[Boostcamp]Data visualization Seaborn :: seoftware

목차
1. 강의정리
    1-1. Data Viz - Seaborn 소개
    1-2. Data Viz - Seaborn 기초
    1-3. Data Viz - Seaborn 심화

---

📜 강의 정리 

* 부스트캠프 Data visualization 강의를 맡아주신 안수빈 강사님의 강의를 정리한 것 입니다.

---

[Data Viz] Seaborn 소개

• • Seaborn은 Matplotlib 기반 통계 시각화 라이브러리
    • 통계 정보 : 구성, 분포, 관계 등
    • Matplotlib 기반이라 Matplotlib으로 커스텀 가능
    • 쉬운 문법과 깔끔한 디자인이 특징
    • 설치 : pip install seaborn==0.11

---

[Data Viz] Seaborn 기초

 

🌈 Seaborn의 구조와 문법에 대해 알아보자

• Seaborn API 통계 시각화 종류
  • Categorical API - 데이터의 기본 통계량
  • Distribution API - 범주형/연속형을 모두 살펴볼 수 있는 분포 시각화
  • Relational API - 관계성 파악
  • Regression API - 회귀 분석
  • Matrix API - 히트맵
• countplot
  •  seaborn의 Categorical API에서 대표적인 시각화로 범주를 이산적으로 세서 막대 그래프로 그려주는 함수

studentPerformance.csv

• • sns.countplot(x='race/ethnicity', data=student)

    • 

    • x를 y로 바꾸면 가로 막대 그래프가 된다.
    • order=sorted(student['race/ethnicity'].unique() 속성을 추가하면 데이터의 순서를 정렬 할 수 있다
    • hue='gender' 속성을 추가하면 그룹 내에서 gender로 분류할 수 있다.
      • hue_order 속성도 있다.
    • palette='Set2', color='red', saturation='0.3' 등으로 색상 지정할 수 있다.
      • 연관된 값을 표현 할 때는 color로 비슷한 계열을 사용
      • 관련 없는 값을 표현 할 때는 palette을 다른색을 사용

    • 

      hue, palette

• •  
• Categorical API
  • boxplot

    • 

    • 
      - interquartile range (IQR): 25th to the 75th percentile.
      - whisker : 박스 외부의 범위를 나타내는 선.
      - outlier : -IQR*1.5과 +IQR*1.5을 벗어나는 값
      - min : -IQR * 1.5 보다 크거나 같은 값들 중 최솟값
      - max : +IQR * 1.5 보다 작거나 같은 값들 중 최댓값

    • fig, ax = plt.subplots(1,1, figsize=(10, 5))
      sns.boxplot(x='race/ethnicity', y='math score', data=student, 
                  order=sorted(student['race/ethnicity'].unique()),
                  ax=ax)
      plt.show()

    • 

  • violinplot
    • boxplot의 분포를 더 잘 보여주기 위한 방법

    • 

      흰점이 50%를 중간 검정 막대가 IQR 범위
    • 데이터가 없는 곳의 오차가 발생

    • fig, ax = plt.subplots(1,1, figsize=(12, 5))
      sns.violinplot(x='math score', data=student, ax=ax,
                     bw=0.1, # 얼마나 자세하게 분포를 보여줄 것인가
                     cut=0, # 끝 부분 얼마나 자를 것인가
                     inner='quartile' # 25, 50 ,75프로 구간 표현(stick도 있다)
                    )
      plt.show()

    • 

    • scale : 각 바이올린의 종류
      • “area”, “count”, “width”
    • split : 동시에 비교
•  ETC
  • boxenplot, swarmplot, stripplot 

  • fig, axes = plt.subplots(3,1, figsize=(12, 21))
    sns.boxenplot(x='race/ethnicity', y='math score', data=student, ax=axes[0],
                   order=sorted(student['race/ethnicity'].unique()))
    
    sns.swarmplot(x='race/ethnicity', y='math score', data=student, ax=axes[1],
                   order=sorted(student['race/ethnicity'].unique()))
    
    sns.stripplot(x='race/ethnicity', y='math score', data=student, ax=axes[2],
                   order=sorted(student['race/ethnicity'].unique()))
    plt.show()

 

• Distribution API
  • Univariate Distribution 
    • histplot : 히스토그램
    • kdeplot : Kernel Density Estimate
    • ecdfplot : 누적 밀도 함수
    • rugplot : 선을 사용한 밀도함수

    • fig, axes = plt.subplots(2,2, figsize=(12, 10)) 
      axes = axes.flatten() 
      sns.histplot(x='math score', data=student, ax=axes[0]) 
      sns.kdeplot(x='math score', data=student, ax=axes[1]) 
      sns.ecdfplot(x='math score', data=student, ax=axes[2]) 
      sns.rugplot(x='math score', data=student, ax=axes[3]) 
      plt.show()​

      
      
      
  • Bivariate Distribution : 2개 이상의 변수의 분포
    
    • kdeplot과 hisplot

    • fig, axes = plt.subplots(1,2, figsize=(12, 7))
      ax.set_aspect(1)
      
      # axes[0].scatter(student['math score'], student['reading score'], alpha=0.2)
      
      sns.kdeplot(x='math score', y='reading score', 
                   data=student, ax=axes[0],
                  fill=True,
      #             bw_method=0.1
                  )
      
      sns.histplot(x='math score', y='reading score', 
                   data=student, ax=axes[1],
      #              color='orange',
                   cbar=False,
                   bins=(10, 20), 
                  )
      
      plt.show()

      

 

•  

 

---

[Data Viz] Seaborn 심화

• • jointplot

    • 

  • pairplot

    •