[Method] Data Visualization

[section1-sprint1-n114]

 

Dataframe의 visualization

 

1. Matplotlib

 

matplotlib.pyplot : a collection of functions that make matplotlib work like MATLAB

 

1) Line plot

import matplotlib.pyplot as plt

plt.plot('col', data=df)
plt.xlabel(' ')
plt.ylabel(' ')

plt.show()

x축은 index를 기준으로, y축은 col 이라는 이름을 가진 column을 기준으로 line plot이 생성된다.

 

2) Bar plot

plt.bar('col1', 'col2', data = df)
plt.xlabel('col1')
plt.ylabel('col2')
plt.show()

 

3) Scatter plot

plt.scatter('col1', 'col2', data = df)
plt.xlabel('col1')
plt.ylabel('col2')
plt.show()

4) Pie plot

explode = [0.05, 0.05]
labels = df.loc[:, 'col1'].values

plt.pie('col2', data=df, labels=labels, explode=explode)
plt.show()

*explode = 중심으로부터 pie 조각이 떨어진 정도

 

2. Seaborn

 

seaborn : a Python data visualization library based on matplotlib.

 

 1) scatter plot

#분석하려는 data 가 Continuous data일 경우
import seaborn as sns

sns.relplot(x='col1', y='col2', data=df) #기본적인 scatter plot 형태

#분석하려는 data에 Continuous data와 Categorical data가 섞여있을 경우
sns.relplot(x='col1_conti', y='col2_conti', hue='col3_categ', data=df)
#sns.relplot(x='col1_conti', y='col2_conti', style='col3_categ', data=df)
#sns.relplot(x='col1_conti', y='col2_conti', size='col3_categ', data=df)

*hue : categorical data 종류에 따라 다른 색으로 표시

*style : categorical data 종류에 따라 다른 모양의 점으로 표시

*size : categorical data 종류에 따라 다른 크기의 점으로 표시

 

#분석하려는 data가 Categorical data일 경우
sns.catplot(x='col1', y='col2', hue='col3', order=['col','col','col'], data=df)

 

2) box plot

sns.catplot(x='col1', y='col2', kind='box', hue='col3', data=df)

*kind : 'bar', 'line' 등등 사용 가능

 

3) Facet

#Facet : 다양한 그래프를 한 화면에 표시

g = sns.FacetGrid(data = df, col = 'col1')
plt.gcf().set_size_inches( , )

g.map_dataframe(
      sns.violinplot,
      x = 'col2',
      y = 'col3',
      data = df,
)

g.add_legend();