[Pandas] 데이터 시각화 | 판다스 내장 그래프

안녕하세요 이승혁입니다.

 

오늘은 판다스의 내장 그래프를 이용해 데이터를 시각화 하겠습니다.

데이터를 분석해보면서 시각화가 정말 중요하단 것을 느꼈습니다.

 

내가 이해하기에도, 남을 이해시키기에도 가장 좋은 방법이었습니다.

 

데이터를 간략하고 예쁘게 시각화 할 수 있는 능력은 데이터 분석가에게 필수라고 생각합니다.

 

## 판다스 내장 그래프

 

판다스는 데이터를 시각화 하는 라이브러리인 Matplotlib의 기능을 일부분 내장하고 있습니다.

별도로 import 하지 않아도 간단하게 데이터를 그래프로 표현할 수 있습니다.

 

Option	종류	Option	종류
'line'	선 그래프	'kde'	커널 밀도 그래프
'bar'	막대 그래프 - 수직	'area'	면적 그래프
'barh'	막대 그래프 - 수평	'pie'	원형 그래프
'his'	히스토그램 그래프	'scatter'	산점도 그래프
'box'	박스 그래프(사분위수)	'hexbin'	고밀도 산점도 그래프

 

제가 데이터 분석을 해보면서 자주 사용했던 그래프 위주로 간단한 실습만 진행해 보겠습니다.

 

 

판다스 시각화 참고 사이트 

pandas.pydata.org/pandas-docs/stable/user_guide/visualization.html#plot-formatting

Visualization — pandas 1.2.0 documentation

 

 

# 데이터 확인

 

import pandas as pd
df=pd.read_excel('d:\판다스 실습\실습데이터2.xlsx')
df

9 행 29열의 데이터

 

 

 

# line option , 선 그래프

 

Datafram.plot() 의 기본(default) 그래프는 선 그래프입니다.

figsize : 그래프 크기 조정

fontsize : x축 , y축 라벨 크기 조정

 

import pandas as pd
df=pd.read_excel('d:\판다스 실습\실습데이터2.xlsx')

df=df.iloc[[0,5],3:]
df.index=['South','North']
#데이터 일부 확인
print(df[['1991','1992','1993','1994','1995']])
df.plot()

 

 

시간에 따른 변화를 보기 위해 데이터 프레임을 전치(transpose) 하겠습니다.

 

 

 

 

# bar option , 막대 그래프 - 수직

 

 

선 그래프가 아닌 다른 종류의 그래프를 사용하려면 kind 옵션을 사용합니다.

수직 막대 그래프는 kind='bar' 옵션을 통해 구현합니다.

 

df.transpose().plot(kind='bar',figsize=(20,15),fontsize=30)

 

# barh option , 막대 그래프 - 수평

 

막대그래프를 수직이 아닌 수평으로 시각화해주는 옵션입니다.

 

df.plot(figsize=(30,20),fontsize=30)

 

# hist option , 히스토그램 그래프 

 

데이터 값을 일정 구간으로 나눕니다.

구간에 속하는 데이터의 개수를 막대 그래프 형태로 나타냅니다.

 

df.transpose().plot(kind='hist',figsize=(10,4),fontsize=15)

 

y축은 빈도(frequency) , x 축은 일정 데이터 범위 입니다.

약 800정도의 단위로 나뉜 것 같습니다.

 

# scatter option, 산점도 그래프

 

두 변수 간의 관계를 나타내는 그래프 입니다.

 

지난시간에 포스팅한 상관관계를 확인할 때 사용합니다.

 

2021/01/05 - [프로그래밍/Pandas] - Pandas - 통계 함수 max min corr

Pandas - 통계 함수 max min corr

 

mpg & displacement  두 변수는 강한 음의 상관관계를 가지고 있었습니다.

산점도 그래프를 통해 확인해보겠습니다.

 

 

실제로 x축의 mpg가 증가 할 때, y축의 displacement 값은 점점 감소하는 경향을 띄고 있습니다.

 

# box plot - 박스 그래프

 

사분위수 범위를 확인해 데이터의 분포 파악합니다.

이상치(Outlier) 유무를 확인할 때 사용할 수도 있습니다.

 

 

mpg 칼럼에는 이상치가 1개 존재합니다.

 

< 이상치 기준 >

 

Q1 : 하한 사분위수 , 25%

Q2 : 중앙값 , 50 %

Q3 : 상한 사분위수 , 75%

IRQ = Q3 - Q1

 

상단 이상치 > Q3 + 1.5 * IRQ

하단 이상치 < Q1  - 1.5 * IRQ

 

# pie option , 원형 그래프

 

데이터에 속하는 값의 크기를 기준으로 차지하는 비율을 나타냅니다.

그래서 문자형 데이터인 job을 사용할 때는 value_counts() 메소드를 사용했습니다.

groupby 메소드와 count 열을 생성해 사용하기도 합니다.