Visualization - Matplotlib

• 파이썬의 대표적인 시각화 패키지  
• 패키지의 이름에서 느껴지듯 MATLAB의 수리데이터 시각화를 파이썬으로 옮겨온 컨셉  
• 기본적인 형태의 다양한 시각화 함수를 제공  

!pip install matplotlib

import matplotlib.pyplot as plt

%matplotlib inline

 

윈도우 한글 폰트 사용

# family 파라메터에 사용가능한 폰트이름 전달(가장 간단한 방법)
plt.rc('font', family='NanumGothic')

# 사용가능한 폰트 목록 확인
import matplotlib.font_manager as fm
fm.get_fontconfig_fonts()

 

Line plot

• 시간 혹은 순서에 따라 데이터가 어떻게 변화하는지를 보기위해 주로 사용

plot( x축데이터, y축데이터, '스타일 옵션' , label= )

• 색, 마커, 선 스타일 종류 순으로 지정  만약 이중 일부가 생략되면 디폴트 값이 적용

• 그래프 옵션

figsize=(가로 세로 사이즈 튜플 전달) : 그래프가 그려지는 캔버스 설정

title : 그래프 제목

xlabel, ylabel : 축 설명

legend : 범례이름
# plt.legend(loc='best') 범례 위치도 지정 가능

xlim, ylim : 축 범위

xticks, yticks : 축 구간 내 필요한 구간만 추리기

tight_layout() # 여백줄이기

show() # 그래프 그리기

# 2 x 2 figure 매트릭스에 그래프 그리기

plt.subplot(2,2,1) # 1
plot()

plt.subplot(2,2,2) # 2
plot()

plt.subplot(2,2,3) # 3
plot()

plt.subplot(2,2,4) # 4
plot()

 bar plot

• 범주형 데이터 데이터의 갯수, 빈도를 나타내는데 사용

bar(x축, y축)

plt.bar(df['sub_grade'].value_counts().sort_index().index, df['sub_grade'].value_counts().sort_index().values)

히스토그램

• 데이터의 분포를 확인하고자 할 때 많이 사용하는 시각화 방법
• 전체 데이터 구간 중 특정 구간에 속한 데이터의 빈도수를 계산하여 구간에 매칭
• 데이터 구간별 밀도를 확인 가능

hist()

plt.hist(df['loan_amnt'], bins=30) 
# bins = 구간의 갯수

 

scatter plot

• 2개 혹은 2개 이상의 변수간의 관계를 확인하고자 할 때 많이 사용하는 시각화 방법
• X축과 Y축에 각각의 변수 데이터를 위치시키고 포인트들이 자리한 평면상의 분포를 통해 상관관계 파악 가능

scatter(x축, y축)

plt.scatter(df['loan_amnt'], df['annual_inc'])