[데이터 전처리&시각화 5] 데이터 시각화 (Matplotlib) - 라인, 바, 히스토그램, 파이

 

# 데이터 그래프의 종류

 

< 1. Line Plot >

연속형 데이터

데이터의 변화 및 추이를 시각화

 

# 선 그래프 그리기

맷플롯립의 plot() 함수는 선 그래프를 그릴 수 있다

첫 번째 매개변수에는 x축의 값, 두 번째 매개변수에는 y축에 해당하는 값을 전달한다

 

# 맷플롯립으로 그래프 그려보기 (1)

import matplotlib.pyplot as plt

x = [1,2,3,4,5]
y = [2,4,6,8,10]

plt.plot(x,y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Example')

 

 

# 맷플롯립으로 그래프 그려보기 (2) 

 

데이터프레임에서 그리기

import pandas as pd

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

df.plot(x='A', y='B')
plt.show()

 

 

# 그래프 스타일 설정하기

df.plot(x='A', y='B', color = 'green', linestyle = '--', marker = 'o')
plt.show()

 

✔️linestyle 종류

 

실선 :  '-'

점선 :  ':'

쇄선 :  '-.'

파선 :  '--'

 

 

# 범례 추가하기 (1)

df.plot(x='A', y='B', color = 'red', linestyle = '--', marker = 'o', label = 'Data Series')
plt.show()

 

 

# 범례 추가하기 (2)

ax = df.plot(x='A', y='B', color='red', linestyle='--', marker='o')
ax.legend(['Data Series'])
plt.show()

 

# 범례 예제

ax = df.plot(x='A', y='B', color='red', linestyle='--', marker='o')
ax.legend(['Data Series'])
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.set_title('Title')
plt.show()

 

 

# 안에 텍스트 넣기

 

text() 메서드 이용

ax = df.plot(x='A', y='B', color='red', linestyle='--', marker='o')
ax.legend(['Data Series'])
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.set_title('Title')
ax.text(4, 3, 'SomeText', fontsize=12)
plt.show()

 

 

# 그래프 크기 바꾸기 : figsize 매개변수

plt.figure(figsize = (8,6))

x = [1,2,3,4,5]
y = [2,4,6,8,10]

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

 

# 관련 예제

fig, ax = plt.subplots(figsize = (18,6))
ax = df.plot(x='A', y='B', color='red', linestyle='--', marker='o', ax = ax)
ax.legend(['Data Series'])
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.set_title('Title')
ax.text(4, 3, 'SomeText', fontsize=12)
plt.show()

 

 

# 예제 데이터 가져오기

import seaborn as sns

data = sns.load_dataset('flights')

 

 

# 데이터 year별 passengers 수의 합계를 그룹별로 출력하기

 

data_grouped = data[['year', 'passengers']].groupby('year').sum().reset_index()
data_grouped

 

# 해당 내용을 선 그래프로 그려보기

plt.plot(data_grouped['year'], data_grouped['passengers'])
plt.xlabel('year')
plt.ylabel('passengers')
plt.show()

 

 

< 2. Bar Plot >

범주형 데이터

카테고리 별 값의 크기를 시각적으로 비교

 

# 막대 그래프 그리기

맷플롯립의 bar() 함수는 막대 그래프를 그릴 수 있다

첫 번째 매개변수에는 x축의 값, 두 번째 매개변수에는 y축에 해당하는 값을 전달한다

 

# 샘플 데이터

df = pd.DataFrame({
    '도시' : ['서울', '부산', '대구', '인천'],
    '인구' : [990, 250, 250, 290]
})
df

 

 

# bar()를 이용한 막대그래프 그리기

plt.bar(df['도시'], df['인구'])
plt.xlabel('도시')
plt.ylabel('인구')
plt.title('도시별 인구 수')

 

 

< 3. Histogram >

연속형 데이터

데이터의 분포, 빈도, 패턴 등을 이해

 

# 히스토그램 예제

import numpy as np
data = np.random.randn(1000)

plt.hist(data, bins=30)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')
plt.show()

 

< 4. Pie Chart >

범주형 데이터의 비율

범주별 상대적 비율을 부채꼴 모양으로 시각화

 

# 파이차트 예제

sizes = [30, 20, 25, 15, 10]
labeling = ['A', 'B', 'C', 'D', 'E']

plt.pie(sizes, labels = labeling)
plt.title('Pie Chart')
plt.show()