[내일배움캠프] 데이터 전처리 & 시각화 4주차

수업 목표

• 데이터 시각화를 어떤 목적으로 해야할 지를 이해하고 데이터를 시각화하는 방법을 학습한다

---

 

1. 데이터 시각화의 목적

1.  패턴 발견 및 이해 : 데이터 시각화는 데이터 내의 숨겨진 패턴을 발견하고, 이해하는 데 도움을 준다. 그래프나 차트를 통해 데이터의 특징을 시각적으로 파악할 수 있다.
2. 의사 결정 지원 : 시각화는 복잡한 데이터를 이해하고 결정을 내리는 데 도움을 준다. 시각화를 통해 정보를 명확하게 전달하여 의사 결정 과정을 지원한다.
3. 효과적인 커뮤니케이션 : 시각화는 데이터 분석 결과를 다른 사람들과 공유하거나 설명 할 때 유용하다. 데이터를 시각적으로 보여주면 이해하기 쉽고 기억하기 쉬운 형태로 전달할 수 있다.

 

2. Matplotlib

• 파이썬에서 시각화를 위한 라이브러리 중 하나로, 다양한 종류의 그래프를 생성하기 위한 도구를 제공
  • 2D 그래픽을 생성하는 데 주로 사용
  • 선 그래프, 막대 그래프, 히스토그램, 산점도, 파이 차트 등 다양한 시각화 방식을 지원
  • 그래프를 색상, 스타일, 레이블, 축 범위 등을 조절하여 원하는 형태로 시각화 할 수 있음
• matplotlib.pyplot : plot() 함수, 2차원 데이터를 시각화하기 위해 사용

 

3. 그래프 그리기 - 도구편

1) plot() 활용

 : pandas의 plot() 메서드는 DataFrame 객체에서 데이터를 시각화하는 데 사용된다.

  예를 들어, 선 그래프를 그리기 위해서는 plot() 메서드를 호출하고 x와 y 인수에 각각 x축과 y축에 해당하는 열을 지정

# 샘플 데이터프레임 생성

data = {

'A': [1, 2, 3, 4, 5],

'B': [5, 4, 3, 2, 1]

}

df = pd.DataFrame(data)

# 선 그래프 그리기

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

 

 2) 스타일 설정

 : plot() 메서드를 호출할 때 다양한 스타일 옵션을 사용하여 그래프의 스타일을 설정할 수 있다. color, linestyle, marker 등의 파라미터를 사용하여 색상, 스타일, 마커를 변경할 수 있다.

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

 

 3) 범례 추가하기

 : legend() 메서드를 사용하여 그래프의 범례를 추가할 수 있다.

#1 label

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

#2 legend

ax.legend(['Data Series'])

#1번 또는 2번 방법으로 범례를 추가할 수 있습니다.

 

 4) 축, 제목 입력하기

 : set_xlabel(), set_ylabel(), set_title() 메서드를 사용하여 x축과 y축의 레이블 및 그래프 제목을 추가할 수 있다.

ax.set_xlabel('X-axis Label')

ax.set_ylabel('Y-axis Label')

ax.set_title('Title of the Plot')

 

 5) 텍스트 추가하기

 : text() 메서드를 사용하여 그래프의 특정 위치에 텍스트를 추가할 수 있다.

ax.text(3, 3, 'Some Text', fontsize=12)

 

 6) 한꺼번에 설정하는 방법!

• plot() 함수에 color, linestyle, marker, label 등의 파라미터로 스타일과 범례 적용
• xlabel(), ylabel(), title(), legend(), text() 함수들을 사용하여 각각의 설정 추가
• plt.figure() 함수를 사용하여 Figure 객체를 생성하고, 이후에 figsize 매개변수를 이용하여 원하는 크기로 설정 가능

import matplotlib.pyplot as plt

# 데이터 생성

x = [1, 2, 3, 4, 5]

y = [2, 4, 6, 8, 10]

# Figure 객체 생성 및 사이즈 설정

plt.figure(figsize=(8, 6)) # 가로 8인치, 세로 6인치

# 그래프 그리기

plt.plot(x, y, color='green', linestyle='--', marker='o', label='Data Series')

# 추가 설정

plt.xlabel('X-axis Label')

plt.ylabel('Y-axis Label')

plt.title('Title of the Plot')

plt.legend()

plt.text(3, 8, 'Some Text', fontsize=12) # 특정 좌표에 텍스트 추가

# 그래프 출력

plt.show()

 

 

4. 그래프 그리기 - 차트

 

 1) Line

 : 선 그래프는 데이터 간의 연속적인 관계를 시각화하는 데 적합하며 주로 시간의 흐름에 따른 데이터의 변화를 보여준다.

  자료 유형 : 연속적인 데이터의 추이를 보여줄 때 사용됨

  활용 : 시간에 따른 데이터의 변화, 추세를 보여줄 때 효과적

import pandas as pd import matplotlib.pyplot as plt # 데이터프레임 생성 data = {'날짜': ['2023-01-01', '2023-01-02', '2023-01-03'], '값': [10, 15, 8]} df = pd.DataFrame(data) # '날짜'를 날짜 형식으로 변환 df['날짜'] = pd.to_datetime(df['날짜']) # 선 그래프 작성 plt.plot(df['날짜'], df['값']) plt.xlabel('날짜') plt.ylabel('값') plt.title('선 그래프 예시') plt.show()

 

 2) Bar vs Histogram

  - Bar Plot (바 그래프) 

  : 막대 그래프는 범주형 데이터를 나타내며, 각각의 막대로 값의 크기를 비교하는 데 사용된다.

   자료 유형 : 범주형 데이터 간의 비교를 나타낼 때 주로 사용

   활용 : 카테고리별로 값의 크기나 빈도를 시각적으로 비교할 때 유용

# 데이터프레임 생성 data = {'도시': ['서울', '부산', '대구', '인천'], '인구': [990, 350, 250, 290]} df = pd.DataFrame(data) # 막대 그래프 작성 plt.bar(df['도시'], df['인구']) plt.xlabel('도시') plt.ylabel('인구') plt.title('막대 그래프 예시') plt.show()

 

 - Histogram

  : 히스토그램은 연속된 데이터의 분포를 보여주며, 주로 데이터의 빈도를 시각화하여 해당 데이터의 분포를 이해하는 데 사용된다.

  자료 유형 : 연속형 데이터의 분포

  활동 : 데이터의 빈도나 분포, 패턴을 이해하고자 할 때 유용

import matplotlib.pyplot as plt import numpy as np # 데이터 생성 (랜덤 데이터) data = np.random.randn(1000) # 히스토그램 그리기 plt.hist(data, bins=30) plt.xlabel('Value') plt.ylabel('Frequency') plt.title('Histogram') plt.show()

 

 

 3) Pie

 : Pie Chart(원 그래프)는 전체에서 각 부분의 비율을 보여주며 주로 카테고리별 비율을 비교할 때 사용된다.

  자료 유형 : 범주형 데이터의 상대적 비율을 시각화하는 데 사용

  활용 : 전체에 대한 각 범주의 비율을 보여줄 때 유용하며, 주로 비율을 비교하는 데 사용

import matplotlib.pyplot as plt # 데이터 생성 sizes = [30, 20, 25, 15, 10] labels = ['A', 'B', 'C', 'D', 'E'] # 원 그래프 그리기 plt.pie(sizes, labels=labels, autopct='%1.1f%%') plt.title('Pie Chart') plt.show()

 

 4) Box Plot

 : 박스 플롯은 데이터의 분포와 이상치를 시각적으로 보여준다. 중앙값, 사분위수, 최솟값, 최댓값 등의 정보를 제공하여 데이터의 통계적 특성을 파악하는 데 사용된다. 

  자료 유형 : 연속형 데이터의 분포와 이상치를 시각화

  활용 : 데이터의 중앙값, 사분위수(25%, 50%, 75% 위치의 값), 최소값, 최대값, 이상치를 한눈에 파악

import matplotlib.pyplot as plt import numpy as np # 데이터 생성 np.random.seed(10) data = [np.random.normal(0, std, 100) for std in range(1, 4)] # 박스 플롯 그리기 plt.boxplot(data) plt.xlabel('Data') plt.ylabel('Value') plt.title('Box Plot') plt.show()

참고 ) Box Plot에 대해 알아보자면, 박스 플롯의 구성 요소: 상자(Box): 데이터의 중앙값과 사분위수(25%와 75%)를 나타냅니다. 상자의 아래쪽 끝은 25%의 값(1사분위수), 상자의 윗쪽 끝은 75%의 값(3사분위수)을 나타냅니다. 상자의 중앙에 위치한 선은 중앙값을 나타냅니다. 수염(Whisker): 상자의 위 아래로 연장되는 선으로, 일반적으로 1.5배의 사분위 범위로 계산되는데, 이 범위를 넘어가는 값은 이상치(outlier)로 간주됩니다. 수염의 끝은 최솟값과 최댓값을 나타냅니다. 이상치(Outliers): 수염 부분을 벗어나는 개별 데이터 포인트로, 일반적인 범위를 벗어나는 값들을 의미합니다. 이상치는 박스 플롯에서 독립적으로 표시됩니다. 박스 플롯의 활용: 데이터의 분포와 중앙값, 이상치를 한눈에 파악할 수 있습니다. 다수의 그룹 또는 범주 간의 데이터 분포를 비교하는 데 유용합니다. 통계적으로 중요한 데이터의 특성을 시각적으로 표현할 때 활용됩니다.

 

 5) Scatter Plot

 : 산점도는 두 변수 간의 관계를 점으로 표시하여 보여주는 그래프이다.

  두 변수 간의 상관관계를 보여주고, 각 점이 데이터 포인트를 나타내며, 그 점들이 어떻게 분포되어 있는지 시각적으로 확인 가능

  자료 유형 : 두 변수 간의 관계 및 상관관계를 보여 줄 때 사용

  활용 : 변수 간의 관계, 군집 이상치를 확인

import matplotlib.pyplot as plt # 데이터 생성 x = [1, 2, 3, 4, 5] y = [2, 3, 5, 7, 11] # 산점도 그리기 plt.scatter(x, y) plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.title('Scatter Plot') plt.show()

참고 ) 상관관계란? 상관관계 확인하기 양의 상관관계: 산점도에서 점들이 오른쪽 위 방향으로 일직선으로 분포되어 있을 때를 말합니다. 즉, 하나의 변수가 증가할 때 다른 변수도 증가하는 경향이 있습니다. 음의 상관관계: 산점도에서 점들이 왼쪽 위 방향으로 일직선으로 분포되어 있을 때를 말합니다. 하나의 변수가 증가할 때 다른 변수는 감소하는 경향이 있습니다. 무상관 관계: 산점도에서 점들이 어떤 방향으로도 일직선으로 분포하지 않고 무작위로 퍼져 있을 때를 말합니다. 즉, 두 변수 간에는 상관관계가 거의 없는 것으로 보입니다. 상관관계의 강도 확인하기 점들의 모임: 점들이 더 밀집된 곳은 상관관계가 높다는 것을 나타낼 수 있습니다. 점들의 방향성: 일직선에 가까운 분포일수록 상관관계가 강할 가능성이 높습니다. 상관계수 계산: 피어슨 상관계수와 같은 통계적 방법을 사용하여 상관관계의 정도를 수치적으로 계산할 수 있습니다.