[Python] 데이터 사이언스 스쿨 - 5.5 Pandas의 시각화 기능

데이터 사이언스 스쿨 자료를 토대로 공부한 내용입니다.

실습과정에서 필요에 따라 내용의 누락 및 추가, 수정사항이 있습니다.

---

Pandas의 시각화 기능

pandas 패키지는 자체적으로 그래프를 그릴 수 있는 함수(메소드)가 내장되어 있다.

이 챕터에선 pandas 패키지의 여러가지 그래프를 그려본다.

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns

import warnings

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

mpl.rc('font', family='NanumGothic') # 폰트 설정
mpl.rc('axes', unicode_minus=False) # 유니코드에서 음수 부호 설정

# 차트 스타일 설정
sns.set(font="NanumGothic", rc={"axes.unicode_minus":False}, style='darkgrid')
plt.rc("figure", figsize=(10,8))

warnings.filterwarnings("ignore")

# 데이터 생성
np.random.seed(0)
df1 = pd.DataFrame(np.random.randn(100, 3),
                   index=pd.date_range('1/1/2018', periods=100),
                   columns=['A', 'B', 'C']).cumsum() # 누적합
df1.tail()

	A	B	C
2018-04-06	9.396256	6.282026	-11.198087
2018-04-07	10.086074	7.583872	-11.826175
2018-04-08	9.605047	9.887789	-12.886190
2018-04-09	9.469097	11.024680	-12.788465
2018-04-10	10.052051	10.625231	-12.418409

# pandas에 plot이 내장되어 있음
df1.plot()
plt.title("Pandas의 Plot메소드 사용 예")
plt.xlabel("시간")
plt.ylabel("Data")
plt.show()

# 붓꽃 데이터
iris = sns.load_dataset("iris")

# 타이타닉호 데이터
titanic = sns.load_dataset("titanic")

# pandas - barchart
s1 = iris.sepal_length[:20]
s1.plot(kind='bar', rot=0)

plt.title("꽃받침의 길이 시각화")
plt.xlabel("Data")
plt.ylabel("꽃받침의 길이")

plt.show()

# kind 옵션이 아닌 속성으로 사용가능
df2 = iris[:5]
df2.plot.bar(rot=0)

plt.title("Iris 데이터의 Bar Plot")
plt.xlabel("Data")
plt.ylabel("각 Feature의 값")
plt.ylim(0, 7)
plt.show()

df3 = iris.groupby(iris.species).mean()
df3

	sepal_length	sepal_width	petal_length	petal_width
species
setosa	5.006	3.428	1.462	0.246
versicolor	5.936	2.770	4.260	1.326
virginica	6.588	2.974	5.552	2.026

# index를 기준으로 x축이 결정 되는 듯 하다.
df3.plot.bar(rot=0)
plt.title("각 종의 Feature별 평균")
plt.xlabel("평균")
plt.ylabel("종")
plt.ylim(0, 8)
plt.show()

# 전치 연산
df3.T.plot.bar(rot=0)
plt.title("각 Feature의 종 별 평균")
plt.xlabel("Feature")
plt.ylabel("평균")
plt.show()

# pie chart
df4 = titanic.pclass.value_counts()

df4.plot.pie(autopct='%.2f%%')

plt.title("선실별 승객 수 비율")
plt.axis('equal')

plt.show()

# histogram
iris.plot.hist()

plt.title("각 Feature 값들의 빈도수 Histogram")
plt.xlabel("데이터 값")

plt.show()

iris.plot.kde()
plt.title("각 Feature 값들의 빈도수에 대한 Kernel Density Plot")
plt.xlabel("데이터 값")
plt.show()

# box
iris.plot.box()
plt.title("각 Feature 값들의 빈도수에 대한 Box Plot")
plt.xlabel("Feature")
plt.ylabel("데이터 값")
plt.show()

# boxplot
iris.boxplot(by='species')
plt.tight_layout(pad=3, h_pad=1)
plt.suptitle("각 Feature의 종 별 데이터에 대한 Box Plot")
plt.show()