[Python]Seaborn:향상된 시각화 라이브러리

 

Seaborn 라이브러리

구글에 검색해서 들어가면

상단 Gallery를 선택해보면 이렇게 멋진 그래프들을 쓸 수 있다고 한다.

• Matplotlib 기반.
• Matplotlib보다 적은 코드로 고급진 그래프를 그릴 수 있다.

 

원하는 그래프를 클릭하면 이렇게 사용법도 적혀있다.

• sns.set_them
  → 테마설정하고
• df = sns.load_dataset
  → 펭귄이란 data를 가져왔다.
• sns.pairplot(df, hue="species")
  →  sns에 pairplot(x, y로 나눠서 그려주고), hue → 에 적힌 컬럼을 기준으로 컬럼들으 비교한다.

---

seanborn.lmplot(x='컬럼명1', y='컬럼명2', data=df, hue='색깔로 구분컬럼 명')
→ 선형 회귀 시각화.
linear model plot

이런 그래프이다. 주식 같은데서도 많이 사용하는. 회귀(굽이치는 그래프) 사이로 선을 그은 형태.

기본설정이랑 데이터 불러와주고

• hue=성별에 따라 나눴다.
• 연령에 따라 BMI가 어떻게 바뀌는 지.
• 파란색 범위(파란 점 말고)는 오차범위를 나타낸다.
• 그래프 해석
  데이터가 적어 오차범위가 큰 데이터인데
  여성은 나이가 들수록 BMI가 줄어들고, 남성은 BMI가 일정한 걸 볼 수 있다.

---

sns.barplot(data=df)
→ 바 플롯 시각화.

그래프를 그리기 전 숫자가 아닌 데이터를 지워줬다. 이름은 index임.

막대 그래프를 그릴 때는 모든 데이터가 숫자여야 한다.

짠.

---

sns.boxplot(data=df)
→ 박스 플롯 시각화.

저 박스의 선은 맽 밑이 0% 그 위가 25%, 50%, 75% 최대치. 이런 형태다

---

sns.violinplot(data=df)
→ 바이올린 시각화.

---

서브 플롯 시각화 :
여러 개의 그래프를 한꺼번에 그려준다.
g = sns.catplot(data=df, kind='그래프타입', col='컬럼명', col_wrap=한줄에 그래프 몇개)
g.fig.set_size_inches(행크기, 열크기)
g.fig.subplots_adjust(wspace=그래프좌우간격, hspace=그래프상하간격)

sns.catplot( )만 사용했을 경우

---

sns.pairplot(df, hue="컬럼명")
→ hue=컬럼에 따라 다른 컬럼들과 비교하여 시각화.

jupyter notebook에서 iris데이터를 불러오면 C:user/seaborn-data란 폴더에 다운로드 받아진다. 유저명 영어 아니면 오류난다고 함.

species(품종에) 따라 그 외의 컬럼들과 비교한 그래프를 모두 보여준다.