[TIL] 2024-07-24 (데이터 시각화)

Today I Learned (2024-07-24) 🤔

---

목차

• 오늘 공부한 내용 🧑🏻‍💻
  • 1. Doit 쉽게 배우는 파이썬 데이터 분석
    • 산점도(scatter plot)
    • 선 그래프(line plot)
    • 상자 그림(box plot)
    • 막대 그래프(bar plot)
  • 2. KDT (분포형 데이터, 범주형 데이터, 기타 데이터 시각화)
    • 분포형 데이터
      • Hist Plot
      • KDE Plot
      • Histplot 과 kdeplot 같이 사용하기
      • Rug Plot
      • Displot
    • 범주형 데이터(Categorical Data)
      • Bar Plot
      • Count Plot
      • Box Plot
      • Violin Plot
    • 기타 시각화
      • Heatmap
      • Pair Plot
      • Pie Chart
• 어려웠던 내용 📚
• 궁금한 내용과 부족한 내용 🙋🏻
• 느낀 점 💡

---

오늘 공부한 내용 🧑🏻‍💻

1. Doit 쉽게 배우는 파이썬 데이터 분석

산점도(scatter plot)

• 산점도란?
  • 데이터를 x축과 y축에 점으로 표현한 그래프
  • 나이와 소득처럼 연속값으로 된 두 변수의 관계를 표현할 때 사용된다.

    선 그래프(line plot)

• 선 그래프란?
  • 데이터를 선으로 표현한 그래프
  • 시간에 따라 달라지는 데이터를 표현할 때 선 그래프를 자주 사용한다.
  • 예를 들어, 환율, 주가지수 등 경제지표가 시간에 따라 변하는 양상을 선 그래프로 표현할 수 있다.

    상자 그림(box plot)

• 상자 그림이란?
  • 데이터의 분포 또는 퍼져 있는 형태를 직사각형 상자 모양으로 표현한 그래프
  • 평균값만 볼 때보다 데이터의 특징을 더 자세히 이해할 수 있다.

    막대 그래프(bar plot)**

• 막대 그래프란?
  • 데이터의 크기를 막대의 길이를 표현한 그래프
  • 성별, 소득 차이처럼 집단 간 차이를 표현할 때 막대 그래프를 자주 이용한다.

---

2. KDT (분포형 데이터, 범주형 데이터, 기타 데이터 시각화)

분포형 데이터

Hist Plot

주요 특징

• 데이터의 분포를 시각적으로 표현하는 간단하고 효과적인 방법이다.
• 데이터의 빈도를 나타내는데 주로 사용된다.

사용법

import seaborn as sns

sns.histplot(data, x, hue, multiple, bins)

예시 코드

• 종마다 몸무게 밀도

import seaborn as sns
import matplotlib.pyplot as plt

# 예제 데이터 로드
penguins = sns.load_dataset('penguins')

# 히스토그램 플롯
ax = sns.histplot(
    data=penguins,
    x='body_mass_g',
    hue='species',
    multiple='stack',
    stat='density',
)

plt.show()

한계

• 히스토그램을 작성할 때 bin의 개수와 크기를 어떻게 선택할지에 따라 시각화 결과가 달라질 수 있다.
• 이상치가 있는 경우 정확한 정보를 제공하지 못할 수 있다.
• 비연속적인 데이터에 적합하지 않다.

---

KDE Plot

주요 특징

• 커널 믿르 추정(Kernel Density Estimation, KDE) plot은 데이터의 분포를 부드럽고 연속적인 곡선으로 표현한다.
• histplot이 count(절대량)을 표현한다면 kdeplot은 비율(상대량)을 시각화 한다.

사용법

import seaborn as sns

sns.kedplot(data, x)

예시 코드

• 섬마다의 펭귄 몸무게 밀도

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

penguins = sns.load_dataset('penguins')

sns.kdeplot(
    data=penguins,
    x = 'body_mass_g',
    hue='island'
)

한계

• 데이터 양이 크면 계산 부하가 크며, 시간이 오래 걸린다.
• 과도하게 부드럽게 모델링되어 데이터의 세부적인 특성을 파악하기 어려울 수 있다.

---

Histplot 과 kdeplot 같이 사용하기

• sns.histplot 에 kde=True 를 넣어준다.

import seaborn as sns
import matplotlib.pyplot as plt

# 예제 데이터 로드
penguins = sns.load_dataset("penguins")

# 히스토그램 플롯
ax = sns.histplot(
    data=penguins,
    x="body_mass_g",
    hue="species",
    multiple="stack",
    stat="density",
    kde=True,
)
plt.show()

---

Rug Plot

주요 특징

• 데이터의 분포를 나타내는 매우 단순한 시각화 방법 중 하나
• 단독으로 쓰이기보다는 주로 kdeplot과 함께 쓴다.
• 다른 그래프를 보완해주는 그래프
• 그 이유는 rugplot이 데이터 값을 x축과 y축 위에 그려주는 그래프이기 때문이다.

사용법

sns.rugplot()

예시코드

sns.kdeplot(
    data=penguins,
    x="body_mass_g",
    hue="island",
    fill=True,
)

sns.rugplot(
    data=penguins,
    x='body_mass_g',
    hue='island'
)

---

Displot

주요 특징

• histplot, kdeplot, rugplot, edcfplot 네 가지를 모두 그릴 수 있다.
• kind 파라미터를 통해 설정할 수 있다.

사용법

sns.displot()

예시 코드

• 종, 섬별 몸무게 밀도

sns.displot(
    data=penguins,
    x="body_mass_g",
    col="species",
    hue="island",
    kind="kde",
    rug=True,
)

---

범주형 데이터(Categorical Data)

Bar Plot

주요 특징

• 막대로 표시되면, 막대의 높이 또는 길에는 해당 범주의 값 또는 빈도를 나타냄.
• 막대는 수직 또는 수평으로 그릴 수 있다.
• 이변량(bivariate) 분석을 위한 plot
• x축에는 범주형 변수, y축에는 연속형 변수를 입력
• x에 연속형, y에 범주형을 넣으면 수평 막대 그래프를 출력

사용법

sns.barplot(data, x, y)

예시 코드

• 다이아몬드 컷 품질마다의 가격을 보여준다.

sns.barplot(
    data=diamonds,
    x = 'cut',
    y = 'price',
    palette="pastel",
)

• x, y 를 바꾸면 수평 막대 그래프로 바뀐다.

sns.barplot(
    data=diamonds,
    x="price",
    y="cut",
    palette="pastel",
)

---

Count Plot

• histplot과 마찬가지로 동일한 데이터의 갯수를 count
• 단, histplot은 연속형 데이터, countplot은 범주형 데이터를 입력받음
• x에 데이터를 넣으면 막대그래프, y에 데이터를 넣으면 수평막대그래프를 출력

사용법

sns.countplot(data, y, hue)
sns.countplot(data, x, hue)

예시 코드

• 다이아몬드 데이터의 컷 등급별 개수와 선명도 개수를 나타낸다.

sns.countplot(
    data=diamonds,
    x ='cut',
    hue='clarity'
)
###
sns.countplot(
    data=diamonds,
    y ='cut',
    hue='clarity'
)

---

Box Plot

주요 특징

• 변수 1개(x or y축)일 때는 연속형 변수 입력 (범주형 변수는 에러)
• 변수 2개(x and y축)일 때는 연속형 변수와 범주형 변수를 입력
• 데이터 통계치(최대, 최소, 평균, 1사분위수, 3사분위수)를 한번에 표시
• 특정 데이터의 전체적인 분포를 확인하기 좋은 그래프
• 특이치(outliar)를 발견하기 좋음
• 중앙값(중간값), 사분위수(25%, 75%), 이상치(Outliers) 등의 주요 통계적 정보를 시각적으로 제공한다.

사용법

sns.boxplot(data, x, y, hue)

예시 코드

• 다이아몬드 색상에 따른 값 분포

sns.boxplot(
    data=diamonds,
    x='color',
    y = 'price',
    palette="pastel",
)

---

Violin Plot

주요 특징

• 너비는 데이터 밀도를 나타낸다.
• boxplot은 이상치를 한 눈에 파악할 수 있고, violinplot은 데이터 분포를 한 눈에 파악할 수 있다.

사용법

sns.violinplot(data, x, y, hue, split, inner)

"""
split : hue에 따라 바이올른일 좌우로 분할할지 결정
inner : 중앙에 그려넣을 요소(box, quartile, point, stick)
"""

예시 코드

• 컷 등급에 따라 가격의 분포도이다.

sns.violinplot(
    data=diamonds,
    x='cut',
    y ='price'
)

---

기타 시각화

Heatmap

주요 특징

• 열화상 카메라로 찍은 것 처럼 데이터의 상관관계 정도에 따라 색차이를 부여한 그래프
• 기본적으로 2차원 데이터가 필요(pivot-table, correlation 개념 이용)
• 데이터의 상관 관계를 시각적으로 분석하는데 특히 유용하다.

사용법

sns.heatmap(corr_matrix)
"""
corr_matrix
- 수치형 자료간의 상관 행렬
- .corr() 메서드를 활용하여 상관 행렬 계산
"""

예시 코드

• 인원이 많을 수록 팁을 많이 준다.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

tips = sns.load_dataset("tips")
tips.info()

pivot = tips.pivot_table(index='day',columns='size',values='tip')

sns.heatmap(
    data=pivot,
    annot=True
)

---

Pair Plot

주요 특징

• 데이터프레임 내의 수치형 변수에 대해 산점도 매트릭스 생성

사용법

sns.pairplot(dataframe, hue, vars)
"""
vars 
- 시각화에 사용할 데이터를 리스트에 저장서 지정
"""

예시 코드

• 나이, 등급, 요금, 성별만 추출해서 만든 그래프이다.

import seaborn as sns
import matplotlib.pyplot as plt

titanic = sns.load_dataset("titanic")

d_titanic = titanic[['age','pclass','fare','sex']]

sns.pairplot(
    data=d_titanic,
    hue='sex'
)

---

#Pie Chart

주요 특징

• 전체 데이터에 대해 각 부분 데이터를 비율로 시각화하여 크기와 색상을 통해 각 부분 데이터의 비율을 직관적으로 이해할 수 있다.

사용법

import matplotlib.pyplot as plt  

plt.pie(x, labels, autopctm)

"""
x : 원형 차트 내부 각 조각의 크기
labels : 원형 차트 내부 각 조각의 레이블
autopctm : 각 조각의 비율을 계산해서 표시, 일반적으로 %1.1f%% 사용
"""

예시 코드

• 컷 등급 별 비율

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

diamonds = sns.load_dataset("diamonds")

cut_count = diamonds.cut.value_counts()

cut_label = diamonds.cut.unique()

plt.pie(
    x=cut_count,
    labels=cut_label,
    autopct="%1.1f%%"
)

---

어려웠던 내용 📚

• 어떤 데이터에 어떤 시각화를 적용해야 하는지 아직은 어렵다

---

궁금한 내용과 부족한 내용 🙋🏻

• 어려웠던 내용과 동일하다...
• 부족하고 어렵다.. 데이터 시각화 🥹

---

느낀 점 💡

• 경험이 없다보니까 어떤 데이터에 어떤 시각화를 넣으면 좋을지 바로 알지 못하겠다.
• 그래도 정리하면서 강의 시간에 했던 데이터말고 다른 데이터를 써서 시각화를 하니까 조금 알 것 같기도?... 하지만 착각이겠지
• 진짜 많이 해봐야 늘거같다.
• 하지만 재미있다.