[Matplotlib] 4강_Pandas 시각화

반응형

1. Pandas 시각화

판다스 자체적으로 matplotlib 를 기반으로 한 시각화기능을 지원한다.

Series나 DataFrame에 plot() 함수나 plot accessor를 사용한다.

• https://pandas.pydata.org/pandas-docs/stable/user_guide/visualization.html

---

📍 plot( )

• kind 매개변수에 지정한 값에 따라 다양한 그래프를 그릴 수 있다.
• kind : 그래프 종류 지정
  • 'line' : line plot (default)
  • 'bar' : vertical bar plot
  • 'barh' : horizontal bar plot
  • 'hist' : histogram
  • 'box' : boxplot
  • 'kde' : Kernel Density Estimation plot
  • 'pie' : pie plot
  • 'scatter' : scatter plot

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
s = pd.Series([100, 70, 90, 130, 50], index = ['사과', '배', '귤', '수박', '복숭아'])
s
>>>
사과     100
배       70
귤       90
수박     130
복숭아     50
dtype: int64

# plt.figure(figsize = (4,3))
s.plot(kind = 'bar', title = '과일수량', xlabel = '과일종류', ylabel = '개수', figsize = (6,5), rot = 45) # 판다스 //여기서도 적용가능
# plt.title('과일수량') #matplotlib으로 설정
# plt.xlabel('과일')
# plt.ylabel('수량')
plt.show()

---

📍 막대 그래프

• index가 무슨 값인지를 가리키는 축으로 사용된다.

tips = pd.read_csv('data/tips.csv')
tips.shape
>>>
(244, 7)

cnt_result = tips['day'].value_counts()
cnt_result
>>>
Sat     87
Sun     76
Thur    62
Fri     19
Name: day, dtype: int64

cnt_result.plot(kind = 'bar', title = '요일별 테이블 수', xlabel = '요일', ylabel = '테이블 수', grid = True, rot = 0, figsize = (5,5))
plt.show()

tips['smoker'].value_counts().plot(kind = 'barh', figsize = (5,3), title = '흡연여부에 따른 테이블 수',
                                  color = ['g','r'])
plt.show()

🌓 두개의 분류 별로 그리기

• 여러개의 컬럼일 경우 수평 누적 막대그래프를 그린다.

agg_df = tips.pivot_table(index = 'smoker', columns = 'sex', values = 'tip', aggfunc = 'count') # mean 으로 바꾸면 평균을 구하게 됨.
agg_df

agg_df.plot(kind = 'bar', title = '흡연여부 / 성별 테이블 수', xlabel = '흡연여부', ylabel = '테이블 수', rot = 0)
plt.show()

🌓 요일/성별 손님의 총 수(size)

agg_cu = tips.pivot_table(index = 'sex', columns = 'day', values = 'size', aggfunc = 'sum')
agg_cu

agg_cu.plot(kind = 'bar', title = '요일/성별 손님의 총 수', stacked = True, rot = 0) # stacked = True 차트를 겹겹이 샇는 명령어
plt.legend(bbox_to_anchor = (1,1), loc = 'upper left', title = 'day')
plt.show()

agg_cu.plot(kind = 'bar', subplots= True, figsize = (6,10)) # subplots= True 아래와 같이 나누는 명령어
plt.show()

---

📍 파이차트

tips['day'].value_counts()
# index : label
# value : 비율계산
>>>
Sat     87
Sun     76
Thur    62
Fri     19
Name: day, dtype: int64

# tips['day'].value_counts(normalize = True) # normalize = True 은 퍼센테이지로 나타내기
tips['day'].value_counts().plot(kind = 'pie', autopct = '%.2f%%', explode = [0,0,0,0.4], shadow = True)

tips.groupby('time')['tip'].mean().plot.pie(autopct = '%.2f%%', shadow = True, explode = [0,0.2])
plt.show()

---

📍 히스토그램, KDE(밀도그래프)

🌓  hist

# tips['tip'].plot(kind = 'hist', bins = 20)
tips['tip'].plot.hist(bins = 20) # 위 아래 둘다 같은 명령어
plt.show()

tips[['total_bill', 'tip']].plot(kind = 'hist',bins =30, alpha = 0.7)
plt.show()

🌓  kde

tips['tip'].plot(kind = 'kde')
plt.show()

tips[['total_bill', 'tip']].plot(kind = 'kde')
plt.show()

---

📍 Boxplot (상자그래프)

tips['total_bill'].plot(kind = 'box', whis = 3)
plt.show()

tips[['tip','total_bill']].plot(kind = 'box', figsize = (5,4)) # 두 값을 비교할때 사용
plt.show()

---

📍 scatter plot (산점도)

# DataFrame 을 이용해서 그린다. (Series는 그릴 수 없다.)
tips.plot(kind = 'scatter', x = 'total_bill', y = 'tip')
plt.show()

---

📍 Line plot

df = pd.read_excel('data/강수량.xlsx')
df1 = df.set_index('계절').T
df1

# x: index, y: value
df1['봄'].plot(figsize = (10,4), xlabel = '년도', ylabel = '강수량') #kind = 'line' (default)
plt.show()

# dataframe.plot(): index-X, 컬럼별로 선그래프를 그린다.
df1.plot(figsize = (15,4), marker = "." )
plt.show()

df1[['봄', '겨울']].plot()
plt.show()