# (3-4) More Tips
## 1. Grid 이해하기
### 1.1 Default Grid
기본적인 Grid는 축과 평행한 선을 사용하여 거리 및 갑 정보를 보조적으로 제공한다.
* 색은 다른 표현들을 방해하지 않도록 무채색
* 항상 Layer 순서 상 맨 밑에 오도록 zorder를 조정
* 큰 격자와 세부 격자는 `which=` 로 `major` 와 `minor` 그리고 `both` 로 설정할 수 있다
* X축, Y축도 `axis=` 로 `x` 와 `y` 그리고 `both` 로 설정할 수 있다.
### 1.2 다양한 타입의 Grid
전형적인 Grid는 아니지만 여러 형태로 존재한다.
* 두 변수의 합이 중요하다 : `x+y=c`
* 비율이 중요하다 : `y=cx`
* 두 변수의 곱이 중요하다 : `xy = c`
* 특정 데이터를 중심으로 보고 싶다 : `(x-x')^2 + (y-y')^2 = c`
* [여기](https://medium.com/nightingale/gotta-gridem-all-2f768048f934)에 많은 예시가 있다.
기본적인 Grid
두 변수의 합이 중요한 그리드
* 축구선수의 공격력과 수비력 비교
* 고등학생의 수학점수와 영어점수 비교
비율이 중요한 그리드
* 가파를수록 Y/X 가 커지며, Feature의 비율이 중요한 경우 사용한다.
* 투자대비 얻을 수 있는 예상 수익량
특정 데이터가 중심인 그리드
* 클러스터를 표현할 때 좋다.
* `circle` 로도 표현할 수 있지만 `plot` 으로 표현할 것임
## 2. 심플한 처리
### 2.1 선 추가하기
* 상한과 하한을 표현하는 대시선
* 평균을 표현하기 위한 점선
* 원점이 중심이라는 것을 표현하기 위해 y축과 평행하게 그은 실선
### 2.2 면 추가하기
* 연령별로 구분해서 정보를 제공하니 가독성이 좋아지는 모습
## 3. Setting 바꾸기
### 3.1 Theme
대표적으로 fivethirtyeight이나 ggplot을 사용한다.
## 3-4-More Information
정보량을 늘리고, 더 깔끔한 matplotlib을 위한 팁들을 알아봅시다.
### 1. Grid
강의에서 소개한 내용을 코드로 살펴보겠습니다.
```python
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
```
#### 1-1. grid
기본적인 Grid부터 살펴보겠습니다.
기본적인 그리드에서는 다음 파라미터를 살펴보겠습니다.
* `which` : major ticks, minor ticks
* `axis` : x, y
* `linestyle`
* `linewidth`
* `zorder`
```python
fig, ax = plt.subplots()
ax.grid()
plt.show()
```
```python
np.random.seed(970725)
x = np.random.rand(20)
y = np.random.rand(20)
fig = plt.figure(figsize=(16, 7))
ax = fig.add_subplot(1, 1, 1, aspect=1)
# scatter는 점이 너무 크면 grid와 잘 어울리지 않는다
ax.scatter(x, y, s=150,
c='#1ABDE9',
linewidth=1.5,
edgecolor='black', zorder=10)
# ax.set_xticks(np.linspace(0, 1.1, 12, endpoint=True), minor=True)
ax.set_xlim(0, 1.1)
ax.set_ylim(0, 1.1)
# 겹치지 않게 하기 위해 zorder를 설정, plot처럼 linestyle 사용가능
# axis로 축을 정해줄 수도 있다 : y, x, both
# linewidth로 grid의 선 두께를 정해줄 수 있다. 작으면 세련되보이고 크면 만화같아 보인다
ax.grid(zorder=0, linestyle='--')
ax.set_title(f"Default Grid", fontsize=15,va= 'center', fontweight='semibold')
plt.tight_layout()
plt.show()
```
#### 1-2. x + y = c
그리드 변경은 grid 속성을 변경하는 방법도 존재하지만 간단한 수식을 사용하면 쉽게 그릴 수 있습니다.
```python
fig = plt.figure(figsize=(16, 7))
ax = fig.add_subplot(1, 1, 1, aspect=1)
ax.scatter(x, y, s=150,
c=['#1ABDE9' if xx+yy < 1.0 else 'darkgray' for xx, yy in zip(x, y)],
linewidth=1.5,
edgecolor='black', zorder=10)
## Grid Part
x_start = np.linspace(0, 2.2, 12, endpoint=True)
for xs in x_start:
ax.plot([xs, 0], [0, xs], linestyle='--', color='gray', alpha=0.5, linewidth=1)
ax.set_xlim(0, 1.1)
ax.set_ylim(0, 1.1)
ax.set_title(r"Grid ($x+y=c$)", fontsize=15,va= 'center', fontweight='semibold')
plt.tight_layout()
plt.show()
```
#### 1-3. y = cx
```python
fig = plt.figure(figsize=(16, 7))
ax = fig.add_subplot(1, 1, 1, aspect=1)
ax.scatter(x, y, s=150,
c=['#1ABDE9' if yy/xx >= 1.0 else 'darkgray' for xx, yy in zip(x, y)],
linewidth=1.5,
edgecolor='black', zorder=10)
## Grid Part
radian = np.linspace(0, np.pi/2, 11, endpoint=True)
for rad in radian:
ax.plot([0,2], [0, 2*np.tan(rad)], linestyle='--', color='gray', alpha=0.5, linewidth=1)
ax.set_xlim(0, 1.1)
ax.set_ylim(0, 1.1)
ax.set_title(r"Grid ($y=cx$)", fontsize=15,va= 'center', fontweight='semibold')
plt.tight_layout()
plt.show()
```
#### 1-4. 동심원
```python
fig = plt.figure(figsize=(16, 7))
ax = fig.add_subplot(1, 1, 1, aspect=1)
ax.scatter(x, y, s=150,
c=['darkgray' if i!=2 else '#1ABDE9' for i in range(20)] ,
linewidth=1.5,
edgecolor='black', zorder=10)
## Grid Part
rs = np.linspace(0.1, 0.8, 8, endpoint=True)
for r in rs:
xx = r*np.cos(np.linspace(0, 2*np.pi, 100))
yy = r*np.sin(np.linspace(0, 2*np.pi, 100))
ax.plot(xx+x[2], yy+y[2], linestyle='--', color='gray', alpha=0.5, linewidth=1)
ax.text(x[2]+r*np.cos(np.pi/4), y[2]-r*np.sin(np.pi/4), f'{r:.1}', color='gray')
ax.set_xlim(0, 1.1)
ax.set_ylim(0, 1.1)
ax.set_title(r"Grid ($(x-x')^2+(y-y')^2=c$)", fontsize=15,va= 'center', fontweight='semibold')
plt.tight_layout()
plt.show()
```
### 2. Line & Span
우선 필요한 데이터를 불러오겠습니다.
```python
import pandas as pd
student = pd.read_csv('./StudentsPerformance.csv')
student.head()
```
| | gender | race/ethnicity | parental level of education | lunch | test preparation course | math score | reading score | writing score |
| - | ------ | -------------- | --------------------------- | ------------ | ----------------------- | ---------- | ------------- | ------------- |
| 0 | female | group B | bachelor's degree | standard | none | 72 | 72 | 74 |
| 1 | female | group C | some college | standard | completed | 69 | 90 | 88 |
| 2 | female | group B | master's degree | standard | none | 90 | 95 | 93 |
| 3 | male | group A | associate's degree | free/reduced | none | 47 | 57 | 44 |
| 4 | male | group C | some college | standard | none | 76 | 78 | 75 |
#### 2-1. Line
* `axvline()`
* `axhline()`
직교좌표계에서 평행선을 원하는 부분 그릴 수도 있습니다.
선은 Plot으로 그리는게 더 편할 수 있기에 원하는 방식으로 그려주시면 됩니다.
```python
fig, ax = plt.subplots()
ax.set_aspect(1)
ax.axvline(0, color='red')
ax.axhline(0, color='green')
ax.set_xlim(-1, 1)
ax.set_ylim(-1, 1)
plt.show()
```
ax의 전체 구간을 0, 1로 삼아 특정 부분에만 선을 그릴 수도 있습니다.
다만 다음과 같이 특정 부분을 선으로 할 때는 오히려 plot이 좋습니다.
```python
fig, ax = plt.subplots()
ax.set_aspect(1)
ax.axvline(0, ymin=0.3, ymax=0.7, color='red')
ax.set_xlim(-1, 1)
ax.set_ylim(-1, 1)
plt.show()
```
```python
fig, ax = plt.subplots(figsize=(10, 10))
ax.set_aspect(1)
math_mean = student['math score'].mean()
reading_mean = student['reading score'].mean()
ax.axvline(math_mean, color='gray', linestyle='--')
ax.axhline(reading_mean, color='gray', linestyle='--')
ax.scatter(x=student['math score'], y=student['reading score'],
alpha=0.5,
color=['royalblue' if m>math_mean and r>reading_mean else 'gray' for m, r in zip(student['math score'], student['reading score'])],
zorder=10,
)
ax.set_xlabel('Math')
ax.set_ylabel('Reading')
ax.set_xlim(-3, 103)
ax.set_ylim(-3, 103)
plt.show()
```
평균보다 높은 점들에 대해서만 색을 표현했다.
#### 2-2. Span
* `axvspan`
* `axhspan`
선과 함께 다음과 같이 특정 부분 면적을 표시할 수 있습니다.
```python
fig, ax = plt.subplots()
ax.set_aspect(1)
ax.axvspan(0,0.5, color='red')
ax.axhspan(0,0.5, color='green')
ax.set_xlim(-1, 1)
ax.set_ylim(-1, 1)
plt.show()
```
```
fig, ax = plt.subplots()
ax.set_aspect(1)
ax.axvspan(0,0.5, ymin=0.3, ymax=0.7, color='red')
ax.set_xlim(-1, 1)
ax.set_ylim(-1, 1)
plt.show()
```
특정 부분을 강조할 수도 있지만, 오히려 특정 부분의 주의를 없앨 수도 있습니다.
```python
fig, ax = plt.subplots(figsize=(8, 8))
ax.set_aspect(1)
math_mean = student['math score'].mean()
reading_mean = student['reading score'].mean()
ax.axvspan(-3, math_mean, color='gray', linestyle='--', zorder=0, alpha=0.3)
ax.axhspan(-3, reading_mean, color='gray', linestyle='--', zorder=0, alpha=0.3)
ax.scatter(x=student['math score'], y=student['reading score'],
alpha=0.4, s=20,
color=['royalblue' if m>math_mean and r>reading_mean else 'gray' for m, r in zip(student['math score'], student['reading score'])],
zorder=10,
)
ax.set_xlabel('Math')
ax.set_ylabel('Reading')
ax.set_xlim(-3, 103)
ax.set_ylim(-3, 103)
plt.show()
```
#### 2-3. Spines
* `ax.spines` : 많은 요소가 있지만 대표적인 3가지를 살펴봅시다.
* `set_visible : 축을 안보이게함`
* `set_linewidth : 축의 두꼐를 설정`
* `set_position : 축의 위치를 옮긴다`
```python
fig = plt.figure(figsize=(12, 6))
_ = fig.add_subplot(1,2,1)
ax = fig.add_subplot(1,2,2)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_linewidth(1.5)
ax.spines['bottom'].set_linewidth(1.5)
plt.show()
```
```python
fig = plt.figure(figsize=(12, 6))
_ = fig.add_subplot(1,2,1)
ax = fig.add_subplot(1,2,2)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_position('center')
ax.spines['bottom'].set_position('center')
plt.show()
```
축은 꼭 중심 외에도 원하는 부분으로 옮길 수 있습니다.
* `'center'` -> `('axes', 0.5)`
* `'zero'` -> `('data', 0.0)`
```python
fig = plt.figure(figsize=(12, 6))
ax1 = fig.add_subplot(1,2,1)
ax2 = fig.add_subplot(1,2,2)
for ax in [ax1, ax2]:
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax1.spines['left'].set_position('center')
ax1.spines['bottom'].set_position('center')
ax2.spines['left'].set_position(('data', 0.3))
ax2.spines['bottom'].set_position(('axes', 0.2))
ax2.set_ylim(-1, 1)
plt.show()
```
비율적인 측면에서 바꿀 떄는 axes를, 특정 데이터에 위치로 바꿀 때에는 데이터의 위치에 tuple형태로 설정하면 된다.
```python
fig = plt.figure(figsize=(12, 9))
ax = fig.add_subplot(aspect=1)
x = np.linspace(-np.pi, np.pi, 1000)
y = np.sin(x)
ax.plot(x, y)
ax.set_xlim(-np.pi, np.pi)
ax.set_ylim(-1.2, 1.2)
ax.set_xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
ax.set_xticklabels([r'$\pi$', r'-$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$'],)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_position('center')
ax.spines['bottom'].set_position('center')
plt.show()
```
### 3. Settings
* [Customizing Matplotlib with style sheets and rcParams](https://matplotlib.org/stable/tutorials/introductory/customizing.html)
#### 3-1. mpl.rc
```python
plt.rcParams['lines.linewidth'] = 2
plt.rcParams['lines.linestyle'] = ':'
# plt.rcParams['figure.dpi'] = 150
```
```python
plt.rc('lines', linewidth=2, linestyle=':')
```
```python
plt.rcParams.update(plt.rcParamsDefault)
```
#### 3-2. theme
```python
print(mpl.style.available)
mpl.style.use('seaborn')
# mpl.style.use('./CUSTOM.mplstyle') # 커스텀을 사용하고 싶다면
plt.plot([1, 2, 3])
```
```python
['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']
```
```python
with plt.style.context('fivethirtyeight'):
plt.plot(np.sin(np.linspace(0, 2 * np.pi)))
plt.show()
```
```python
plt.plot(np.sin(np.linspace(0, 2 * np.pi)))
```
