# (3-3) Facet 사용하기
## 1. Facet
Facet이란 분할을 의미한다. 화면상에 View를 분할 및 추가하여 다양한 관점을 전달할 수 있다.
* 같은 데이터셋에 서로 다른 인코딩을 통해 다른 인사이트를 제공
* 같은 방법으로 동시에 여러 feature를 볼 수 있음
* 큰 틀에서 볼 수 없는 부분 집합을 세세하게 보여줄 수 있음
## 2. Matplotlib에서 구현
### 2.1 Figure와 Axes
* Figure는 큰 틀, Ax는 각 플롯이 들어가는 공간이다.
* 따라서, Figure는 항상 1개, 플롯은 사용자가 정한 n개이다.
### 2.2 NxM subplots
가장 쉬운 방법 3가지
* plt.subplot()
* plt.figure() + fig.add\_subplot()
* plt.subplots()
쉽게 조정할 수 있는 요소
* figuresize
* dpi
* sharex, sharey
* squeeze
* aspect
### 2.3 Grid Spec
위 서브플롯을 표현하기 위한 2가지 방법이 있다
* Slicing 사용
* 💙 : axes\[0, :3]
* 💛 : axes\[1:, :3]
* 💜 : axes\[3, :]
* fig.add\_grid\_spec()
* x, y, dx, dy를 사용
* 💙 : (0, 0), 1, 3
* 💛 : (1, 0), 3, 3
* 💜 : (0, 3), 1, 4
* fig.subplot2grid()
### 2.4 내부에 그리기
* ax.inset\_axes()
* Ax내부에 서브플롯을 추가하여 외부 정보를 적은 비중으로 위치시킬 수 있다.
### 2.5 외부에 그리기
* make\_axes\_locatable(ax)
* 그리드를 사용하지 않고 사이드에 추가하는 방법으로 방향의 통계정보나 제목 등의 텍스트를 추가할 수 있다.
## 3-3-Facet
### 1. Figure & Subplots
#### 1-1. Figure & Axes
**1-3. Python과 Matplotlib** 에서 이미 살펴보았기에 가볍게만 보겠습니다.
```python
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
```
```python
fig = plt.figure()
ax = fig.add_subplot(121)
ax = fig.add_subplot(122)
plt.show()
```
```python
fig, (ax1, ax2) = plt.subplots(1, 2)
# 또는 fig, axes로 받고, axes[0]으로 접근하는 방법도 있다
plt.show()
```
#### 1-2. Figure Color
하얀 배경의 내용일 떄 차트와 배경을 구분하기 위해 차트 배경 색을 조정할 수 있습니다.
```python
fig, ax = plt.subplots()
# fig.set-facecolor로 바꿀 수도 있고 figure를 선언할 때 color인자로 바꿀 수도 있다.
fig.set_facecolor('lightgray')
plt.show()
```
### 2. Figure & Ax Properties
#### 2-1. DPI
* `dpi` : Dots per Inch
DPI는 인치에 해당하는 dot 수를 정하는 인자로 해상도를 의미합니다. 기본값은 100입니다.
150, 200, 300 값 등을 조정하며 원하는 해상도로 출력할 수 있습니다.
```python
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)
ax1.plot([1, 2, 3], [1, 4, 9])
ax2.plot([1, 2, 3], [1, 2, 3])
plt.show()
```
```
fig = plt.figure(dpi=150)
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)
ax1.plot([1, 2, 3], [1, 4, 9])
ax2.plot([1, 2, 3], [1, 2, 3])
plt.show()
```
```python
fig.savefig('file_name', dpi=150)
```
* 이 함수를 이용해 원하는 해상도로 fig를 저장할 수 있다.
* 노트북과 같은 디렉토리에 파일이 저장된다.
#### 2-2. Sharex, Sharey
* `sharex`, `sharey`
개별 ax에 대해서나 `subplots` 함수를 사용할 때는 `sharex`, `sharey`를 사용하여 축을 공유할 수 있습니다.
```python
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax1.plot([1, 2, 3], [1, 4, 9])
ax2 = fig.add_subplot(122, sharey=ax1)
ax2.plot([1, 2, 3], [1, 2, 3])
plt.show()
```
```
fig, axes = plt.subplots(1, 2, sharey=True)
axes[0].plot([1, 2, 3], [1, 4, 9])
axes[1].plot([1, 2, 3], [1, 2, 3])
plt.show()
```
`fig.add_subplot` 의 `sharex` 또는 `sharey` 인자로 공유할 `ax`를 선택할 수도 있고 `plt.subplots` 으로 초기에 `fig`를 생성할 때 이 값을 `True` 로 설정하면서 공유할 수도 있다.
#### 2-3. squeeze와 flatten
* `squeeze`
`subplots()`로 생성하면 기본적으로 다음과 같이 서브플롯 ax 배열이 생성됩니다.
* 1 x 1 : 객체 1개 (`ax`)
* 1 x N 또는 N x 1 : 길이 N 배열 (`axes[i]`)
* N x M : N by M 배열 (`axes[i][j]`)
numpy ndarray에서 각각 차원이 0, 1, 2로 나타납니다. 이렇게 되면 경우에 따라 반복문을 사용할 수 있거나, 없거나로 구분됩니다.
`squeeze`를 사용하면 항상 2차원으로 배열을 받을 수 있고, 가변 크기에 대해 반복문을 사용하기에 유용합니다.
```python
n, m = 1, 3
fig, axes = plt.subplots(n, m, squeeze=False, figsize=(m*2, n*2))
idx = 0
for i in range(n):
for j in range(m):
axes[i][j].set_title(idx)
axes[i][j].set_xticks([])
axes[i][j].set_yticks([])
idx+=1
plt.show()
```
`plt.subplots()`나 `plt.gca()`로 받는 ax 리스트는 numpy ndarray로 전달됩니다.
그렇기에 1중 반복문을 쓰고 싶다면 `flatten()` 메서드를 사용할 수 있습니다.
```python
n, m = 2, 3
fig, axes = plt.subplots(n, m, figsize=(m*2, n*2))
for i, ax in enumerate(axes.flatten()):
ax.set_title(i)
ax.set_xticks([])
ax.set_yticks([])
plt.show()
```
#### 2-4. aspect
* `aspect`
```python
fig = plt.figure(figsize=(12, 5))
ax1 = fig.add_subplot(121, aspect=1)
ax2 = fig.add_subplot(122, aspect=0.5)
plt.show()
```
```python
fig = plt.figure(figsize=(12, 5))
ax1 = fig.add_subplot(121, aspect=1)
ax2 = fig.add_subplot(122, aspect=0.5)
ax2.set_xlim(0, 1)
ax2.set_ylim(0, 2)
plt.show()
```
### 3. Gridspec
#### 3-1. add\_gridspec
N by M 그리드에서 슬라이싱으로 서브플롯을 배치할 수 있습니다.
```python
fig = plt.figure(figsize=(8, 5))
gs = fig.add_gridspec(3, 3) # make 3 by 3 grid (row, col)
ax = [None for _ in range(5)]
ax[0] = fig.add_subplot(gs[0, :])
ax[0].set_title('gs[0, :]')
ax[1] = fig.add_subplot(gs[1, :-1])
ax[1].set_title('gs[1, :-1]')
ax[2] = fig.add_subplot(gs[1:, -1])
ax[2].set_title('gs[1:, -1]')
ax[3] = fig.add_subplot(gs[-1, 0])
ax[3].set_title('gs[-1, 0]')
ax[4] = fig.add_subplot(gs[-1, -2])
ax[4].set_title('gs[-1, -2]')
for ix in range(5):
ax[ix].set_xticks([])
ax[ix].set_yticks([])
plt.tight_layout()
plt.show()
```
#### 3-2. subplot2grid
N x M 그리드에서 시작점에서 delta x, delta y로 표현할 수 있습니다.
> 개인적으로는 add\_gridspec을 더 선호합니다.
```python
fig = plt.figure(figsize=(8, 5)) # initialize figure
ax = [None for _ in range(6)] # list to save many ax for setting parameter in each
ax[0] = plt.subplot2grid((3,4), (0,0), colspan=4)
ax[1] = plt.subplot2grid((3,4), (1,0), colspan=1)
ax[2] = plt.subplot2grid((3,4), (1,1), colspan=1)
ax[3] = plt.subplot2grid((3,4), (1,2), colspan=1)
ax[4] = plt.subplot2grid((3,4), (1,3), colspan=1,rowspan=2)
ax[5] = plt.subplot2grid((3,4), (2,0), colspan=3)
for ix in range(6):
ax[ix].set_title('ax[{}]'.format(ix)) # make ax title for distinguish:)
ax[ix].set_xticks([]) # to remove x ticks
ax[ix].set_yticks([]) # to remove y ticks
fig.tight_layout()
plt.show()
```
#### 3-3. add\_axes
특정 플롯을 임의의 위치에 만드는 메서드입니다.
위치를 조정하여 그래프를 그리는 게 쉽지는 않기 때문에 추천하지 않습니다.
```python
fig = plt.figure(figsize=(8, 5))
ax = [None for _ in range(3)]
ax[0] = fig.add_axes([0.1,0.1,0.8,0.4]) # x, y, dx, dy
ax[1] = fig.add_axes([0.15,0.6,0.25,0.6])
ax[2] = fig.add_axes([0.5,0.6,0.4,0.3])
for ix in range(3):
ax[ix].set_title('ax[{}]'.format(ix))
ax[ix].set_xticks([])
ax[ix].set_yticks([])
plt.show()
```
#### 3-4. inset\_axes
미니맵 등 원하는 서브플롯을 그릴 때 사용할 수 있습니다.
표현하고자 하는 메인시각화를 해치지 않는 선에서 사용하는 것을 추천합니다.
```python
fig, ax = plt.subplots()
axin = ax.inset_axes([0.8, 0.8, 0.2, 0.2])
plt.show()
```
```python
fig, ax = plt.subplots()
color=['royalblue', 'tomato']
ax.bar(['A', 'B'], [1, 2],
color=color
)
ax.margins(0.2)
axin = ax.inset_axes([0.8, 0.8, 0.2, 0.2])
axin.pie([1, 2], colors=color,
autopct='%1.0f%%')
plt.show()
```
#### 3-5. make\_axes\_locatable
일반적으로 colorbar에 많이 사용합니다.
```python
from mpl_toolkits.axes_grid1.axes_divider import make_axes_locatable
fig, ax = plt.subplots(1, 1)
ax_divider = make_axes_locatable(ax)
ax = ax_divider.append_axes("right", size="7%", pad="2%")
plt.show()
```
```python
fig, ax = plt.subplots(1, 1)
# 이미지를 보여주는 시각화
# 2D 배열을 색으로 보여줌
im = ax.imshow(np.arange(100).reshape((10, 10)))
divider = make_axes_locatable(ax)
cax = divider.append_axes("right", size="5%", pad=0.05)
fig.colorbar(im, cax=cax)
plt.show()
```
