Seaborn

*Seaborn: Python data visualization library based on matplotlib

기본 그래프

Bar Plot, Count Plot

import pandas as pd
import seaborn as sns   # import해야 사용 가능; 보통 sns로 줄여서 import

exam_df = pd.read_csv('data/exam.csv')   ## 데이터 출처: codeit
exam_df.head()

1. barplot

    sns.barplot(data=exam_df, x="race/ethnicity", y="math score", palette='Blues_d');
    # ci=95가 default (ci: Confidence Interval. 신뢰구간)
   

   

   • barplot의 기본 estimator는 np.mean (평균값). 별도로 설정해주지 않으면 default로 각 카테고리의 평균값을 시각화해준다
   • estimator는 np.sum, np.count 등으로 다양하게 변경 가능

   +) hue 옵션 지정:

    sns.barplot(data=exam_df, x="race/ethnicity", y="math score", hue='gender', palette='Set3');
   

   

2. countplot: y값에는 자동으로 count가 들어가는 bar plot

     # 각 race/ethnicity 그룹에 속한 학생 수를 비교
     sns.countplot(data=exam_df, x="race/ethnicity", color='skyblue');
   

   

Line Plot

import pandas as pd
import seaborn as sns

flights_df = sns.load_dataset("flights")
flights_df.head()

1. 연도별 월평균 승객수 추이

     sns.lineplot(data=flights_df, x='year', y='passengers', color='skyblue');
     # 평균값을 line으로 그려주고, 95% confidence interval을 함께 표시
   

   

2. 연도별 총 승객수 추이

    flights_groupby = flights_df.groupby('year')[['passengers']].sum().reset_index()
    sns.lineplot(data=flights_groupby, x='year', y='passengers', color='skyblue');
   

   

   +) 아예 estimator=’sum’으로 설정해서 시각화하는 것도 가능

    # 연도별 총 승객수 추이 (groupby를 거쳐서 그리는 것과 동일한 형태로 시각화 가능)
    sns.lineplot(data=flights_df, x='year', y='passengers', color='skyblue', estimator='sum', ci=None);
   

   

   • estimator는 ‘sum’, ‘min’, ‘count’ 등 다양하게 설정 가능

3. 연도별, 월별 승객수 추이

    sns.lineplot(data=flights_df, x='year', y='passengers', hue='month', palette='pastel');
   

   

   +) 아예 pivot된 데이터를 통째로 넣어서 그리는 것도 가능:

    flights_groupby2 = flights_df.pivot('year', 'month', 'passengers')
    sns.lineplot(data=flights_groupby2, palette='pastel');
   

   

Scatter Plot

sns.scatterplot(data=exam_df, x='math score', y='reading score', color='skyblue');

+) hue, style 등의 옵션으로 구분해서 시각화:

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
sns.scatterplot(data=exam_df, x='math score', y='reading score', hue='gender', style='race/ethnicity', palette='Blues_d');
# +) size='lunch' 이런 식으로 점의 size에 따른 구분도 추가 가능

KDE Plot

: 대체로 세상에서 일어나는 대부분의 일들은 비슷한 확률밀도함수(PDF)의 생김새를 갖는다.
그런데, 우리는 무한개의 데이터를 구할 수 없기에,
우리가 구한 데이터로 그래프를 그려보면 매끄러운 확률밀도함수의 모양이 나오지 않는다.
→ 이를 해결하는 것이 KDE(Kernel Density Estimation).
KDE를 사용하면 우리가 구한 데이터를 기반으로 어느 정도 추측을 해서, 실제 분포에 가깝게 매끄러운 그래프를 그려준다.

+) PDF: Probability Density Function (확률밀도함수)

• PDF 아래의 모든 면적을 더하면 1이다. (100%)
• PDF를 활용해서 값들이 어떻게 분포되어 있는지 나타낼 수 있다
• 특정 구간의 면적이 곧 값이 그 구간에 속할 확률이다
• 특정 ‘점’의 확률을 무조건 0이다. (면적이 0이므로)

기본 KDE Plot

body_df = pd.read_csv('data/body.csv')   ## 데이터 출처: codeit
body_df.head()

→ 키 데이터를 순서대로 정렬

• value_counts()로 각 항목의 개수 파악
• sort_index()로 순서대로 정렬

body_df['Height'].value_counts().sort_index()

154.4    1
155.5    1
157.4    1
157.8    1
158.0    1
        ..
190.3    1
191.2    1
191.8    1
192.4    1
193.1    1
Name: Height, Length: 262, dtype: int64

1. ‘Height’ 데이터 분포를 그대로 그래프로 그려보기

   body_df['Height'].value_counts().sort_index().plot() 
   ## 이렇게 우리가 가진 데이터로만 그래프를 그리면 보기 불편하게 나온다
   

   

2. Seaborn의 KED Plot 기능으로 매끄러운 확률밀도함수 그리기

   sns.kdeplot(body_df['Height'])
   

   

3. bandwidth 조절하기

   sns.kdeplot(body_df['Height'], bw_adjust=0.5);   # bw는 bandwidth의 약자
   

   

   • bw_adjust로 얼마나 매끄럽게 확률밀도함수를 조절할 것인지 선택. bw값이 클수록 매끄럽다.
   • 하지만 bw값이 무조건 클수록 좋은 것만은 아니다. 적절히 인사이트를 얻을 수 있는 만큼으로 조절.
   • **bw_adjust를 설정하지 않으면, Seaborn이 적당한 값으로 알아서 골라준다.

histplot()

1. 기본 히스토그램

    sns.histplot(body_df['Height'], bins=15);
   

   

2. 히스토그램과 KDE Plot을 한 번에 표현

    sns.histplot(body_df['Height'], kde=True, stat='density', linewidth=0, bins=15);
   

   

   • kde=True, stat='density', linewidth=0 옵션을 추가해주면 deprecated 기능인 ‘seaborn.distplot’과 동일하게 시각화 가능
   • stat='density'라고 별도로 설정해주지 않으면 y는 그냥 ‘Count’가 됨
   • linewidth=0은 kde 곡선을 잘 보이게 하기 위해 histogram의 테두리선을 없애주는 역할

violinplot()

: KDE Plot을 양 옆으로 대칭으로 그려둔 모양이랑 동일. box plot과 유사하게, 값의 분포를 파악 가능.

sns.violinplot(y=body_df['Height'])

KDE Plot; 등고선 그래프

:KDE Plot 2개를 합쳐서 등고선 형태로 나타낸 그래프.

sns.kdeplot(body_df['Height'], body_df['Weight'])  

• body_df 자료에서의 Height와 Weight의 연관성과 함께, 각각의 분포 모양도 볼 수 있는 그래프.
• Height의 KDE Plot과 Weight의 KEP Plot을 함쳐서, 3D 형태의 산으로 나타낸 것을 위에서 바라본 모양. → 등고선처럼 표현됨
• 아래에 각각 그려둔 KDE Plot을 보고 머릿속으로 합쳐보면, 위와 같은 등고선이 이해가 될 것이다

sns.kdeplot(body_df['Height'])

sns.kdeplot(body_df['Weight'])

LM Plot

: LM은 Linear Model의 약자. 산점도와 Regression Line(회귀선)을 함께 그려준다. (lineplot + scatterplot)

body_df.head()

1. 기본 lmplot 그리기

   sns.set_style('darkgrid')  ## 이렇게 grid의 style도 지정 가능
   sns.lmplot(data=body_df, x='Height', y='Weight')
   

   

2. ci (Confidence Interval, 신뢰구간) 조절
   • lmplot의 default setting은 ci=95 (95% 신뢰구간 표시) → ci=None으로 꺼버리거나, ci=80 이런 식으로 변경할 수 있다

    sns.set_style('ticks')  ## style: dict, None, or one of {darkgrid, whitegrid, dark, white, ticks}
    sns.lmplot(data=body_df, x='Height', y='Weight', ci=None)
   

   

3. hue 옵션 지정

    exam_df.head()
   

   	gender	race/ethnicity	parental level of education	lunch	test preparation course	math score	reading score	writing score
   0	female	group B	bachelor’s degree	standard	none	72	72	74
   1	female	group C	some college	standard	completed	69	90	88
   2	female	group B	master’s degree	standard	none	90	95	93
   3	male	group A	associate’s degree	free/reduced	none	47	57	44
   4	male	group C	some college	standard	none	76	78	75

   → hue 옵션을 사용해 ‘gender’ 별로 데이터 비교해보기

    sns.lmplot(data=exam_df, x='math score', y='writing score', hue='gender', palette='Set2', height=4);  
            ## palette(그래프가 그려지는 컬러 팔레트를 결정), height(그래프 크기를 결정)도 지정 가능.
   

   

Joint Plot

• 2차원 실수형 데이터는 jointplot을 활용하면 다각도로 살피기 용이하다
• jointplot을 사용하면 scatterplot + 각 변수의 히스토그램을 함께 그려준다
• kind=’kde’이면 커널 밀도 히스토그램을 그린다 (등고선 모양 그래프 + 각 변수의 KDE Plot)

1. 기본 jointplot: scatterplot + 변수별 히스토그램

   sns.jointplot(data=body_df, x='Height', y='Weight')
   

   

2. KDE jointplot: 등고선 그래프 + 변수별 KDE Plot

   sns.jointplot(data=body_df, x='Height', y='Weight', kind='kde')
   

   

Box Plot

: Seaborn을 활용하면 boxplot을 더 다양하게 그릴 수 있다

cf) pandas 내장 기능으로 그릴 수 있는 boxplot은 이 정도

exam_df.plot(kind='box', y='math score');  

* Seaborn을 활용하면 x축, hue도 지정해서 각각 비교해 볼 수 있다.

sns.boxplot(data=exam_df, x='test preparation course', y='math score', hue='gender', palette='Set3')

• showfliers=False 옵션을 추가하면 outlier를 제외하고 시각화할 수 있다

    sns.boxplot(data=exam_df, x='test preparation course', y='math score', hue='gender', palette='Set3', showfliers=False)
  

+) 아래에서 배울 catplot을 활용해도 boxplot과 거의 동일하게 표현 가능

sns.catplot(data=exam_df, x='test preparation course', y='math score', hue='gender', kind='box')

• catplot(kind=’box’) 역시 마찬가지로 showfliers=False 옵션을 추가할 수 있다

    sns.catplot(data=exam_df, x='test preparation course', y='math score', hue='gender', kind='box', showfliers=False)
  

Catplot

: 카테고리별 비교를 위한 시각화에 적합

laptops_df = pd.read_csv('data/laptops.csv')   ## 데이터 출처: codeit
laptops_df.head()

→ ‘os’에 몇 개의 unique한 값이 있나 확인

laptops_df['os'].unique()

array(['linux', 'mac', 'windows'], dtype=object)

→ os별 가격 비교:

1. box plot으로 비교

   sns.catplot(data=laptops_df, x='os', y='price', kind='box'); 
   

   

2. violin plot으로 비교

   sns.catplot(data=laptops_df, x='os', y='price', kind='violin')  
   

   

3. strip plot으로 비교: default option. kind= 안쓰면 자동으로 strip plot으로 그려짐

   sns.catplot(data=laptops_df, x='os', y='price', kind='strip') 
   

   

   • 이 경우에는 각 항목의 분포 뿐 아니라, 어떤 항목에 데이터가 더 많은지도 알면 좋기 때문에 strip plot이 가장 적합해 보인다.
   • windows가 데이터가 가장 많고, mac은 몇 개 없는데 많이 분산되어 있다는 것을 한 눈에 알 수 있다.
4. 추가) 프로세서 브랜드에 따라 색 나눠주기

   laptops_df['processor_brand'].unique()  # 몇 개의 unique한 값이 있나 확인
   

   array(['intel', 'amd'], dtype=object)
   

   → hue= 옵션을 사용해 프로세서 브랜드별로 구분

   sns.catplot(data=laptops_df, x='os', y='price', kind='strip', hue='processor_brand')
   

   

   • amd 프로세서를 사용한 노트북은 몇 개 없고, 대체로 저렴한 축에 속한다는 걸 알 수 있다
5. swarm plot으로 비교: 값이 뭉쳐있는 부분의 데이터가 펼쳐져서 보여진다

   sns.catplot(data=laptops_df, x='os', y='price', kind='swarm', hue='processor_brand');
   

   

Heatmap

1. 변수간 상관계수 시각화

    exam_df.head()
   

   	gender	race/ethnicity	parental level of education	lunch	test preparation course	math score	reading score	writing score
   0	female	group B	bachelor’s degree	standard	none	72	72	74
   1	female	group C	some college	standard	completed	69	90	88
   2	female	group B	master’s degree	standard	none	90	95	93
   3	male	group A	associate’s degree	free/reduced	none	47	57	44
   4	male	group C	some college	standard	none	76	78	75

   → DatFrame의 corr() 메소드를 사용해 숫자형 변수간의 상관계수 확인

    exam_df.corr()
   

   	math score	reading score	writing score
   math score	1	0.81758	0.802642
   reading score	0.81758	1	0.954598
   writing score	0.802642	0.954598	1

   → Seaborn의 heatmap() 메소드를 사용해 상관계수를 한눈에 시각화

    sns.heatmap(exam_df.corr())
   

   

   +) annot=True 옵션을 추가해주면 숫자도 함께 확인 가능

    sns.heatmap(exam_df.corr(), annot=True)
   

   

2. 연도별, 월별 항공기 승객수 추이를 Heatmap으로 시각화

    ## Seaborn 제공 flights 데이터셋 (연도 및 월별 항공기 승객수를 기록한 데이터셋)
    flights = sns.load_dataset('flights')  
    flights.head()
   

   	year	month	passengers
   0	1949	Jan	112
   1	1949	Feb	118
   2	1949	Mar	132
   3	1949	Apr	129
   4	1949	May	121

   → 행: 연도, 열: 월 기준으로 데이터 재구성

    flights_pivot = flights.pivot('month', 'year', 'passengers')
    flights_pivot.head()
   

   month	1949	1950	1951	1952	1953	1954	1955	1956	1957	1958	1959	1960
   Jan	112	115	145	171	196	204	242	284	315	340	360	417
   Feb	118	126	150	180	196	188	233	277	301	318	342	391
   Mar	132	141	178	193	236	235	267	317	356	362	406	419
   Apr	129	135	163	181	235	227	269	313	348	348	396	461
   May	121	125	172	183	229	234	270	318	355	363	420	472

   → Heatmap으로 시각화

    sns.heatmap(flights_pivot, annot=True, fmt='d', cmap="YlGnBu")
   
    # annot=True로 하면 안에 수치가 함께 쓰여짐 
    # fmt(format는 안에 쓰여지는 수치의 형태를 결정. 'd'는 정수형. '.1f'는 소숫점 한자리까지
    # cmap으로 colormap 변경 가능
   

   

   • 해가 지날수록 여름 중심으로 승객수가 점점 많아짐을 한눈에 확인 가능.

Pairplot

: 3차원 이상의 실수형 데이터를 다각도로 살펴볼 수 있음

## Seaborn 제공 iris 데이터셋
iris = sns.load_dataset('iris')
iris.head()

→ 4개 변수(꽃잎/꽃받침의 너비/폭) 중 어느 변수가 종을 구분하는 데 도움이 될 지 pariplot으로 확인

sns.pairplot(iris, hue='species')
plt.show()