[프로그래머스 겨울방학 인공지능 과정] Matplotlib 기초

1. 일자 : 2022년 1월 7일 14:00 ~ 18:00 (5일차)
2. 주제 : Matplotlib 기초
3. 내용 :

1. Matplotlib¶

(0) Matplotlib 시작하기¶

• Matplotlib이란? : 파이썬의 데이터 시각화 라이브러리
• 명령프롬프트에서 pip install matplotlib을 입력하여 설치 후 import를 실시
• 추가로 그래프 등을 웹 상에서 곧바로 출력하기 위해서는 %matplotlib inline를 입력

In [63]:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

%matplotlib inline

(1) Matplotlib을 이용하여 그래프 그리기¶

(1.1) 일반 그래프¶

• .plot(x = (X축), y = (Y축))
• 괄호 내 하나의 데이터만 넣을 경우, 해당 데이터는 Y축으로 배정되며, X축은 인덱스값으로 자동 설정
• 그래프는 '꺾은선 그래프' 형태로 입력됨.

In [64]:

# y = x + 1
# example_list = Y축
example_list = [1, 2, 3, 4, 5]

# 실제 plotting을 하는 함수
# example_list는 Y축으로 배정되며, X값은 index값으로 자동 배정함.
plt.plot(example_list)

# plt를 확인하는 명령어.
# 깔끔하게 그래프만 나오도록 만든다.
plt.show()

In [65]:

# 꺾은선 그래프 형태 확인용
example_list2 = [2, 4, 2, 4, 2]

plt.plot(example_list2)
plt.show()

# "M"자 형태로 그래프가 출력되는 것을 알 수 있다.

.figure() = 그래프를 그릴 도면(figure)에 적용할 속성을 결정¶

이하는 .figure()에서 ()(괄호)안에 들어갈 속성

• figsize = (가로 길이, 세로 길이) : (가로 길이 * 세로 길이)만큼 그래프 크기 결정

In [66]:

# plotting 을 할 도면을 선언
# 5 * 5 크기의 그래프 출력

plt.figure(figsize = (5, 5))
           
plt.plot(example_list)
plt.show()

In [67]:

# 3 * 3 크기의 그래프 출력

plt.figure(figsize = (3, 3))
           
plt.plot(example_list2)
plt.show()

(1.2) 2차함수 그래프¶

• 정의역(x)와 치역(y, f(x))을 설정하여 2차함수 그래프를 출력할 수 있다.

In [76]:

# y = x^2
x = np.array([-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5]) # 정의역
y = x**2 # f(x), y = x^2의 값으로 설정한다.

plt.plot(x, y)
plt.show()
# 그러나, 아래 그래프는 일반적인 2차함수와는 다르게 각진 모습이다.

In [72]:

# 각을 제거하기 위해 각 정수값 사이에 수많은 점을 넣는다.
# np.arange(a, b, c) : a부터 b까지 c간격으로 설정. (np.arange는 실수값 삽입 가능)

# -10 이상부터 10 미만까지 0.01 간격의 np.array 생성
x = np.arange(-10, 10, 0.01)
plt.plot(x, x**2)
plt.show()

# 우리가 아는 2차함수의 형태를 띄고 있음

(1.3) 그래프 꾸미기¶

• .xlabel("x축 이름") / .ylabel("y축 이름") : x/y축 이름 지정
• .xticks(x축 눈금설정 범위 및 간격) / .yticks(y축 눈금설정 범위 및 간격) : x/y축 눈금설정 범위 및 간격
• .title("그래프 제목 이름) : 그래프 제목 설정
• .plot() 괄호 내 label = "범례명" 기입 후 .legend() 입력 : 범례설정

In [79]:

x = np.arange(-10, 10, 0.01)

# x축, y축 이름 지정
plt.xlabel("X_name")
plt.ylabel("Y_name")

# x, y축 눈금 설정
# xticks = 어느 위치에 눈금을 설정해줄 것인지
# -5 이상 6 미만까지 1 간격으로 x축 눈금 설정
plt.xticks([i for i in range(-5, 6, 1)])

# 0 이상 27 미만까지 3 간격으로 y축 눈금 설정
plt.yticks([i for i in range(0, 27, 3)])

# 제목 설정
plt.title("Graph_name")

# 범례 그리기 (그래프 그린 이후 범례 추가)
plt.plot(x, x**2, label = "x**2_legend")
plt.legend()

plt.show()

(2) Matplotlib으로 그리는 그래프 유형¶

(2.1) 꺾은선 그래프¶

In [80]:

x = np.arange(20) # x축 : 0 ~ 19
y = np.random.randint(0, 22, 20) # Y축 : 0이상 22 미만 사이의 난수 20개를 생성

# 그래프 생성
plt.plot(x, y)

# 그래프의 x축, y축의 영역을 0 이상 20 이하로 한정
plt.axis([0, 20, 0, 20])  # plt.axis([x최소값, x최대값, y최소값, y최대값])

# 그래프의 눈금간격을 0 이상 21 미만까지 5 간격으로 설정
plt.yticks([i for i in range(0, 21, 5)])

plt.show()

# Extra : y축을 20까지 보이게 하고 싶다면?
#         y축을 5 단위로 보이게 하고 싶다면?

# .axis(), ytics()

(2.2) 산점도 (Scatter Plot)¶

• x와 y가 독립적일 경우 사용
• 그래프의 전체적인 추이에 따라서 상관관계를 파악한다.

In [81]:

plt.scatter(x, y)
plt.show()

(2.3) 상자그림 (Box Plot)¶

• 수치형 데이터에 대한 다양한 정보를 제공하는 그림
• Q1 (25%), Q2 (50%), Q3(75%), min*(outlier를 제외한 최소값), max(outlier를 제외한 최대값), outlier(범위 내에서 특별히 벗어나는 이상치)

In [86]:

# 두 개의 값을 전달할 때는 튜플형태로 전달
plt.title("box plot of Y")
plt.boxplot((x, y))
plt.show()

# 한 개의 값만 전달할 때는 그냥 넣어도 된다
plt.boxplot(x)
plt.show()

# Extra : Plot의 title을 "Box Plot of Y"라고 지정하기

(2.4) 막대 그래프(Bar Plot)¶

• 범주형 데이터의 "값"과 그 값의 크기를 직사각형으로 나타낸 그림

In [87]:

# 범주형 데이터 x의 크기 y 산출하기
plt.bar(x, y)
plt.xticks(np.arange(0, 20, 1))

plt.show()

# Extra : xticks를 올바르게 처리해보자

(2.5) 히스토그램(Histogram)¶

• 도수분포를 직사각형의 막대 형태로 나타낸다.
• 각 변량을 묶어서 "계급"으로 표현한다. (예 : 0 ~ 5와 같이 x의 범주형 데이터를 묶어서 표시)
• .bins = np.arange(a부터 b까지 c 간격으로 설정)을 이용하여 범주 할당
• 막대그래프와 다르게 히스토그램은 서로의 범주가 연결되어 있음

In [88]:

# cf) Histogram
# 0 이상 22 미만의 값을 2 간격으로 계급 설정
plt.hist(y, bins = np.arange(0, 22, 2))

# 가로축 수정
plt.xticks(np.arange(0, 20, 2))
plt.show()

# Extra : xticks를 고치기

(2.6) 원형 그래프 (Pie Chart)¶

• 데이터에서 전체에 대한 부분의 비율을 부채꼴로 나타낸 그래프
• 다른 그래프에 비해서 데이터 비율 확인이 용이
• .pie()로 표현
• .pie() 괄호 내 labels = [설정1, 설정2...]를 통해 데이터레이블 가능

In [89]:

z = [100, 300, 200, 400]

# z 데이터를 이용해 원형그래프를 그린다.
# 각 그래프에는 one, two, three, four의 레이블을 삽입한다.
plt.pie(z, labels = ['one', 'two', 'three', 'four'])
plt.show()

(3) Seaborn 활용¶

Matplotlib을 기반으로 더 다양한 시각화 방법을 제공하는 라이브러리

• 커널밀도그림
• 카운트그림
• 캣그림
• 스트립그림
• 히트맵

(3.0) Seaborn Import하기¶

• 사용 전 반드시 pip install seaborn을 통한 설치 필요

In [90]:

import seaborn as sns

(3.1) 커널밀도그림 (Kernel Desity Plot)¶

• 히스토그램과 같은 연속적인 분포를 곡선화해서 그린 그림
• sns.kdeplot(y축 데이터, shade = 그래프 내부 색을 넣고 싶다면 True(default = False))로 사용

In [91]:

# in Histogram

x = np.arange(0, 22, 2)
y = np.random.randint(0, 20, 20)

plt.hist(y, bins = x)
plt.show()

In [94]:

# kdeplot
# shade = 음영설정

sns.kdeplot(y, shade = True)
plt.show()

(3.2) 카운트그림 (Count Plot)¶

• 범주형 column의 빈도수를 시각화 : Groupby 후의 도수를 하는 것과 동일한 효과가 있다.
• sns.countplot(범주화하고자 하는 값 삽입)을 통해 사용한다.
• 자동으로 x, y축 이름을 설정해준다.
• 육안으로 쉽게 구분할 수 있도록 각 막대의 색이 다르다.

In [95]:

# 임의의 dataframe 형성
vote_df = pd.DataFrame({"name" : ['길동', '밥', '낙동강', '오리알'], "vote" : [True, False, True, True]})
vote_df

Out[95]:

	name	vote
0	길동	True
1	밥	False
2	낙동강	True
3	오리알	True

In [96]:

# vote를 기준으로 True/False에 따라 그룹화를 진행
# in matplotlib barplot

# vote_df 데이터프레임을 vote 기준으로 범주화하여 갯수 표현
vote_count = vote_df.groupby('vote').count()
vote_count

Out[96]:

	name
vote
False	1
True	3

In [32]:

# False와 True를 X축으로 설정한 뒤 값 할당하기
plt.bar(x = [False, True], height = vote_count['name'])
plt.show()

In [39]:

# in sns.countplot

sns.countplot(x = vote_df['vote'])
plt.show()

(3.3) 캣그림 (Cat Plot)¶

• 숫자형 변수와 하나 이상의 범주형 변수의 관계를 보여주는 함수
• sns.catplot(x = "카테고리 column", y = "Data Column", data = 사용할 데이터, kind = "그래프의 형태(default = 'strip')
• 범주형 데이터와 수치형 데이터의 관계를 잘 보여줄 수 있음

In [100]:

# catplot의 강력함을 보여주기 위해서는
# 복잡한 데이터가 필요하므로 이전에 사용했던 covid 데이터 호출
covid = pd.read_csv("D:/workspaces/WinterStudy2022/datasetCovid/country_wise_latest.csv")

covid.head(5)

Out[100]:

	Country/Region	Confirmed	Deaths	Recovered	Active	New cases	New deaths	New recovered	Deaths / 100 Cases	Recovered / 100 Cases	Deaths / 100 Recovered	Confirmed last week	1 week change	1 week % increase	WHO Region
0	Afghanistan	36263	1269	25198	9796	106	10	18	3.50	69.49	5.04	35526	737	2.07	Eastern Mediterranean
1	Albania	4880	144	2745	1991	117	6	63	2.95	56.25	5.25	4171	709	17.00	Europe
2	Algeria	27973	1163	18837	7973	616	8	749	4.16	67.34	6.17	23691	4282	18.07	Africa
3	Andorra	907	52	803	52	10	0	0	5.73	88.53	6.48	884	23	2.60	Europe
4	Angola	950	41	242	667	18	1	0	4.32	25.47	16.94	749	201	26.84	Africa

In [101]:

# catplot = 여러개의 데이터를 묶는 하나의 방법이라고 생각해야 함.
# x = X축 지정(범주형), y = Y축 지정(수치형)
# data = 사용할 데이터, kind = 그래프 형태(default = 'strip')

# s = sns.catplot(x = "WHO Region", y = "Confirmed", data = covid, kind = 'strip')
s = sns.catplot(x = "WHO Region", y = "Confirmed", data = covid, kind = 'violin')
s.fig.set_size_inches(10, 6)
plt.show()

(3.4) 스트립그림 (Strip Plot)¶

• scatter plot과 유사하게 데이터의 수치를 표현하는 그래프
• sns.stripplot(x = '카테고리 Column', y = 'Data Column', data = 사용할 데이터)

In [102]:

sns.stripplot(x = 'WHO Region', y = 'Recovered', data = covid)
plt.show()

(3.5) Swarmplot¶

• 뭉처진 값이 너무 많을 경우 밀도를 쉽게 파악할 수 없다는 Strip plot의 단점을 해결
• .swarmplot(x = '카테고리 Column', y = 'Data Column', data = 사용할 데이터)를 이용하여 사용
• 단, 뭉처진 값이 너무 많을 경우 밀도를 전부 출력하지 못해 오류를 출력하기도 하나, 정상적으로 데이터는 나옴

In [51]:

# cf) swarmplot
# 뭉처진 값이 너무 많을 경우 밀도를 전부 출력하지 못해 오류를 뱉기는 하나
# 그래프는 정상적으로 나옴
sns.swarmplot(x = 'WHO Region', y = 'Recovered', data = covid)
plt.show()

D:\Python310\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 22.7% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)
D:\Python310\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 69.6% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)
D:\Python310\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 79.2% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)
D:\Python310\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 54.3% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)
D:\Python310\lib\site-packages\seaborn\categorical.py:1296: UserWarning: 31.2% of the points cannot be placed; you may want to decrease the size of the markers or use stripplot.
  warnings.warn(msg, UserWarning)

(3.6) 히트맵 (Heatmap)¶

• 행렬 데이터의 값을 색상으로 표현해주는 그래프
• sns.heatmap(사용할 "행렬"데이터)

In [52]:

# 히트맵 예제
# covid자료를 사용하여 행렬데이터 생성
covid.corr()

Out[52]:

	Confirmed	Deaths	Recovered	Active	New cases	New deaths	New recovered	Deaths / 100 Cases	Recovered / 100 Cases	Deaths / 100 Recovered	Confirmed last week	1 week change	1 week % increase
Confirmed	1.000000	0.934698	0.906377	0.927018	0.909720	0.871683	0.859252	0.063550	-0.064815	0.025175	0.999127	0.954710	-0.010161
Deaths	0.934698	1.000000	0.832098	0.871586	0.806975	0.814161	0.765114	0.251565	-0.114529	0.169006	0.939082	0.855330	-0.034708
Recovered	0.906377	0.832098	1.000000	0.682103	0.818942	0.820338	0.919203	0.048438	0.026610	-0.027277	0.899312	0.910013	-0.013697
Active	0.927018	0.871586	0.682103	1.000000	0.851190	0.781123	0.673887	0.054380	-0.132618	0.058386	0.931459	0.847642	-0.003752
New cases	0.909720	0.806975	0.818942	0.851190	1.000000	0.935947	0.914765	0.020104	-0.078666	-0.011637	0.896084	0.959993	0.030791
New deaths	0.871683	0.814161	0.820338	0.781123	0.935947	1.000000	0.889234	0.060399	-0.062792	-0.020750	0.862118	0.894915	0.025293
New recovered	0.859252	0.765114	0.919203	0.673887	0.914765	0.889234	1.000000	0.017090	-0.024293	-0.023340	0.839692	0.954321	0.032662
Deaths / 100 Cases	0.063550	0.251565	0.048438	0.054380	0.020104	0.060399	0.017090	1.000000	-0.168920	0.334594	0.069894	0.015095	-0.134534
Recovered / 100 Cases	-0.064815	-0.114529	0.026610	-0.132618	-0.078666	-0.062792	-0.024293	-0.168920	1.000000	-0.295381	-0.064600	-0.063013	-0.394254
Deaths / 100 Recovered	0.025175	0.169006	-0.027277	0.058386	-0.011637	-0.020750	-0.023340	0.334594	-0.295381	1.000000	0.030460	-0.013763	-0.049083
Confirmed last week	0.999127	0.939082	0.899312	0.931459	0.896084	0.862118	0.839692	0.069894	-0.064600	0.030460	1.000000	0.941448	-0.015247
1 week change	0.954710	0.855330	0.910013	0.847642	0.959993	0.894915	0.954321	0.015095	-0.063013	-0.013763	0.941448	1.000000	0.026594
1 week % increase	-0.010161	-0.034708	-0.013697	-0.003752	0.030791	0.025293	0.032662	-0.134534	-0.394254	-0.049083	-0.015247	0.026594	1.000000

In [103]:

# covid의 행렬 데이터를 사용하여 히트맵 출력
sns.heatmap(covid.corr())
plt.show()