[데이터 전처리&시각화 6] 데이터 시각화 (Matplotlib) - 박스, 스캐터

 

# 데이터 그래프의 종류

 

 

# 샘플 데이터

import seaborn as sns
iris = sns.load_dataset("iris")
iris

 

# species 확인하기

species = iris['species'].unique()
species

# 결과
array(['setosa', 'versicolor', 'virginica'], dtype=object)

 

 

# 붓꽃(iris) 데이터셋에서 각 종(species)별로 꽃받침(sepal)의 길이를 리스트로 저장

sepal_lengths_list = [iris[iris['species'] == s]['sepal_length'].tolist() for s in species]
sepal_lengths_list

 

[ 결과 ]

2차원 배열로 나온다

 

 

※ 이 상황에서는 tolist()를 사용함으로써 데이터프레임을 리스트로 만들었

 

리스트, 시리즈, 데이터프레임에 대해서 확실하게 구별하자!

 

# 리스트와 시리즈의 데이터 타입

import pandas as pd

# 리스트 생성
my_list = [1, 2, 3, 4, 5]
print("List dtype:", type(my_list))

# 시리즈 생성
my_series = pd.Series([1, 2, 3, 4, 5])
print("Series dtype:", type(my_series))

 

[ 결과 ]

List dtype: <class 'list'>
Series dtype: <class 'pandas.core.series.Series'>

 

 

# 데이터프레임 생성

import pandas as pd

# 데이터프레임 생성
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(type(df))
print(df)

 

[ 결과 ]

 

# 리스트로 바꾸기

 

df.values는 데이터프레임의 값들을 numpy 배열로 반환한다

[[1, 4],
 [2, 5],
 [3, 6]]

 

tolist()

그 후에 tolist() 메서드를 사용하여 numpy 배열을 리스트로 변환하면서 각 행을 리스트로 변환합니다.

이렇게 들어간다

 

df_as_list = df.values.tolist()
print(df_as_list)

 

[ 결과 ]

[[1, 4], [2, 5], [3, 6]]

 

 

 

# 그렇다면 열 방향으로 리스트를 생성할 수 있을까?

 

transpose()를 이용하면 된다

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 데이터프레임을 리스트로 변환
df_as_list = df.transpose().values.tolist()
df_as_list

 

[ 결과 ]

[[1, 2, 3], [4, 5, 6]]

 

 

※ 리스트와 넘파이 배열의 차이점

 

중요한 것

Python list는 list.append(), list.pop()를 통해서 자유롭게 원소 변경 및 크기 변경이 가능하다.

반면, numpy array는 만들어지고 나면 메서드를 통해 원소의 update는 가능하지만, array의 크기를 변경할 수는 없다.

 

* array의 크기란 array.shape 했을 때 확인 할 수 있는 값인데,

예를 들어 array.shape 값이 (3, 4)라면 3행에 4열의 크기를 가지고 있는 array라는 것이다.

 

https://wnwa.tistory.com/2

[Python] list와 Numpy array 차이 (+ numpy array 언제 쓰는가?)

 

 

< 5. Box Plot >

연속형 데이터의 분포

중앙값, 사분위수, 최소값, 최대값, 이상치 확인

 

 

# 박스플롯 예제

plt.boxplot(sepal_lengths_list, labels=species)
plt.show()

 

 

# 박스플롯 예제2

sns.boxplot(x='species', y='sepal_length', data=iris)
plt.show()

 

 

< 6. Scatter Plot >

두 변수 간 관계

변수 간의 관계, 군집, 이상치 등 확인

 

 

# Scatter 예제

plt.scatter(iris['sepal_length'], iris['sepal_width'])
plt.xlabel('Petal length')
plt.ylabel('Petal width')
plt.show()