(1-3) Python과 Matplotlib

210809

1-3. Python과 Matplotlib

모든 실습 코드의 출처는 여기입니다

1. 왜 Matplotlib일까?

  • Matplotlib은 Python에서 사용할 수 있는 시각화 라이브러리.

  • 현재 사용되고 있는 다양한 데이터 분석 및 머신러닝/딥러닝은 Python에서 이뤄지고 있다.

  • numpy와 scipy를 베이스로 하여 다양한 라이브러리와 호환성이 좋다.

    • Scikit-Learn, PyTorch, Tensorflow

    • Pandas

  • 다양한 시각화 방법론을 제공한다.

    • 막대그래프

    • 선그래프

    • 산점도

    • ETC

  • 그 외에도 Seaborn, Plotly, Bokeh, Altair 등의 시각화 라이브러리가 존재

    • Matplotlib가 범용성이 제일 넓고, base가 되는 라이브러리

1-1. Import Library

matplotlib은 줄여서 mpl로 코드 상에서 사용합니다.

import numpy as np 
import matplotlib as mpl

print(f'numpy version : {np.__version__}') # version check
print(f'matplotlib version : {mpl.__version__}') # version check
numpy version : 1.19.3
matplotlib version : 2.2.5

만약 버전이 다르다면 pip install matplotlib 또는 conda install matplotlib으로 라이브러리를 다운받으시면 됩니다.

그리고 가장 많이 사용하는 pyplot 모듈도 함께 불러옵니다. (이전에는 pylab이 있었지만 현재는 지원안함)

import matplotlib.pyplot as plt

  • matplotlib에는 텍스트용 모듈, 날짜용 모듈, 도형용 모듈 등 다양한 기능을 제공한다. 그 중 pyplot 을

2. 기본 Plot

2-1. Figure와 Axes

matplotlib에서 그리는 시각화는 Figure라는 큰 틀에 Ax라는 서브플롯을 추가해서 만든다.

fig = plt.figure()
plt.show()
<Figure size 432x288 with 0 Axes>

  • plt.show() 는 plt에 그려진 것을 출력해달란 뜻.

    • jupyter나 colab에서는 1번 라인 코드만 있어도 출력이된다.

      • ipython 파일이어서 그렇다

  • %matplotlib 라는 인라인 코드는 필수적인 것은 아니다

다만 Figure는 큰 틀이라 서브플롯을 최소 1개 이상 추가해야 하고, 추가하는 다양한 방법이 있습니다.

3.차트의 요소/3.Facet에서 구체적으로 다룰 예정

fig = plt.figure()
ax = fig.add_subplot()
plt.show()
<Figure size 432x288 with 0 Axes>

그래프의 사이즈는 figure의 사이즈로 서브플롯 ax의 사이즈를 조정합니다.

가로, 세로 길이(inch 단위)를 tuple형태로 figsize 파라미터에 전달하여 조정합니다.

노트북 환경에서는 비율로 생각하고 진행하면 편리합니다.

fig = plt.figure(figsize=(12, 7))
ax = fig.add_subplot()
plt.show()
<Figure size 864x504 with 0 Axes>

  • figsize=(12, 7) 은 가로를 12인치, 세로를 7인치로 설정하라는 뜻

    • 모니터 크기와 쥬피터 크기가 모두 다르기 때문에 사이즈가 크게 중요하지는 않다. 단순히 12 : 7 이라는 비율로 인지할 것

  • fig.set_facecolor('black') 을 작성해주면 fig의 테두리가 검은색으로 칠해진다.

2개 이상 그리고 싶다면 위치를 지정해주어야 합니다.

fig = plt.figure()
ax = fig.add_subplot(121) 
# ax = fig.add_subplot(1, 2, 1)로 사용가능
ax = fig.add_subplot(122) 
plt.show()

  • fig.add_subplot(121) 에서 121 은 세로를 한칸, 가로를 두칸으로 나누었을 때 첫번째에 위치시키라는 뜻이다

    • 제로 인덱스가 아니기 때문에 헷갈릴 수 있다.

    • 또한 121은 기본 문법 (1, 2, 1)로 쓸 수 있다.

fig = plt.figure()
ax1 = fig.add_subplot(211) 
ax2 = fig.add_subplot(212) 
# 같은 내용이지만 더 가독성을 높인다면 
# 다음과 같이 사용 가능
# ax1 = fig.add_subplot(1, 2, 1)
# ax2 = fig.add_subplot(1, 2, 2)
plt.show()

2-2. plt로 그래프 그리기

리스트 [1, 2, 3] 데이터를 ax에 그린다면 어떻게 그릴 수 있을까요?

우선은 2장.기본차트에서 다루도록하고 선그래프를 그리는 plot을 그려보게습니다.

fig = plt.figure()
ax = fig.add_subplot()

x = [1, 2, 3]

plt.plot(x)
plt.show()

  • 그래프가 (인덱스, 값) 의 형태로 그래프가 만들어졌다.

2개를 순서대로 그린다면 다음과 같이 그릴 수 있습니다.

fig = plt.figure()

x1 = [1, 2, 3]
x2 = [3, 2, 1]

ax1 = fig.add_subplot(211) 
plt.plot(x1) # ax1에 그리기
ax2 = fig.add_subplot(212) 
plt.plot(x2) # ax2에 그리기
plt.show()

plt로 그리는 그래프들은 순차적으로 그리기에 좋습니다.

하지만 프로그래밍 스타일에 따라 (보편적인 Python)에서는 꼭 순차적으로 그리지만은 않습니다.

좀 더 pythonic하게 구현을 하려면 어떻게 해야할까요?

2-3. 서브플롯 객체 ax에 그리기

ax 객체에 직접그리면 됩니다. 이렇게 Matplotlib은 그릴 때 두 가지 API를 따로 지원합니다.

  • Pyplot API : 순차적 방법

  • 객체지향(Object-Oriented) API : 그래프에서 각 객체에 대해 직접적으로 수정하는 방법

편한 커스텀을 위해 강의 및 자료에서는 가능한 객체지향 API를 사용합니다.

fig = plt.figure()

x1 = [1, 2, 3]
x2 = [3, 2, 1]

ax1 = fig.add_subplot(211) 
ax2 = fig.add_subplot(212) 

ax1.plot(x1) 
ax2.plot(x2)
plt.show()

plt로 그리다 plt.gcf().get_axes()로 다시 서브플롯 객체를 받아서 사용할 수도 있음

3. Plot의 요소들 알아보기

3-1. 한 서브플롯에서 여러 개 그리기

ax에는 동시에 다양한 그래프를 그릴 수 있습니다.

fig = plt.figure()
ax = fig.add_subplot(111) 
# 3개의 그래프 동시에 그리기
ax.plot([1, 1, 1]) # 파랑
ax.plot([1, 2, 3]) # 주황
ax.plot([3, 3, 3]) # 초록

plt.show()

동시에 그래프를 그리게 되면 색상이 자동적으로 구분됩니다.

fig = plt.figure()
ax = fig.add_subplot(111) 

# 선그래프와 막대그래프 동시에 그리기
ax.plot([1, 2, 3], [1, 2, 3]) 
ax.bar([1, 2, 3], [1, 2, 3]) 

plt.show()

다른 종류의 그래프가 추가된다면 다시 파란색으로 시작하기에 색을 명시해주는 게 좋습니다.

  • 같은 그래프는 색이 구분된다.

3-2. 색상 지정하기

색을 직접 명시할 수 있고, 일반적으로 color 파라미터를 통해 전달합니다.

color를 명시하는 3가지 방법은 코드를 통해 살펴봅시다.

fig = plt.figure()
ax = fig.add_subplot(111) 
# 3개의 그래프 동시에 그리기
ax.plot([1, 1, 1], color='r') # 한 글자로 정하는 색상
ax.plot([2, 2, 2], color='forestgreen') # color name
ax.plot([3, 3, 3], color='#000000') # hex code (BLACK)
plt.show()

  • 첫번째 방법은 원색 계열이 많아 색이 탁하고, 일부만 있다

  • 두번째 방법은 color name을 외운다면 사용 가능

색에 대한 다양한 조합은 직접하면 제일 좋겠지만 rgb hex값을 검색하는 방법을 추천!!

더 자세한 내용은 차트의 요소 - 2. color에서

3-3. 텍스트 사용하기

정보를 추가하기 위해 텍스트를 사용할 수도 있습니다.

더 자세한 내용은 3.차트의 요소 > 1. Text에서 계속

우선 label을 봅시다.

fig = plt.figure()
ax = fig.add_subplot(111) 
ax.plot([1, 1, 1], label='1') 
ax.plot([2, 2, 2], label='2') 
ax.plot([3, 3, 3], label='3')
plt.show()

시각화에서 드러나지 않습니다. 범례(legend)를 추가해보겠습니다.

fig = plt.figure()
ax = fig.add_subplot(111) 
ax.plot([1, 1, 1], label='1') 
ax.plot([2, 2, 2], label='2') 
ax.plot([3, 3, 3], label='3')
ax.legend()
plt.show()

  • ax.legend() 는 비교적 그래프를 보기에 있어 시야에 방해되지 않는 부분에 자동으로 생성된다.

    • 그래프 외부에 생성할 수도 있다. 추후 수업에 다시 다룸

범례를 추가하면 해당 그래프와 매칭되는 텍스트 정보가 추가됩니다.

여기서 제목(title)을 추가해보겠습니다.

fig = plt.figure()
ax = fig.add_subplot(111) 
ax.plot([1, 1, 1], label='1') 
ax.plot([2, 2, 2], label='2') 
ax.plot([3, 3, 3], label='3')
ax.set_title('Basic Plot')
ax.legend()
plt.show()

  • ax마다 ax.set_title 을 이용해 이름을 지을 수 있다.

  • fig의 이름은 fig.suptitle('fig') 를 이애용해서 지을 수 있다.

    • sup은 super의 약어이다.

ax에서 특정 데이터를 변경하는 경우 .set_{}() 형태의 메서드가 많습니다. 알아둡시다 :)

set으로 세팅하는 정보들은 반대로 해당 정보를 받아오는 경우에는 .get_{}() 형태의 메서드를 사용합니다.

fig = plt.figure()
ax = fig.add_subplot(111) 
ax.plot([1, 1, 1], label='1') 
ax.plot([2, 2, 2], label='2') 
ax.plot([3, 3, 3], label='3')
ax.set_title('Basic Plot')
ax.legend()

print(ax.get_title())
plt.show()
Basic Plot

축은 ticks와 ticklabels로 구분됩니다.

ticks은 축에 적히는 수 위치를 지정합니다.

fig = plt.figure()
ax = fig.add_subplot(111) 
ax.plot([1, 1, 1], label='1') 
ax.plot([2, 2, 2], label='2') 
ax.plot([3, 3, 3], label='3')


ax.set_title('Basic Plot')
ax.set_xticks([0, 1, 2])


ax.legend()

plt.show()

ticklabels은 축에 적히는 텍스트를 수정합니다.

fig = plt.figure()
ax = fig.add_subplot(111) 
ax.plot([1, 1, 1], label='1') 
ax.plot([2, 2, 2], label='2') 
ax.plot([3, 3, 3], label='3')


ax.set_title('Basic Plot')
ax.set_xticks([0, 1, 2])
ax.set_xticklabels(['zero', 'one', 'two'])
ax.legend()

plt.show()

마지막으로는 일반적인 텍스트를 추가하는 2가지가 있습니다.

fig = plt.figure()
ax = fig.add_subplot(111) 
ax.plot([1, 1, 1], label='1') 
ax.plot([2, 2, 2], label='2') 
ax.plot([3, 3, 3], label='3')


ax.set_title('Basic Plot')
ax.set_xticks([0, 1, 2])
ax.set_xticklabels(['zero', 'one', 'two'])

ax.text(x=1, y=2, s='This is Text')

ax.legend()

plt.show()

  • ax.text 는 위치는 x와 y로 그리고 텍스트는 s로 전달한다

fig = plt.figure()
ax = fig.add_subplot(111) 
ax.plot([1, 1, 1], label='1') 
ax.plot([2, 2, 2], label='2') 
ax.plot([3, 3, 3], label='3')


ax.set_title('Basic Plot')
ax.set_xticks([0, 1, 2])
ax.set_xticklabels(['zero', 'one', 'two'])

ax.annotate(s='This is Annotate', xy=(1, 2))

ax.legend()

plt.show()

  • ax.annotate 는 xy를 튜플형태로 전달한다

text와 annotate의 차이

  • text는 원하는 위치에 텍스트를 적었다

  • annotate 원하는 위치에 텍스트를 지정했다.

annotate는 화살표 등을 추가할 수 있다는 장점이 있습니다. (세세한 세팅은 추후에 알아보겠습니다.)

fig = plt.figure()
ax = fig.add_subplot(111) 
ax.plot([1, 1, 1], label='1') 
ax.plot([2, 2, 2], label='2') 
ax.plot([3, 3, 3], label='3')


ax.set_title('Basic Plot')
ax.set_xticks([0, 1, 2])
ax.set_xticklabels(['zero', 'one', 'two'])

ax.annotate(s='This is Annotate', xy=(1, 2),
           xytext=(1.2, 2.2), 
            arrowprops=dict(facecolor='black'),
           )

ax.legend()

plt.show()
Previous(2-1) Bar Plot 사용하기Next(1-2) 시각화의 요소

Last updated

Was this helpful?