[Seaborn] 파이썬으로 그래프 그리기 : seaborn 기본 그래프

< 기본 그래프 >

 

< 1. Line Plot >

sns.lineplot
연속형 데이터

데이터의 변화 및 추이를 시각화
예시: 주식 가격 변동, 온도 변화, 판매 추이 등.

 

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

# 예시 데이터 생성
data = {'Month': ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun'],
        'Sales': [200, 300, 400, 350, 500, 600]}
df = pd.DataFrame(data)

# Line Plot 생성
sns.lineplot(data=df, x='Month', y='Sales')

# 그래프 제목과 축 레이블 추가
plt.title('Monthly Sales')
plt.xlabel('Month')
plt.ylabel('Sales')
plt.show()

 

[ 결과 ]

 

 

 

 

< 2. Bar Plot >

sns.barplot
범주형 데이터

 

범주형 데이터를 시각화하여 각 카테고리 별 값의 크기를 비교합니다.
예시: 각 과목별 학생 수, 제품별 매출 등.

 

# 예시 데이터 생성
data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [10, 20, 15, 25]}
df = pd.DataFrame(data)

# Bar Plot 생성
sns.barplot(data=df, x='Category', y='Value')

# 그래프 제목과 축 레이블 추가
plt.title('Value by Category')
plt.xlabel('Category')
plt.ylabel('Value')
plt.show()

 

 

 

< 3. Histogram >

sns.histplot
연속형 데이터

연속형 데이터의 분포를 시각화하여 빈도와 패턴을 이해합니다.
예시: 시험 점수 분포, 연령 분포 등.

 

import numpy as np

# 예시 데이터 생성
data = np.random.normal(loc=50, scale=10, size=1000)

# Histogram 생성
sns.histplot(data, bins=20, color='blue', edgecolor='black')

# 그래프 제목과 축 레이블 추가
plt.title('Distribution of Scores')
plt.xlabel('Score')
plt.ylabel('Frequency')
plt.show()

 

[ 결과 ]

 

 

data = np.random.normal(loc=50, scale=10, size=1000)

 

# 1. np.random.normal 함수

이 함수는 정규분포를 따르는 난수를 생성하는 데 사용됩니다.

loc: 평균 (mean)
데이터의 중심값을 지정합니다.
이 예제에서는 loc=50이므로, 생성된 데이터의 평균은 50입니다.

 

scale: 표준편차 (standard deviation)
데이터의 흩어짐 정도를 지정합니다.
이 예제에서는 scale=10이므로, 생성된 데이터의 표준편차는 10입니다.

 

size: 생성할 난수의 개수
몇 개의 난수를 생성할지 지정합니다.
이 예제에서는 size=1000이므로, 1000개의 난수를 생성합니다.

 

 

# 2. sns.histplot 함수
이 함수는 히스토그램을 생성하는 데 사용됩니다.

data: 시각화할 데이터
히스토그램에 표시할 데이터 배열을 지정합니다.
이 예제에서는 data 변수가 사용됩니다.

 

bins: 구간 수 (bins)
데이터를 나눌 구간의 수를 지정합니다.
이 예제에서는 bins=20이므로, 데이터는 20개의 구간으로 나뉩니다.

 

color: 히스토그램 막대의 색상
히스토그램 막대의 색상을 지정합니다.
이 예제에서는 color='blue'이므로, 막대는 파란색으로 표시됩니다.

 

edgecolor: 막대의 테두리 색상
히스토그램 막대의 테두리 색상을 지정합니다.
이 예제에서는 edgecolor='black'이므로, 막대의 테두리는 검은색으로 표시됩니다.

 

 

< 4. Box Plot >

sns.boxplot
연속형 데이터의 분포

 

연속형 데이터의 분포를 시각화하여 중앙값, 사분위수, 최소값, 최대값, 이상치를 확인합니다.
예시: 다양한 그룹의 시험 점수 분포, 연령 분포 등.

 

data = {'Group': ['A'] * 50 + ['B'] * 50,
        'Value': np.random.normal(50, 10, 50).tolist() + np.random.normal(60, 15, 50).tolist()}
df = pd.DataFrame(data)
df

 

sns.boxplot(data=df, x='Group', y='Value')

plt.title('Box Plot')
plt.xlabel('Group')
plt.ylabel('Value')
plt.show()

 

 

[ 결과 ]

 

 

 

< 5. Scatter Plot >

sns.scatterplot
두 변수 간 관계

두 변수 간의 관계를 시각화하여 변수 간의 관계, 군집, 이상치를 확인합니다.
예시: 키와 몸무게, 온도와 아이스크림 판매량 등.

 

data = {'Height': np.random.normal(170, 10, 100),
        'Weight': np.random.normal(65, 15, 100)}
df = pd.DataFrame(data)
df

 

 

sns.scatterplot(data=df, x='Height', y='Weight')

plt.title('Height vs Weight')
plt.xlabel('Height')
plt.ylabel('Weight')
plt.show()

 

 

 

 

 

 

# Reference

https://archivenyc.tistory.com/88?category=1184232

[데이터 시각화] 파이썬으로 그래프 그리기 : seaborn (1) 기본 그래프