plot)

• 카운트그림 (Count Plot)

• 캣그림 (Cat Plot)

• 스트립그림 (Strip Plot)

• 히트맵 (Heatmap)

I. Matplotlib 시작하기

• 파이썬의 데이터 시각화 라이브러리

• cf) 라이브러리 vs 프레임워크

• 라이브러리 : 라이브러리 내부 코드를 조합해서 결과를 도출

• ex : numpy, pandas

• 프레임워크 : 정해져 있는 틀에 내용물을 채워감

• ex : django, flask

• pip install matplotlib

• %matplotlib inline : 활성화

import numpy as np, pandas as pd, matplotlib.pyplot as plt
%matplotlib inline

II. Matplotlib Case Study

plt.plot([1, 2, 3, 4, 5]) # 실제 plotting을 하는 함수 # y = x + 1
# 이것은 plt.plot(x = index, y = [1,2,3,4,5]) 와 동일
plt.show() # plt를 확인하는 명령

plt.plot([2,4,2,4,2])
plt.show()

Figsize : Figure(도면)의 크기 조절

figure : 그래프를 이루는 도면 figsize는 튜플을 이루며 1당 72픽셀을 의미한다

plt.figure(figsize=(3, 3)) # plotting을 할 도면을 선언

plt.plot([0, 1, 2, 3, 4])
plt.show()

2차함수 그래프 with plot()

# 리스트를 이용해서 1차 함수 y = x를 그려보면:

plt.plot([0, 1, 2, 3, 4])
plt.show()

# numpy.array를 이용하여 함수 그래프 그리기

x = np.array([1, 2, 3, 4, 5]) # 정의역
y = np.array([1, 4, 9, 16, 25]) # 치역

plt.plot(x, y)
plt.show()

# np.arange(a, b, c) c : 0.01

x = np.arange(-10, 10, 0.01)

plt.xlabel("x value")
plt.ylabel("f(x) value")

plt.plot(x, x**2)
plt.show()

# x, y축의 범위를 설정하기

x = np.arange(-10, 10, 0.01)
plt.xlabel("x value")
plt.ylabel("f(x) value")

plt.axis([-5, 5, 0 , 25]) # [x_min, x_max, y_min, y_max]

plt.plot(x, x**2)
plt.show()

# x, y축에 눈금 설정하기

x = np.arange(-10, 10, 0.01)
plt.xlabel("x value")
plt.ylabel("f(x) value")
plt.axis([-5, 5, 0 , 25]) # [x_min, x_max, y_min, y_max]

plt.xticks([i for i in range(-5, 6, 1)])
plt.yticks([i*i for i in range(0, 6)])

plt.plot(x, x**2)
plt.show()

# 그래프에 title 달기

x = np.arange(-10, 10, 0.01)
plt.xlabel("x value")
plt.ylabel("f(x) value")
plt.axis([-5, 5, 0 , 25]) # [x_min, x_max, y_min, y_max]
plt.xticks([i for i in range(-5, 6, 1)])
plt.yticks([i*i for i in range(0, 6)])

plt.title("y = x^2 graph")

plt.plot(x, x**2)
plt.show()

# 함수 선 이름 달기

x = np.arange(-10, 10, 0.01)
plt.xlabel("x value")
plt.ylabel("f(x) value")
plt.axis([-5, 5, 0 , 25]) # [x_min, x_max, y_min, y_max]
plt.xticks([i for i in range(-5, 6, 1)])
plt.yticks([i*i for i in range(0, 6)])

plt.title("y = x^2 graph")

plt.plot(x, x**2, label="trend")
plt.legend()

plt.show()

III. Matplotlib Case Study

꺾은선 그래프(Plot)

.plot()

x = np.arange(20) # 0~19
y = np.random.randint(0, 21, 20) # 0~20 난수를 20번 생성

x, y

(array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
        17, 18, 19]),
 array([ 4, 13, 12, 11,  7, 14,  7, 20,  9,  6, 14, 12, 17, 20, 12,  0,  0,
        11, 13,  6]))

plt.plot(x, y)
plt.show()

# Extra : y축을 20까지 보이게 하고싶다면?, y축을 "5"단위로 보이게 하고 싶다면?

plt.axis([0, 20, 0 , 20]) # [x_min, x_max, y_min, y_max]
plt.yticks([i for i in range(0, 21, 5)])

plt.plot(x, y)
plt.show()

산점도 (Scatter Plot)

.scatter()

plt.scatter(x, y)
plt.show()

Plot : 규칙성 Scatter Plot : 상관관계

박스 그림 (Box Plot)

• 수치형 데이터에 대한 정보 (Q1, Q2, Q3, min, max)

plt.boxplot(y)
plt.show()

# Extra : Plot의 title을 "Box plot of y"

plt.boxplot((x, y))
plt.title("Box plot of x, y")
plt.show()

막대 그래프 (Bar Plot)

• 범주형 데이터의 "값"과 그 값의 크기를 직사각형으로 나타낸 그림

• .bar()

plt.bar(x, y)
plt.xticks(np.arange(0, 21, 1))
plt.show()

# Extra : xtics를 올바르게 처리해봅시다.

# cf) Histogram
# 도수분포를 직사각형의 막대 형태로 나타냈다.
# 막대그래프는 개개인의 변량을 표시
# 히스토그램은 여러 변량을 묶은 "계급"으로 나타낸 것이 특징
# 0, 1, 2가 아니라 0~2까지의 "범주형" 데이터로 구성 후 그림을 그림
# .hist()

plt.hist(y, bins=np.arange(0, 21, 2)) # bins : 범주의 간격

# Extra : xtics 수정
plt.xticks(np.arange(0, 21, 2))
plt.show()

원형 그래프 (Pie Chart)

• 데이터에서 전체에 대한 부분의 비율을 부채꼴로 나타낸 그래프

• 다른 그래프에 비해서 비율 확인에 용이

• .pie()

z = [100, 300, 200, 400]

plt.pie(z, labels=['one', 'two', 'three', 'four'])
plt.show()

IV. The 멋진 그래프, Seaborn Case Study

Matplotlib를 기반으로 더 다양한 시각화 방법을 제공하는 라이브러리

• 커널밀도그림

• 카운트그림

• 캣그림

• 스트립그림

• 히트맵

Seaborn Import 하기

import seaborn as sns

커널밀도그림 (Kernel Density Plot)

• 히스토그램과 같은 연속적인 분포를 곡선화해서 그린 그림

• sns.kdeplot()

# in Histogram

x = np.arange(0, 22, 2)
print(x)
y = np.random.randint(0, 20, 20)
print(y)
plt.hist(y, bins=x)
plt.show()

[ 0  2  4  6  8 10 12 14 16 18 20]
[13  0 11 13 18  6  1  6 10  1  5 12 14 18  7  3  7  3  6 14]

# kdeplot

sns.kdeplot(y)
plt.show()

# kdeplot

sns.kdeplot(y, shade=True) # shade : 그래프 아래에 있는 부분에 대해서 음영을 추가 가능
plt.show()

카운트그림 (Count Plot)

• 범주형 column의 빈도수를 시각화 -> Groupby 후의 도수를 하는 것과 동일한 효과

• sns.countplot()

vote_df = pd.DataFrame({"name":['Andy', 'Bob', 'Cat'], "vote":[True, True, False]})

vote_df

	name	vote
0	Andy	True
1	Bob	True
2	Cat	False

# in matplotlib barplot

vote_count = vote_df.groupby('vote').count()
vote_count

	name
vote
False	1
True	2

plt.bar(x=[False, True], height=vote_count['name'])
plt.show()

# sns의 countplot => countplot을 사용하면 count한 결과를 보기 좋게 출력 가능

sns.countplot(x=vote_df['vote'])
plt.show()

캣그림 (Cat Plot)

• concat에서 따온 cat

• 숫자형 변수와 하나 이상의 범주형 관계를 보여주는 함수

• sns.catplot()

covid = pd.read_csv("./country_wise_latest.csv")
covid.head(5)

	Country/Region	Confirmed	Deaths	Recovered	Active	New cases	New deaths	New recovered	Deaths / 100 Cases	Recovered / 100 Cases	Deaths / 100 Recovered	Confirmed last week	1 week change	1 week % increase	WHO Region
0	Afghanistan	36263	1269	25198	9796	106	10	18	3.50	69.49	5.04	35526	737	2.07	Eastern Mediterranean
1	Albania	4880	144	2745	1991	117	6	63	2.95	56.25	5.25	4171	709	17.00	Europe
2	Algeria	27973	1163	18837	7973	616	8	749	4.16	67.34	6.17	23691	4282	18.07	Africa
3	Andorra	907	52	803	52	10	0	0	5.73	88.53	6.48	884	23	2.60	Europe
4	Angola	950	41	242	667	18	1	0	4.32	25.47	16.94	749	201	26.84	Africa

s = sns.catplot(x="WHO Region", y="Confirmed", data=covid) #default : kind = 'strip'
s.fig.set_size_inches(10, 6)
plt.show()
# catplot : 범주형 데이터와 수치형 데이터를 출력하는데 좋음 => 여러 데이터를 모음

s = sns.catplot(x="WHO Region", y="Confirmed", data=covid, kind='violin')
s.fig.set_size_inches(10, 6)
plt.show()
# catplot : 범주형 데이터와 수치형 데이터를 출력하는데 좋음 => 여러 데이터를 모음

스트립그림 (Strip Plot)

• scatter plot과 유사하게 데이터의 수치를 표현하는 그래프

• sns.stripplot()

sns.stripplot(x='WHO Region', y='Recovered', data=covid)
plt.show()

# cf) swarmplot - 동일한 value를 가진 경우 실제로 얼마나 있는지 모르니, 값을 퍼트려준다.

s = sns.swarmplot(x='WHO Region', y='Recovered', data=covid)
plt.show()
# error는 주어진 데이터를 다 표현할 수 없다는 warning

c:\users\32154049\appdata\local\programs\python\python37\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 22.7% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)
c:\users\32154049\appdata\local\programs\python\python37\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 69.6% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)
c:\users\32154049\appdata\local\programs\python\python37\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 79.2% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)
c:\users\32154049\appdata\local\programs\python\python37\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 54.3% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)
c:\users\32154049\appdata\local\programs\python\python37\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 31.2% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)

히트맵 (Heatmap)

• 데이터의 행렬을 색상으로 표현해주는 그래프

• sns.heatmap()

covid.corr() #correlation => 상관 관계

	Confirmed	Deaths	Recovered	Active	New cases	New deaths	New recovered	Deaths / 100 Cases	Recovered / 100 Cases	Deaths / 100 Recovered	Confirmed last week	1 week change	1 week % increase
Confirmed	1.000000	0.934698	0.906377	0.927018	0.909720	0.871683	0.859252	0.063550	-0.064815	0.025175	0.999127	0.954710	-0.010161
Deaths	0.934698	1.000000	0.832098	0.871586	0.806975	0.814161	0.765114	0.251565	-0.114529	0.169006	0.939082	0.855330	-0.034708
Recovered	0.906377	0.832098	1.000000	0.682103	0.818942	0.820338	0.919203	0.048438	0.026610	-0.027277	0.899312	0.910013	-0.013697
Active	0.927018	0.871586	0.682103	1.000000	0.851190	0.781123	0.673887	0.054380	-0.132618	0.058386	0.931459	0.847642	-0.003752
New cases	0.909720	0.806975	0.818942	0.851190	1.000000	0.935947	0.914765	0.020104	-0.078666	-0.011637	0.896084	0.959993	0.030791
New deaths	0.871683	0.814161	0.820338	0.781123	0.935947	1.000000	0.889234	0.060399	-0.062792	-0.020750	0.862118	0.894915	0.025293
New recovered	0.859252	0.765114	0.919203	0.673887	0.914765	0.889234	1.000000	0.017090	-0.024293	-0.023340	0.839692	0.954321	0.032662
Deaths / 100 Cases	0.063550	0.251565	0.048438	0.054380	0.020104	0.060399	0.017090	1.000000	-0.168920	0.334594	0.069894	0.015095	-0.134534
Recovered / 100 Cases	-0.064815	-0.114529	0.026610	-0.132618	-0.078666	-0.062792	-0.024293	-0.168920	1.000000	-0.295381	-0.064600	-0.063013	-0.394254
Deaths / 100 Recovered	0.025175	0.169006	-0.027277	0.058386	-0.011637	-0.020750	-0.023340	0.334594	-0.295381	1.000000	0.030460	-0.013763	-0.049083
Confirmed last week	0.999127	0.939082	0.899312	0.931459	0.896084	0.862118	0.839692	0.069894	-0.064600	0.030460	1.000000	0.941448	-0.015247
1 week change	0.954710	0.855330	0.910013	0.847642	0.959993	0.894915	0.954321	0.015095	-0.063013	-0.013763	0.941448	1.000000	0.026594
1 week % increase	-0.010161	-0.034708	-0.013697	-0.003752	0.030791	0.025293	0.032662	-0.134534	-0.394254	-0.049083	-0.015247	0.026594	1.000000

# 수치로 주어져 있으면 알아보기 어려움
# 색깔을 이용해서 행렬로 표현 
sns.heatmap(covid.corr())
plt.show()