[Seaborn] 선형 회귀선, 히스토그램, 커널 밀도 그래프, 산점도 그래프, 빈도 그래프, 조인트 그래프, 관계 그래프

Python

 

이번 글에서 실습할 내용은 이전 글에서 다운로드한 seaborn에서 제공해 주는 타이타닉 데이터다. 해당 내용은 이전 글에서 확인할 수 있다.

[Seaborn] 기본 개념 - 데이터 불러오기

[Seaborn] 기본 개념 - 데이터 불러오기

 

 

 

선형 회귀선 있는 산점도

• regplot() 함수 : 선형 회귀선이 있는 산점도
  • x축 변수
  • y축 변수
  • 데이터 셋
  • axe 객체
  • fit_reg : 선형회귀선 표시 여부
• 선형 회귀선
  • 간단한 선형 데이터 집합에 사용되는 가장 적합한 직선(= 추세선)
  • 데이터를 시간 축으로 봤을 때, 데이터의 값이 장기적으로 어떻게 변하는지 직선으로 표현한 것

사용 방법

중간에 subplot 내용이 나오는데 해당 내용은 이 링크에서 확인할 수 있다.

[Matplotlib] 영역을 지정하여 여러 개 그래프 적용

[Matplotlib] 영역을 지정하여 여러 개 그래프 적용

 

import matplotlib.pyplot as plt

# 그래프 객체 생성 (figure에 2개의 서브 플롯을 생성)
fig = plt.figure(figsize=(15,5))
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)

# 산점도에 선형회귀선 표시(fit_reg=True)
# x축 변수, y축 변수, 데이터 셋, axe 객체(1번째 그래프)
sns.regplot(x='age', y='fare', data=titanic, ax=ax1)

# 산점도에 선형회귀선 미표시(fit_reg=False)
# x축 변수, y축 변수, 데이터 셋, axe 객체(2번째 그래프)
sns.regplot(x='age', y='fare', data=titanic, ax=ax2, fit_reg=False)

plt.show()

 

(좌) 산점도에 선형회귀선 표시 (우) 산점도에 선형회귀선 미표시

 

 

히스토그램과 커널 밀도 그래프

• distplot( ) 함수 : 히스토그램과 커널 밀도 그래프
  • 분포를 그릴 데이터 변수
  • hist : True는 히스토그램 표시, False는 히스토그램 표시 안 함
  • kde : True는 커널 밀도 그래프 표시, False는 커널 밀도 그래프 표시 안 함
  • axe 객체
• histplot( ) 함수 : 히스토그램(하나의 변수 데이터의 분포를 확인할 때 사용하는 함수)
• kdeplot( ) 함수 : 커널 밀도 그래프(그래프와 x축 사이의 면적이 1이 되도록 그리는 밀도 함수)

# 그래프 객체 생성 (figure에 3개의 서브 플롯을 생성)
fig = plt.figure(figsize=(15, 5))
ax1 = fig.add_subplot(1, 3, 1)
ax2 = fig.add_subplot(1, 3, 2)
ax3 = fig.add_subplot(1, 3, 3)

# distplot
# 히스토그램과 커널 밀도 그래프 표시
# 분포를 그릴 데이터 변수, axe 객체(1번째 그래프)
sns.distplot(titanic['fare'], ax=ax1)

# histplot
# 분포를 그릴 데이터 변수, 커널 밀도 그래프 표시 안 함, axe 객체(2번째 그래프)
#sns.histplot(x='fare', data=titanic,  ax=ax2)
sns.distplot(titanic['fare'], kde=False, ax=ax2)

# kdeplot
# 분포를 그릴 데이터 변수, 히스토그램 표시 안 함, axe 객체(3번째 그래프)
#sns.kdeplot(x='fare', data=titanic, ax=ax3)
sns.distplot(titanic['fare'], hist=False, ax=ax3)

# 차트 제목 표시
ax1.set_title('titanic fare - distplot')
ax2.set_title('titanic fare - histplot')
ax3.set_title('titanic fare - kedplot')


plt.show()

 

distplot, histplot, kdeplot 적용 그래프 출력

 

Seaborn 범주형 데이터의 산점도

• stripplot( ) 함수 : 데이터 포인트가 중복되어 범주별 분포를 시각화
  • x축 변수
  • y축 변수
  • 데이터 셋
  • axe 객체
  • hue : 특정 열 데이터로 색상을 구분하여 출력
• swarmplot( ) 함수 : 데이터의 분산까지 고려하여 데이터 포인트가 서로 중복되지 않도록 - 시각화. 즉, 데이터가 퍼져 있는 정도를 입체적으로 파악 가능
  • x축 변수
  • y축 변수
  • 데이터 셋
  • axe 객체
  • hue : 특정 열 데이터로 색상을 구분하여 출력

# 그래프 객체 생성 (figure에 2개의 서브 플롯을 생성)
fig = plt.figure(figsize=(15, 5))
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)

# 이산형 변수의 분포 - 데이터 분산 미고려
# x축 변수, y축 변수, 데이터 셋, axe 객체(1번째 그래프)
sns.stripplot(x='class', y='age', data=titanic, ax=ax1)

# 이산형 변수의 분포 - 데이터 분산 고려 (중복 X)
# x축 변수, y축 변수, 데이터 셋, axe 객체(2번째 그래프), 성별로 색상 구분
sns.swarmplot(x='class', y='age', data=titanic, ax=ax2, hue='sex')

# 차트 제목 표시
ax1.set_title('Strip Plot')
ax2.set_title('Swarm Plot')

plt.show()

 

 

strip plot, swarm plot 그래프 출력

 

빈도 그래프

• countplot( ) 함수 : 각 범주에 속하는 데이터의 개수를 막대 그래프 시각화
  • x축 변수
  • palette
  • 데이터 셋
  • axe 객체
  • hue : 특정 열 데이터로 색상을 구분하여 출력

# 그래프 객체 생성 (figure에 3개의 서브 플롯을 생성)
fig = plt.figure(figsize=(15, 5))
ax1 = fig.add_subplot(1, 3, 1)
ax2 = fig.add_subplot(1, 3, 2)
ax3 = fig.add_subplot(1, 3, 3)

# class별 인원 파악
# x축 변수, 데이터 셋, axe 객체(1번째 그래프)
sns.countplot(x='class', palette='Set1', data=titanic, ax=ax1)

# hue 옵션에 'who' 추가
# x축 변수, 데이터 셋, axe 객체(2번째 그래프)
sns.countplot(x='class', hue='who', palette='Set2', data=titanic, ax=ax2)

# dodge=False 옵션 추가 (축 방향으로 분리하지 않고 누적 그래프 출력)
# x축 변수, hue, 데이터 셋, axe 객체(3번째 그래프)
sns.countplot(x='class', hue='who', palette='Set3', dodge=False, data=titanic, ax=ax3)

# 차트 제목 표시
ax1.set_title('titanic class')
ax2.set_title('titanic class - who')
ax3.set_title('titanic class - who(stacked)')

plt.show()

 

빈도 그래프 적용 모습

 

조인트 그래프

• jointplot( ) 함수 : 산점도를 기본으로 표시, x-y축에 각 변수에 대한 히스토그램을 동시에 시각화
  • x축 변수
  • y축 변수
  • 데이터 셋
  • kind = 'reg' : 선형 회귀선 추가
  • kind = 'hex' : 육각 산점도 추가
  • kind = 'kde' : 커널 밀집 그래프 추가

# 조인트 그래프 - 산점도(기본값)
# x축 변수, y축 변수, 데이터 셋
j1 = sns.jointplot(x='fare', y='age', data = titanic)
j1.fig.suptitle('titanic fare - scatter', size=15)

plt.show()

 

조인트 그래프

 

kind='reg'

# 조인트 그래프 - 회귀선(kind = 'reg')
# x축 변수, y축 변수, 데이터 셋
j2 = sns.jointplot(x='fare', y='age', kind='reg', data=titanic)
j2.fig.suptitle('titanic fare - reg', size=15)
plt.show()

 

 

kind='reg' 적용

 

기존 그래프에 회귀선이 각각 추가된 모습을 확인할 수 있다.

 

kind='hex'

kind='hex'

kind='kde'

kind='kde'

 

관계 그래프

• pairplot( ) 함수
  • 인자로 전달되는 데이터프레임의 열(변수)을 두 개씩 짝 지을 수 있는 모든 조합에 대해서 표현
  • 열은 정수/실수형이어야 함
  • 3개의 열이라면 3행 x 3열의 크기로 모두 9개의 그리드 생성
  • 각 그리드의 두 변수 간의 관계를 나타내는 그래프를 하나씩 그림
  • 같은 변수끼리 짝을 이루는 대각선 방향으로는 히스토그램 시각화
  • 서로 다른 변수 간에는 산점도 시각화

# titanic 데이터셋 중에서 분석 데이터 선택하기
titanic_pair = titanic[['age', 'pclass', 'fare']]

# 3개의 열이라면 3행 x 3열의 크기로 모두 9개의 그리드 생성
# 각 그리드의 두 변수 간의 관계를 나타내는 그래프를 하나씩 그림
# 같은 변수끼리 짝을 이루는 대각선 방향으로는 히스토그램 시각화
# 서로 다른 변수 간에는 산점도 시각화
sns.pairplot(titanic_pair)

 

관계 그래프