27. Seaborn 시각화 라이브러리#
import numpy as np
import pandas as pd
PREVIOUS_MAX_ROWS = pd.options.display.max_rows
pd.options.display.max_rows = 20
pd.options.display.max_colwidth = 80
pd.options.display.max_columns = 20
np.random.seed(12345)
np.set_printoptions(precision=4, suppress=True)
import matplotlib.pyplot as plt
import matplotlib
plt.rc("figure", figsize=(10, 6))
27.1. seaborn 라이브러리 불러오기#
seaborn 라이브러리는 matplotlib을 바탕으로 멋진 통계 관련 그래프를 그리는 API(도구)를 제공한다. 활용법 설명을 위해 서빙 팁(tip) 데이터를 계속 활용한다.
import seaborn as sns
서빙 팁 데이터
서빙 팁 데이터는 어떤 식당에서 일주일 동안 올린 수입 내역을 담고 있으며, seabon 라이브러리도 제공한다.
tips = sns.load_dataset('tips')
tips
| total_bill | tip | sex | smoker | day | time | size | |
|---|---|---|---|---|---|---|---|
| 0 | 16.99 | 1.01 | Female | No | Sun | Dinner | 2 |
| 1 | 10.34 | 1.66 | Male | No | Sun | Dinner | 3 |
| 2 | 21.01 | 3.50 | Male | No | Sun | Dinner | 3 |
| 3 | 23.68 | 3.31 | Male | No | Sun | Dinner | 2 |
| 4 | 24.59 | 3.61 | Female | No | Sun | Dinner | 4 |
| ... | ... | ... | ... | ... | ... | ... | ... |
| 239 | 29.03 | 5.92 | Male | No | Sat | Dinner | 3 |
| 240 | 27.18 | 2.00 | Female | Yes | Sat | Dinner | 2 |
| 241 | 22.67 | 2.00 | Male | Yes | Sat | Dinner | 2 |
| 242 | 17.82 | 1.75 | Male | No | Sat | Dinner | 2 |
| 243 | 18.78 | 3.00 | Female | No | Thur | Dinner | 2 |
244 rows × 7 columns
총 244개의 데이터 샘플을 담고 있으며, 열별 라벨(특성)이 의미하는 바는 다음과 같다.
total_bill: 총 수입tip: 서빙 팁 수입smoker: 테이블 손님 흡연 여부day: 요일time: 시간대(점심/저녁)size: 테이블 손님 수
손님의 성별 정보를 담고 있는 sex 열은 삭제한다.
tips.drop('sex', axis=1, inplace=True)
tips
| total_bill | tip | smoker | day | time | size | |
|---|---|---|---|---|---|---|
| 0 | 16.99 | 1.01 | No | Sun | Dinner | 2 |
| 1 | 10.34 | 1.66 | No | Sun | Dinner | 3 |
| 2 | 21.01 | 3.50 | No | Sun | Dinner | 3 |
| 3 | 23.68 | 3.31 | No | Sun | Dinner | 2 |
| 4 | 24.59 | 3.61 | No | Sun | Dinner | 4 |
| ... | ... | ... | ... | ... | ... | ... |
| 239 | 29.03 | 5.92 | No | Sat | Dinner | 3 |
| 240 | 27.18 | 2.00 | Yes | Sat | Dinner | 2 |
| 241 | 22.67 | 2.00 | Yes | Sat | Dinner | 2 |
| 242 | 17.82 | 1.75 | No | Sat | Dinner | 2 |
| 243 | 18.78 | 3.00 | No | Thur | Dinner | 2 |
244 rows × 6 columns
요일별로 총 순수수입에서 서빙 팁이 차지하는 비율을 특성으로 추가하자.
팁 비율: 총 순수수입 \(=\) 총 수입 \(-\) 팁
tips["tip_pct"] = tips["tip"] / (tips["total_bill"] - tips["tip"])
tips.head()
| total_bill | tip | smoker | day | time | size | tip_pct | |
|---|---|---|---|---|---|---|---|
| 0 | 16.99 | 1.01 | No | Sun | Dinner | 2 | 0.063204 |
| 1 | 10.34 | 1.66 | No | Sun | Dinner | 3 | 0.191244 |
| 2 | 21.01 | 3.50 | No | Sun | Dinner | 3 | 0.199886 |
| 3 | 23.68 | 3.31 | No | Sun | Dinner | 2 | 0.162494 |
| 4 | 24.59 | 3.61 | No | Sun | Dinner | 4 | 0.172069 |
27.2. 막대 그래프#
seaborn.barplot() 함수
요일별 서빙 팁의 비율의 평균값(mean)은 다음과 같다. 막대 끝에 위치한 검정 직선 기본적으로 신뢰도 95%의 신뢰구간을 표시하는 오차 막대(error bar)이다.
참고: 축에 사용될 값들은 열 특성이름을 이용하여 지정한다.
sns.barplot(x="tip_pct", y="day", data=tips, orient="h")
<Axes: xlabel='tip_pct', ylabel='day'>
errorbar 옵션을 조절하면 신뢰구간을 표준편차로 바꾸거나 아무 것도 표시하지 않도록 할 수 있다.
errorbar='sd'옵션: 신뢰 구간 대신에 표준 편차(standard deviation) 표시.errorbar=None옵션: 검정 막대 표시하지 않음.
sns.barplot(x='tip_pct', y='day', data=tips, orient='h', errorbar='sd')
<Axes: xlabel='tip_pct', ylabel='day'>
sns.barplot(x='tip_pct', y='day', data=tips, orient='h', errorbar=None)
<Axes: xlabel='tip_pct', ylabel='day'>
hue='time': 시간대를 추가 기준으로 사용하면 다음 결과가 보인다.
sns.barplot(x="tip_pct", y="day", hue="time", data=tips, orient="h")
<Axes: xlabel='tip_pct', ylabel='day'>
참고: 목요일 저녁 막대에 신뢰구간이 표시되지 않는 이유는 단 한 번의 파티만 있었기 때문이다.
day_thur = tips['day']=='Thur'
time_dinner = tips['time']=='Dinner'
tips[day_thur & time_dinner]
| total_bill | tip | smoker | day | time | size | tip_pct | |
|---|---|---|---|---|---|---|---|
| 243 | 18.78 | 3.0 | No | Thur | Dinner | 2 | 0.190114 |
27.3. 그래프 스타일 설정#
자주 사용되는 Seaborn 그래프 스타일을 지정하는 함수는 다음 세 가지다.
sns.set_style()sns.set_context()sns.set_palette()
여기서는 sns.set_style()과 sns.set_palette()를 자세히 살펴 본다.
27.3.1. 그래프 기본 설정#
set_style() 함수가 그래프의 기본 설정을 담당한다.
sns.set_style("whitegrid")
지정된 설정은 모든 그래프에 영향을 준다.
sns.barplot(x="tip_pct", y="day", hue="time", data=tips, orient="h")
<Axes: xlabel='tip_pct', ylabel='day'>
27.3.2. 히스토그램과 밀도그래프#
아래 pandas의 plot() 함수를 이용하여 히스토그램을 그리는 것을 보여준다.
사용되는 데이트는 요일별 팁의 비율이며 최고 2.5% 정도에 다다른다.
tips.tip_pct.max()
2.452380952380953
tips["tip_pct"].plot.hist(bins=50)
<Axes: ylabel='Frequency'>
sns.set_style("darkgrid")
tips["tip_pct"].plot.hist(bins=50)
<Axes: ylabel='Frequency'>
sns.set_style("dark")
tips["tip_pct"].plot.hist(bins=50)
<Axes: ylabel='Frequency'>
27.3.3. 색상 스타일 설정#
sns.set_palette() 함수가 색상 스타일을 지정한다.
sns.set_palette("Greys_r")
지정된 설정은 모든 그래프에 영향을 준다.
연속 확률 밀도 함수
pandas.plot.density() 함수는 히스토그램에 대한 추정 연속 확률 밀도 함수의 그래프를 그린다.
plt.figure()
tips["tip_pct"].plot.density()
<Axes: ylabel='Density'>
sns.set_palette('pastel')
plt.figure()
tips["tip_pct"].plot.density()
<Axes: ylabel='Density'>
27.3.4. seabon 그래프 속성 초기화#
아래 명령문은 seaborn 그래프 속성을 초기화한다.
sns.set()
comp1 = np.random.standard_normal(200)
comp2 = 10 + 2 * np.random.standard_normal(200)
values = pd.Series(np.concatenate([comp1, comp2]))
values
0 -0.204708
1 0.478943
2 -0.519439
3 -0.555730
4 1.965781
...
395 10.262203
396 8.604772
397 12.671299
398 9.697922
399 10.885876
Length: 400, dtype: float64
plt.figure()
sns.histplot(values, bins=100, color="black")
<Axes: ylabel='Count'>
seaborn 라이브러리를 이용하여 히스토그램과 밀도그래프를 함께 그릴 수도 있다.
이를 위해 seaborn.histplot() 또는 seaborn.displot() 함수를 kde=True (커널 밀도 추정) 옵션과 함께 사용한다.
plt.figure()
sns.histplot(values, bins=100, kde=True)
<Axes: ylabel='Count'>
sns.displot(values, bins=100, kde=True)
<seaborn.axisgrid.FacetGrid at 0x1dc381d7310>
height와 aspect 옵션을 이용하면 적절한 크기와 비율로 맞출 수 있다.
np.random.seed(12345)
comp1 = np.random.normal(0, 1, size=200)
comp2 = np.random.normal(10, 2, size=200)
values = pd.Series(np.concatenate([comp1, comp2]))
sns.displot(values, bins=100, color='k', kde=True, height=5, aspect=1.7)
<seaborn.axisgrid.FacetGrid at 0x1dc35d5dff0>
예제: 서빙 팁 비율의 히스토그램과 밀도 그래프
data = tips['tip_pct']
sns.histplot(data, kde=True)
<Axes: xlabel='tip_pct', ylabel='Count'>
27.3.5. 산점도#
산점도는 두 변수간의 관계를 좌표상의 점으로 표시하여 나타내는 그래프다.
산점도의 활용을 살펴보기 위해 1959년부터 2009년까지 미국의 거시경제지표를 담고 있는 데이터를 사용하며,
statsmodels 모듈에서 불러온다.
import statsmodels.api as sm
macro = sm.datasets.macrodata.load_pandas().data
macro
| year | quarter | realgdp | realcons | realinv | realgovt | realdpi | cpi | m1 | tbilrate | unemp | pop | infl | realint | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 1959.0 | 1.0 | 2710.349 | 1707.4 | 286.898 | 470.045 | 1886.9 | 28.980 | 139.7 | 2.82 | 5.8 | 177.146 | 0.00 | 0.00 |
| 1 | 1959.0 | 2.0 | 2778.801 | 1733.7 | 310.859 | 481.301 | 1919.7 | 29.150 | 141.7 | 3.08 | 5.1 | 177.830 | 2.34 | 0.74 |
| 2 | 1959.0 | 3.0 | 2775.488 | 1751.8 | 289.226 | 491.260 | 1916.4 | 29.350 | 140.5 | 3.82 | 5.3 | 178.657 | 2.74 | 1.09 |
| 3 | 1959.0 | 4.0 | 2785.204 | 1753.7 | 299.356 | 484.052 | 1931.3 | 29.370 | 140.0 | 4.33 | 5.6 | 179.386 | 0.27 | 4.06 |
| 4 | 1960.0 | 1.0 | 2847.699 | 1770.5 | 331.722 | 462.199 | 1955.5 | 29.540 | 139.6 | 3.50 | 5.2 | 180.007 | 2.31 | 1.19 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 198 | 2008.0 | 3.0 | 13324.600 | 9267.7 | 1990.693 | 991.551 | 9838.3 | 216.889 | 1474.7 | 1.17 | 6.0 | 305.270 | -3.16 | 4.33 |
| 199 | 2008.0 | 4.0 | 13141.920 | 9195.3 | 1857.661 | 1007.273 | 9920.4 | 212.174 | 1576.5 | 0.12 | 6.9 | 305.952 | -8.79 | 8.91 |
| 200 | 2009.0 | 1.0 | 12925.410 | 9209.2 | 1558.494 | 996.287 | 9926.4 | 212.671 | 1592.8 | 0.22 | 8.1 | 306.547 | 0.94 | -0.71 |
| 201 | 2009.0 | 2.0 | 12901.504 | 9189.0 | 1456.678 | 1023.528 | 10077.5 | 214.469 | 1653.6 | 0.18 | 9.2 | 307.226 | 3.37 | -3.19 |
| 202 | 2009.0 | 3.0 | 12990.341 | 9256.0 | 1486.398 | 1044.088 | 10040.6 | 216.385 | 1673.9 | 0.12 | 9.6 | 308.013 | 3.56 | -3.44 |
203 rows × 14 columns
포함된 14개의 경제지표는 다음과 같다.
지표 |
설명 |
|---|---|
year |
1959년 1분기 - 2009년 3분기 |
quarter |
1 - 4분기 |
realgdp |
실질 국내총생산 (단위: 억 달러) |
realcons |
실질 총민간 소비지출 (단위: 억 달러) |
realinv |
실질 총민간 국내투자 (단위: 억 달러) |
realgovt |
실질 연방 정부 소비지출 및 국내투자 (단위: 억 달러) |
realdpi |
실질 가처분 소득 (단위: 억 달러) |
cpi |
소비자 물가지수 |
m1 |
M1 통화지표 |
tbilrate |
3개월 만기 국채 수익률 |
unemp |
실업률 |
pop |
인구 |
infl |
물가상승률 |
realint |
실질 이자율 |
이중에 네 개의 지표만 이용해서 산점도를 설명한다.
cpi: 분기별 소비자 물가지수
m1: M1 통화지수
tbilrate: 3개월 만기 국채 수익률
unemp: 실업률
data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]
data
| cpi | m1 | tbilrate | unemp | |
|---|---|---|---|---|
| 0 | 28.980 | 139.7 | 2.82 | 5.8 |
| 1 | 29.150 | 141.7 | 3.08 | 5.1 |
| 2 | 29.350 | 140.5 | 3.82 | 5.3 |
| 3 | 29.370 | 140.0 | 4.33 | 5.6 |
| 4 | 29.540 | 139.6 | 3.50 | 5.2 |
| ... | ... | ... | ... | ... |
| 198 | 216.889 | 1474.7 | 1.17 | 6.0 |
| 199 | 212.174 | 1576.5 | 0.12 | 6.9 |
| 200 | 212.671 | 1592.8 | 0.22 | 8.1 |
| 201 | 214.469 | 1653.6 | 0.18 | 9.2 |
| 202 | 216.385 | 1673.9 | 0.12 | 9.6 |
203 rows × 4 columns
시간의 흐름에 따른 변화량을 살펴보려 한다. 사용된 데이터의 척도(scale)을 맞추기 위해 로그값을 취한 후 분기별 변화량을 측정한다.
np.log()함수: 어레이/데이터프레임의 항목별로 적용되는 유니버설 함수diff()메서드: 열별로 이전 행의 항목값과의 차이를 계산함. 0번 행이거나 결측치가 사용되었을 경우 결측치로 처리됨.axis=1로 지정하면 열별 차이를 계산함.dropna()메서드: 결측치가 포함된 행 삭제.axis=1로 지정하면 결측치가 포함된 열 삭제.
0번 행은 무조건 결측치가 포함되기에 삭제된다.
trans_data = np.log(data).diff().dropna()
trans_data
| cpi | m1 | tbilrate | unemp | |
|---|---|---|---|---|
| 1 | 0.005849 | 0.014215 | 0.088193 | -0.128617 |
| 2 | 0.006838 | -0.008505 | 0.215321 | 0.038466 |
| 3 | 0.000681 | -0.003565 | 0.125317 | 0.055060 |
| 4 | 0.005772 | -0.002861 | -0.212805 | -0.074108 |
| 5 | 0.000338 | 0.004289 | -0.266946 | 0.000000 |
| ... | ... | ... | ... | ... |
| 198 | -0.007904 | 0.045361 | -0.396881 | 0.105361 |
| 199 | -0.021979 | 0.066753 | -2.277267 | 0.139762 |
| 200 | 0.002340 | 0.010286 | 0.606136 | 0.160343 |
| 201 | 0.008419 | 0.037461 | -0.200671 | 0.127339 |
| 202 | 0.008894 | 0.012202 | -0.405465 | 0.042560 |
202 rows × 4 columns
산점도와 선형회귀 곡선
plt.figure()
ax = sns.regplot(x="m1", y="unemp", data=trans_data)
ax.set_title("Changes in log(m1) versus log(unemp)")
Text(0.5, 1.0, 'Changes in log(m1) versus log(unemp)')
사실 m1 데이터와 unemp 데이터 사이의 선형관계가 많이 있어보이지는 않는다.
실제로 두 특성 사이의 피어슨 상관계수는 0.15 정도로 매우 작다.
correlation = trans_data.corr()
correlation
| cpi | m1 | tbilrate | unemp | |
|---|---|---|---|---|
| cpi | 1.000000 | -0.050535 | 0.329456 | 0.019750 |
| m1 | -0.050535 | 1.000000 | -0.360278 | 0.150729 |
| tbilrate | 0.329456 | -0.360278 | 1.000000 | -0.371491 |
| unemp | 0.019750 | 0.150729 | -0.371491 | 1.000000 |
seaborn.heatmap() 함수를 이용하여 선형관계를 색으로 표현할 수 있다.
sns.heatmap(correlation)
<Axes: >
참고: 선형회귀 직선을 보이지 않으려면 fit_reg=False 옵션을 사용한다.
sns.regplot(x='m1', y='unemp', data=trans_data, fit_reg=False)
plt.title('Changes in log %s versus log %s' % ('m1', 'unemp'))
Text(0.5, 1.0, 'Changes in log m1 versus log unemp')
seaborn.regplot() 함수의 보다 다양한 기능은 공식문서를 참고한다.
산점도 행렬
상관계수와 히트맵의 경우처럼 가능한 모든 산점도를 한꺼번에 그릴 수 있다. 예를 들어 4개의 열 특성이 주어지면 4x4 모양의 격자를 산점도로 채운 그림이 그려진다. 대각선 상에는 해당 데이터의 도수분포도를 보여주는 히스토그램이 기본으로 입력된다.
sns.pairplot(trans_data, plot_kws={'alpha': 0.2})
<seaborn.axisgrid.PairGrid at 0x1dc410f7dc0>
diag_kind=kde 옵션을 사용하면 대각선 상에 히스토그램 대신 밀도그래프가 삽입된다.
sns.pairplot(trans_data, diag_kind="kde", plot_kws={"alpha": 0.2})
<seaborn.axisgrid.PairGrid at 0x1dc42e02aa0>
27.3.6. 패싯 그리드(Facet Grids)과 범주형 데이터#
패싯그리드 클래스(seaborn.FacetGrid)는 여러 개의 pyplot.subplots() 함수와 비슷하게 작동한다.
다만, 지정된 옵션에 따라 격자 분할을 적절하게 지정한다.
아래 코드는 요일별 팁 비율을 막대그래프로 보여준다. 단, 1% 미만의 팁 비율만 다룬다. 또한 흡연 여부에 따라 두 개의 막대그래프를 열별로 그린다.
col='smoker': 흡연 여부에 따른 구분hue='time': 시간대별로 각각 다른 두 개의 막대그래프를 요일마다 그림.
sns.catplot(x="day", y="tip_pct", hue="time", col="smoker",
kind="bar", data=tips[tips.tip_pct < 1])
<seaborn.axisgrid.FacetGrid at 0x1dc42e02800>
열뿐만 아니라 행별로 구분된 그래프를 그리려면 row 옵션 인자를 활용한다.
예를 들어, 앞서 hue='time' 옵션을 아래와 같이 바꾸면 두 개의 행에 걸쳐 서로 다른 시간대별 막대그래프를 그리며 결국 2x2 모양의 격자에 총 네 개의 막대그래프가 그려진다.
row='time': 점심과 저녁 시간대를 행으로 구분한다.
sns.catplot(x='day', y='tip_pct', row='time', col='smoker', kind='bar', data=tips[tips.tip_pct < 1])
<seaborn.axisgrid.FacetGrid at 0x1dc43e183a0>
물론 아래와 같이 col 옵션을 지정하지 않으면 행별로 하나의 막대그래프만 그릴 수도 있다.
sns.catplot(x='day', y='tip_pct', row='time', kind='bar', data=tips)
<seaborn.axisgrid.FacetGrid at 0x1dc446c0c40>
kind 옵션에 따라 다양한 그래프를 그린다.
보다 자세한 내용은 seaborn.catplot 공식 문서를
참고한다.
아래 코드는 데이터의 중간값, 사분위수, 이상치 등을 보여주는 상자그림(box plot)를 그린다.
sns.catplot(x="tip_pct", y="day", kind="box",
data=tips[tips.tip_pct < 0.5])
<seaborn.axisgrid.FacetGrid at 0x1dc44776680>
plt.close('all')
27.4. 기타 시각화 도구#
matplotlib과 seaborn 등은 출판용도의 정적 그래프를 생성한다. 반면에 웹에서 동적 대화형으로 작동하는 그래프를 파이썬으로 그리려면 Altair, Bokeh, Plotly 등을 이용할 수 있다.
데이터 시각화를 전문적으로 다루는 책으로는 Fundamentals of Data Visualization를 강추한다.