S03L04 – Seaborn 플롯

html
Seaborn 마스터하기: 파이썬 데이터 시각화를 위한 종합 가이드

Seaborn을 사용하여 통계 데이터 시각화를 위한 강력한 파이썬 라이브러리의 모든 잠재력을 활용하세요. 데이터 과학자, 분석가 또는 열정적인 사용자라면 이 종합 가이드를 통해 멋지고 유익한 플롯을 생성하여 데이터 스토리텔링을 향상시킬 수 있습니다.

목차

    Seaborn 소개
    환경 설정
    데이터셋 로드 및 탐색
    
        기본 플롯 만들기
        
            막대 그래프
            산점도
            분포도
        
    
    
        고급 플롯 기술
        
            카트플롯
            LMplot (선형 모델 플롯)
            조인트플롯
            카운트플롯
        
    
    플롯 사용자 지정
    모범 사례 및 팁
    결론


Seaborn 소개

Seaborn은 Matplotlib을 기반으로 한 파이썬 데이터 시각화 라이브러리입니다. 매력적이고 유익한 통계 그래픽을 그리기 위한 고수준 인터페이스를 제공합니다. Seaborn은 복잡한 시각화 생성을 단순화하고 pandas 데이터 구조와 원활하게 통합됩니다.

Seaborn의 주요 특징:

    Matplotlib 그래픽 스타일을 위한 내장 테마
    단변량 및 이변량 분포를 시각화하는 함수
    선형 회귀 모델을 적합하고 시각화하는 도구
    범주별 색상 및 테마 플롯 지원


Seaborn을 마스터하면 데이터 분석 워크플로를 향상시키고 시각화를 통해 통찰력을 효과적으로 전달할 수 있습니다.

환경 설정

Seaborn을 사용하기 전에 필요한 라이브러리가 설치되어 있는지 확인하세요. pip를 사용하여 Seaborn을 설치할 수 있습니다:





		
		
			
			
Java
			
			pip install seaborn
			
				
					
				
					1
				
						pip install seaborn
					
				
			
		



필수 라이브러리 가져오기:





		
		
			
			
Java
			
			import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
import seaborn as sns
			
				
					
				
					1
2
3
4
				
						import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
import seaborn as sns
					
				
			
		



Seaborn 스타일 설정:

Seaborn은 플롯의 미학을 향상시키기 위해 여러 테마를 제공합니다. sns.set() 함수를 사용하여 스타일을 설정할 수 있습니다.





		
		
			
			
Java
			
			sns.set(style='ticks')
			
				
					
				
					1
				
						sns.set(style='ticks')
					
				
			
		



*사용 가능한 스타일에는 darkgrid, whitegrid, dark, white, 그리고 ticks가 포함됩니다.*

데이터셋 로드 및 탐색

Seaborn은 여러 내장 데이터셋을 제공합니다. 우리는 데모 용도로 tips 데이터셋을 사용할 것입니다.





		
		
			
			
Java
			
			tips = sns.load_dataset('tips')
tips.head()
			
				
					
				
					1
2
				
						tips = sns.load_dataset('tips')
tips.head()
					
				
			
		



샘플 출력:


    
        total_bill
        tip
        sex
        smoker
        day
        time
        size
    
    
        16.99
        1.01
        여성
        아니요
        일요일
        저녁
        2
    
    
        10.34
        1.66
        남성
        아니요
        일요일
        저녁
        3
    
    
        21.01
        3.50
        남성
        아니요
        일요일
        저녁
        3
    
    
        23.68
        3.31
        남성
        아니요
        일요일
        저녁
        2
    
    
        24.59
        3.61
        여성
        아니요
        일요일
        저녁
        4
    


tips 데이터셋은 총 계산서, 팁 금액, 계산서를 작성한 사람의 성별, 흡연 여부, 요일, 시간대, 파티 규모 등 식당 팁에 대한 정보를 포함하고 있습니다.

기본 플롯 만들기

Seaborn은 데이터를 효과적으로 시각화하기 위한 다양한 플롯 유형을 제공합니다. 기본 플롯을 몇 가지 살펴보겠습니다.

막대 그래프

막대 그래프는 직사각형 막대를 사용하여 범주형 데이터를 나타냅니다. 이는 개수와 평균과 같은 요약 통계량을 모두 표시할 수 있습니다.

막대 그래프 만들기:





		
		
			
			
Java
			
			sns.barplot(x='day', y='total_bill', hue='sex', data=tips, order=['Sun','Sat','Fri','Thur'])
plt.title('Total Bill by Day and Sex')
plt.xlabel('Day of the Week')
plt.ylabel('Total Bill')
plt.show()
			
				
					
				
					1
2
3
4
5
				
						sns.barplot(x='day', y='total_bill', hue='sex', data=tips, order=['Sun','Sat','Fri','Thur'])
plt.title('Total Bill by Day and Sex')
plt.xlabel('Day of the Week')
plt.ylabel('Total Bill')
plt.show()
					
				
			
		



범주의 순서 사용자 지정:





		
		
			
			
Java
			
			sns.barplot(x='day', y='total_bill', hue='sex', data=tips, order=['Sun','Sat','Fri','Thur'])
			
				
					
				
					1
				
						sns.barplot(x='day', y='total_bill', hue='sex', data=tips, order=['Sun','Sat','Fri','Thur'])
					
				
			
		



출력:


*참고: 오류를 방지하기 위해 범주 순서가 데이터셋의 대소문자 구분과 일치하는지 확인하세요.*

산점도

산점도는 두 개의 수치형 변수 간의 관계를 표시합니다. 범주를 기반으로 색상 코딩을 추가하여 향상시킬 수 있습니다.

산점도 만들기:





		
		
			
			
Java
			
			sns.scatterplot(x='total_bill', y='tip', data=tips, hue='sex', palette='autumn')
plt.title('Tip vs. Total Bill by Sex')
plt.xlabel('Total Bill')
plt.ylabel('Tip')
plt.show()
			
				
					
				
					1
2
3
4
5
				
						sns.scatterplot(x='total_bill', y='tip', data=tips, hue='sex', palette='autumn')
plt.title('Tip vs. Total Bill by Sex')
plt.xlabel('Total Bill')
plt.ylabel('Tip')
plt.show()
					
				
			
		



출력:


분포도

분포도는 단일 수치형 변수의 분포를 보여줍니다. 확률 밀도 함수(PDF)를 표시할 수 있습니다.

분포도 만들기:





		
		
			
			
Java
			
			sns.distplot(tips['total_bill'])
plt.title('Distribution of Total Bill')
plt.xlabel('Total Bill')
plt.ylabel('Density')
plt.show()
			
				
					
				
					1
2
3
4
5
				
						sns.distplot(tips['total_bill'])
plt.title('Distribution of Total Bill')
plt.xlabel('Total Bill')
plt.ylabel('Density')
plt.show()
					
				
			
		



출력:


*참고: 음영 처리된 영역은 PDF 주변의 신뢰 구간을 나타냅니다.*

고급 플롯 기술

Seaborn은 보다 심층적인 데이터 분석을 위한 고급 플롯을 제공합니다.

카트플롯

catplot은 여러 범주형 플롯 유형을 하나의 인터페이스로 결합하여 복잡한 시각화를 가능하게 합니다.

카트플롯 만들기:





		
		
			
			
Java
			
			sns.catplot(
    x='day',
    y='total_bill',
    hue='sex',
    col='smoker',
    data=tips,
    order=['Sun','Sat','Fri','Thur'],
    kind='bar'
)
plt.show()
			
				
					
				
					1
2
3
4
5
6
7
8
9
10
				
						sns.catplot(
    x='day',
    y='total_bill',
    hue='sex',
    col='smoker',
    data=tips,
    order=['Sun','Sat','Fri','Thur'],
    kind='bar'
)
plt.show()
					
				
			
		



출력:


*이 플롯은 성별 및 흡연 여부에 따라 일별 총 계산서를 비교합니다.*

LMplot (선형 모델 플롯)

lmplot은 선형 회귀 모델을 산점도에 통합하여 추세 및 상관관계를 보여줍니다.

LMplot 만들기:





		
		
			
			
Java
			
			sns.lmplot(x='total_bill', y='tip', data=tips, palette='autumn')
plt.title('Linear Regression of Tip vs. Total Bill')
plt.show()
			
				
					
				
					1
2
3
				
						sns.lmplot(x='total_bill', y='tip', data=tips, palette='autumn')
plt.title('Linear Regression of Tip vs. Total Bill')
plt.show()
					
				
			
		



출력:


*회귀선은 총 계산서와 팁 간의 관계를 나타냅니다.*

조인트플롯

jointplot은 산점도와 히스토그램을 결합하여 관계와 분포를 동시에 보여줍니다.

조인트플롯 만들기:





		
		
			
			
Java
			
			sns.jointplot(data=tips, x='total_bill', y='tip')
plt.show()
			
				
					
				
					1
2
				
						sns.jointplot(data=tips, x='total_bill', y='tip')
plt.show()
					
				
			
		



출력:


*이 플롯은 총 계산서와 팁 간의 상관관계에 대한 통찰력을 제공합니다.*

카운트플롯

countplot은 각 범주형 빈에서 관측치의 수를 시각화하며, 선택적으로 hue로 그룹화할 수 있습니다.

카운트플롯 만들기:





		
		
			
			
Java
			
			sns.countplot(data=tips, x='day', hue='sex')
plt.title('Count of Bills by Day and Sex')
plt.xlabel('Day of the Week')
plt.ylabel('Count')
plt.show()
			
				
					
				
					1
2
3
4
5
				
						sns.countplot(data=tips, x='day', hue='sex')
plt.title('Count of Bills by Day and Sex')
plt.xlabel('Day of the Week')
plt.ylabel('Count')
plt.show()
					
				
			
		



출력:


*이 플롯은 성별로 구분된 일별 계산서 분포를 보여줍니다.*

플롯 사용자 지정

Seaborn은 필요에 따라 플롯을 조정할 수 있는 광범위한 사용자 지정을 허용합니다.

축 레이블 회전:





		
		
			
			
Java
			
			plt.xticks(rotation=45)
plt.yticks(range(0, 50, 10))
			
				
					
				
					1
2
				
						plt.xticks(rotation=45)
plt.yticks(range(0, 50, 10))
					
				
			
		



제목 및 레이블 추가:





		
		
			
			
Java
			
			plt.title('Custom Title')
plt.xlabel('Custom X Label')
plt.ylabel('Custom Y Label')
			
				
					
				
					1
2
3
				
						plt.title('Custom Title')
plt.xlabel('Custom X Label')
plt.ylabel('Custom Y Label')
					
				
			
		



팔레트 변경:





		
		
			
			
Java
			
			sns.set_palette('pastel')
			
				
					
				
					1
				
						sns.set_palette('pastel')
					
				
			
		



플롯 크기 조정:





		
		
			
			
Java
			
			plt.figure(figsize=(10, 6))
			
				
					
				
					1
				
						plt.figure(figsize=(10, 6))
					
				
			
		



사용자 지정된 막대 그래프 예:





		
		
			
			
Java
			
			plt.figure(figsize=(10,6))
sns.barplot(x='day', y='total_bill', hue='sex', data=tips, order=['Sun','Sat','Fri','Thur'])
plt.title('Total Bill by Day and Sex')
plt.xlabel('Day of the Week')
plt.ylabel('Total Bill ($)')
plt.xticks(rotation=30)
plt.legend(title='Sex')
plt.show()
			
				
					
				
					1
2
3
4
5
6
7
8
				
						plt.figure(figsize=(10,6))
sns.barplot(x='day', y='total_bill', hue='sex', data=tips, order=['Sun','Sat','Fri','Thur'])
plt.title('Total Bill by Day and Sex')
plt.xlabel('Day of the Week')
plt.ylabel('Total Bill ($)')
plt.xticks(rotation=30)
plt.legend(title='Sex')
plt.show()
					
				
			
		



출력:


*사용자 지정된 플롯은 가독성과 미적 매력을 향상시킵니다.*

모범 사례 및 팁

    데이터 이해: 플롯을 만들기 전에 데이터셋의 구조와 변수를 숙지하세요.
    적절한 플롯 선택: 데이터를 가장 잘 나타내고 전달하고자 하는 통찰력을 표현할 수 있는 플롯 유형을 선택하세요.
    명확성 유지: 너무 많은 정보로 플롯을 복잡하게 만들지 마세요. 색상과 hue를 신중하게 사용하세요.
    일관된 스타일링: Seaborn의 테마를 사용하여 시각화 전반에 걸쳐 일관되고 전문적인 모습을 유지하세요.
    필요할 때 주석 추가: 플롯이 자명하도록 제목, 레이블 및 범례를 추가하세요.
    매개변수 실험: 플롯 매개변수를 조정하여 가장 효과적인 시각화를 찾는 것을 두려워하지 마세요.
    문서 활용: Seaborn의 공식 문서는 새로운 기능을 탐색하고 고급 기술을 학습하는 데 매우 유용한 리소스입니다.


결론

Seaborn은 데이터 시각화 과정을 혁신할 수 있는 다재다능하고 강력한 라이브러리입니다. 기본 플롯부터 고급 통계 시각화에 이르기까지, Seaborn은 데이터를 매력적이고 유익하게 제시하는 데 필요한 도구를 제공합니다. 이 가이드에서 설명한 기술을 마스터함으로써 데이터 분석과 스토리텔링을 향상시키는 효과적인 시각화를 만들 준비가 되어 있을 것입니다.

오늘 Seaborn을 탐색하기 시작하고 데이터 시각화 기술을 한 단계 끌어올리세요!

키워드: Seaborn, Python data visualization, bar plot, scatter plot, distribution plot, catplot, lmplot, jointplot, countplot, data visualization tutorial, statistical plots, data analysis, data storytelling.

메타 설명: Python에서 Seaborn을 사용하여 멋진 데이터 시각화를 만드는 방법을 알아보세요. 이 종합 가이드는 막대 그래프, 산점도, 분포도 등을 다루며 코드 예제와 사용자 지정 팁을 포함하고 있습니다.
total_bill	tip	sex	smoker	day	time	size
16.99	1.01	여성	아니요	일요일	저녁	2
10.34	1.66	남성	아니요	일요일	저녁	3
21.01	3.50	남성	아니요	일요일	저녁	3
23.68	3.31	남성	아니요	일요일	저녁	2
24.59	3.61	여성	아니요	일요일	저녁	4