Data analysis 7 (matplotlib)

2023-02-23 6 분 소요

Matplotlib

Matplotlib API 개요

정보 시각화는 데이터 분석에서 무척 중요
시각화는 특잇값을 찾아내거나, 데이터 변형이 필요한지 알아보거나, 모델에 대한 아이디어를 찾기 위한 과정의 일부
파이썬 시각화 도구로 matplotlib 활용
공식 사이트 https://matplotlib.org/

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

plt.plot([1, 2, 3], [4, 5, 6]) # 각각의 리스트가 x축, y축으로 전달되서 선그래프
plt.title('Hello Plot')
plt.show() # 주피터 노트북에서는 plt.show() 안해줘도 그림이 표시가 되지만, .py 같은 스크립트 작성시에는 필요

png

Figure와 Axes

from IPython.display import Image
Image('./images/figure_axes.png')

png

Figure

그림을 그리기 위한 도화지의 역할, 그림판의 크기 등을 조절함

Axes

실제 그림을 그리는 메소드들과 x축, y축, title 등의 속성을 가짐

plt.plot([1, 2, 3], [4, 5, 6]) # 기본 설정값의 Figure 객체가 만들어진 후, 내부적으로 Axes.plot() 호출
plt.title('Hello Plot') # Axes.set_title() 호출
plt.show()              # Figure.show() 호출출

plt.figure(figsize=(10, 4)) # 가로가 10, 세로가 4인 Figure 객체를 생성해서 반환
plt.plot([1, 2, 3], [4, 5, 6]) # 기본 설정값의 Figure 객체가 만들어진 후, 내부적으로.plot() Axes 호출
plt.title('Hello Plot') # Axes.set_title() 호출
plt.show()              # Figure.show() 호출

png

plt.figure(facecolor='red', figsize=(10, 4)) # Figure 객체에 색깔과 크기까지 설정정
plt.plot([1, 2, 3], [4, 5, 6]) 
plt.title('Hello Plot') 
plt.show()              

png

fig = plt.figure() # Figure 객체 생성

<Figure size 432x288 with 0 Axes>

ax = plt.axes() # Axes 객체 생성
ax.hist(np.random.randn(100))

(array([ 5.,  2.,  5.,  7., 17., 24., 16., 11.,  9.,  4.]),
 array([-2.36681532, -1.93192652, -1.49703772, -1.06214893, -0.62726013,
        -0.19237134,  0.24251746,  0.67740625,  1.11229505,  1.54718384,
         1.98207264]),
 <BarContainer object of 10 artists>)

png

ax = plt.axes()
ax.scatter(np.arange(10), np.arange(10))

<matplotlib.collections.PathCollection at 0x7f1341c53af0>

png

# Figure와 Axes를 함께 가져옴(기본적으로 한개의 Axes를 설정)
fig, axes = plt.subplots()
print(type(fig), type(axes))

<class 'matplotlib.figure.Figure'> <class 'matplotlib.axes._subplots.AxesSubplot'>

png

# Figure의 사이즈 설정, Axes의 개수 설정
fig, axes = plt.subplots(nrows=2, ncols=5, figsize=(12, 4)) # 정해진 figsize 안에 nrows, ncols 만큼의 axes를 생성

png

plot() 함수안에 올 수 있는 데이터

# list 
plt.plot([1, 2, 3], [4, 5, 6])
plt.show()

png

# ndarray
plt.plot(np.array([1, 2, 3]), np.array([4, 5, 6]))
plt.show()

png

# Series
plt.plot(pd.Series([1, 2, 3]), pd.Series([4, 5, 6]))
plt.show()

png

# DataFrame
df = pd.DataFrame(np.random.randn(10, 4).cumsum(0),
                  columns=['A', 'B', 'C', 'D'],
                  index=np.arange(0, 100, 10))
df

	A	B	C	D
0	0.213829	0.158209	1.234090	1.625117
10	1.548749	-0.829001	-0.414488	3.959293
20	2.613033	-1.590840	-1.829204	4.968986
30	3.831927	0.818843	-1.572401	3.499105
40	5.238877	0.061736	-3.180235	2.124488
50	4.495027	0.665889	-4.014447	1.158320
60	5.204724	1.713093	-4.521490	1.648307
70	4.708933	1.292645	-4.284156	1.124667
80	5.261158	1.270810	-4.213980	-0.805378
90	4.532295	2.175720	-5.124437	-0.357466

plt.plot(df) # df의 index가 x축, column 아래 값들이 y축으로 매칭칭
plt.show()

png

df.plot(kind='line') # plt.plot()이 아니라 df.plot()로 호출하면 범례(컬럼명기준)까지 생성성
plt.show()

png

df.plot(kind='bar')

<AxesSubplot:>

png

색상, 마커, 선 스타일 등 변경

Image('./images/plot.png')

png

plt.plot([1, 2, 3], [4, 5, 6], color='green') # 색상 변경
plt.show()

png

plt.plot([1, 2, 3], [4, 5, 6], color='green', linestyle='dashed') # 선 스타일 변경경
plt.show()

png

plt.plot([1, 2, 3], [4, 5, 6], color='green', linestyle='dashed', linewidth=3, marker='o', markersize=10) # 마커 변경
plt.show()

png

plt.plot([1, 2, 3], [4, 5, 6], 'go--')
plt.show()

png

x축, y축에 축명을 텍스트로 할당

plt.plot([1, 2, 3], [4, 5, 6], color='green', linestyle='dashed', linewidth=3, marker='o', markersize=10) 
plt.xlabel('x axis', size=20)
plt.ylabel('y axis', size=20)
plt.show()

png

x축, y축 틱값 표기

plt.plot([1, 2, 3], [4, 5, 6], color='green', linestyle='dashed', linewidth=3, marker='o', markersize=10) 
plt.xlabel('x axis', size=20)
plt.ylabel('y axis', size=20)

plt.xticks([1, 2, 3], rotation=30) # x축 눈금, 30도 회전
plt.yticks([4, 5, 6]) # y축 눈금금
plt.show()

png

x축, y축값 제한

plt.plot([1, 2, 3], [4, 5, 6], color='green', linestyle='dashed', linewidth=3, marker='o', markersize=10) 
plt.xlabel('x axis', size=20)
plt.ylabel('y axis', size=20)

plt.xticks([0, 1, 2], rotation=30) # x축 눈금, 30도 회전
plt.yticks([3, 4, 5]) # y축 눈금

plt.xlim(0, 2)
plt.ylim(3, 5)
plt.show()

png

범례 설정하기

plt.plot([1, 2, 3], [4, 5, 6], label='test', color='green', linestyle='dashed', linewidth=3, marker='o', markersize=10) 
plt.xlabel('x axis', size=20)
plt.ylabel('y axis', size=20)

plt.xticks([0, 1, 2], rotation=30) # x축 눈금, 30도 회전
plt.yticks([3, 4, 5]) # y축 눈금

plt.xlim(0, 2)
plt.ylim(3, 5)

plt.legend() # 범례 설정
plt.show()

png

여러개의 plot을 하나의 axes에서 그리기

x1 = np.arange(100)
y1 = x1 * 2

x2 = np.arange(100)
y2 = x1 * 3

plt.plot(x1, y1, label='y=2x')
plt.plot(x2, y2, label='y=3x')

plt.legend()
plt.show()

png

Axes 객체에서 직접 작업하기

x1 = np.arange(10)
y1 = x1 * 2

fig = plt.figure()
axes = plt.axes()

axes.plot(x1, y1, color='red', marker='+', label='line') # 선그래프
axes.bar(x1, y1, color='green', label='bar') # 막대그래프

axes.set_xlabel('x axis', size=20)
axes.set_ylabel('y axis', size=20)

axes.set_xticks(x1)

axes.legend()
plt.show()

png

실습

from IPython.display import Image
Image('./images/axes.png')

png

위의 그래프와 같이 여러개의 subplot을 한 figure 안에 생성하고 개별 그래프 시각화

# todo
x1 = np.arange(1, 10)
y1 = x1 * 2

x2 = np.arange(1, 20)
y2 = x2 * 2

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(12, 8))

# 좌상단 
axes[0][0].plot(x1, y1, color='red', marker='o', linestyle='dashed', label='red line')
axes[0][0].legend()
axes[0][0].set_xlabel('axes[0][0] x axis')
axes[0][0].set_ylabel('axes[0][0] y axis')

# 우상단
axes[0][1].bar(x2, y2, color='green', label='green bar')
axes[0][1].legend()
axes[0][1].set_xlabel('axes[0][1] x axis')
axes[0][1].set_ylabel('axes[0][1] y axis')

# 좌하단
axes[1][0].plot(x1, y1, color='green', marker='o', linestyle='dashed', label='green line')
axes[1][0].legend()
axes[1][0].set_xlabel('axes[1][0] x axis')
axes[1][0].set_ylabel('axes[1][0] y axis')

# 우하단
axes[1][1].bar(x2, y2, color='red', label='red bar')
axes[1][1].legend()
axes[1][1].set_xlabel('axes[1][1] x axis')
axes[1][1].set_ylabel('axes[1][1] y axis')

plt.show()

png

Workshop

df = pd.read_csv('./examples/서울경기이동.csv')
sr = pd.Series(df['경기도'])
sr.index = df['Unnamed: 0'].values

선 그래프 그리기

from IPython.display import Image
Image('./images/1.png')

png

# todo
plt.plot(sr.index, sr.values)
plt.show()

png

차트 제목 추가

Image('./images/2.png')

png

# 코랩에서 한글 안보이는 현상
# !sudo apt-get install -y fonts-nanum
# !sudo fc-cache -fv
# !rm ~/.cache/matplotlib -rf

# 폰트 설치후 커널 재시작
# plt.rc('font', family='NanumBarunGothic') 

# todo
plt.rc('font', family='Malgun Gothic') # for Windows

plt.plot(sr.index, sr.values)
plt.title('서울 -> 경기 인구 이동') 
plt.show()

png

축이름 추가

Image('./images/3.png')

png

# todo
plt.plot(sr.index, sr.values)
plt.title('서울 -> 경기 인구 이동') # 제목
plt.xlabel('기간간') # x축 이름
plt.ylabel('이동 인구수수') # y축 이름
plt.show()

png

Figure 사이즈 지정(가로 14, 세로 5)

Image('./images/4.png')

png

# todo
plt.figure(figsize=(14, 5))
plt.plot(sr.index, sr.values)
plt.title('서울 -> 경기 인구 이동') # 제목
plt.xlabel('기간') # x축 이름
plt.ylabel('이동 인구수') # y축 이름
plt.show()

png

x축 눈금 라벨 회전하기 (90도)

Image('./images/5.png')

png

# todo
plt.figure(figsize=(14, 5))
plt.plot(sr.index, sr.values)
plt.title('서울 -> 경기 인구 이동') # 제목
plt.xlabel('기간') # x축 이름
plt.ylabel('이동 인구수수') # y축 이름

plt.xticks(rotation=90)
plt.show()

png

마커 표시 추가

Image('./images/6.png')

png

# todo
plt.figure(figsize=(14, 5))
plt.plot(sr.index, sr.values, marker='o', markersize=10)
plt.title('서울 -> 경기 인구 이동') # 제목
plt.xlabel('기간') # x축 이름
plt.ylabel('이동 인구수수') # y축 이름

plt.xticks(sr.index, rotation=90)
plt.show()

png

범례 표시

Image('./images/7.png')

png

# todo 
plt.figure(figsize=(14, 5))
plt.plot(sr.index, sr.values, marker='o', markersize=10)
plt.title('서울 -> 경기 인구 이동') # 제목
plt.xlabel('기간') # x축 이름
plt.ylabel('이동 인구수수') # y축 이름

plt.xticks(sr.index, rotation=90)
plt.legend(labels=['서울->경기'], loc='best', fontsize=15)
plt.show()

png

y축 범위 지정 (최소값, 최대값) : (5000, 800000)

Image('./images/8.png')

png

# todo
plt.figure(figsize=(14, 5))
plt.plot(sr.index, sr.values, marker='o', markersize=10)
plt.title('서울 -> 경기 인구 이동') # 제목
plt.xlabel('기간') # x축 이름
plt.ylabel('이동 인구수수') # y축 이름

plt.xticks(sr.index, rotation=90)
plt.ylim(50000, 800000)

plt.legend(labels=['서울->경기'], loc='best', fontsize=15)
plt.show()

png

스타일 서식 지정

Image('./images/9.png')

png

# 스타일 리스트 출력
print(plt.style.available)

['Solarize_Light2', '_classic_test_patch', '_mpl-gallery', '_mpl-gallery-nogrid', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

# todo
plt.style.use('ggplot')

plt.figure(figsize=(14, 5))
plt.plot(sr.index, sr.values, marker='o', markersize=10)
plt.title('서울 -> 경기 인구 이동') # 제목
plt.xlabel('기간') # x축 이름
plt.ylabel('이동 인구수수') # y축 이름

plt.xticks(sr.index, rotation=90)
plt.ylim(50000, 800000)

plt.legend(labels=['서울->경기'], loc='best', fontsize=15)
plt.show()

png

주석표시

Image('./images/10.png')

png

# todo
plt.style.use('ggplot')

plt.figure(figsize=(14, 5))
plt.plot(sr.index, sr.values, marker='o', markersize=10)
plt.title('서울 -> 경기 인구 이동') # 제목
plt.xlabel('기간') # x축 이름
plt.ylabel('이동 인구수수') # y축 이름

plt.xticks(sr.index, rotation=90)
plt.ylim(50000, 800000)

# 주석 표시
plt.annotate('',  # 표시될 텍스트
             xy = (1995, 640000), # 화살표의 머리(뾰족한 부분분)
             xytext= (1970, 290000), # 화살표의 끝점   
             arrowprops= dict(arrowstyle='->', color='skyblue', lw=5) # 화살표 서식
             )

plt.annotate('',  # 표시될 텍스트
             xy = (2016, 450000), # 화살표의 머리
             xytext= (1996, 640000), # 화살표의 끝점
             arrowprops= dict(arrowstyle='->', color='olive', lw=5) # 화살표 서식
             )

plt.annotate('인구이동 증가(1970-1995)',  # 표시될 텍스트
             xy = (1975, 450000), # 텍스트 위치 기준점
             rotation = 18,
             fontsize= 15
             )

plt.annotate('인구이동 감소(1995-2017)',  # 표시될 텍스트
             xy = (2002, 550000), # 텍스트 위치 기준점
             rotation = -11,         
             fontsize= 15
             )

plt.legend(labels=['서울->경기'], loc='best', fontsize=15)
plt.show()

png

Reference

Twitter Facebook LinkedIn

Data analysis 7 (matplotlib)

Matplotlib

Matplotlib API 개요

Figure와 Axes

실습

Workshop

Reference

공유하기

댓글남기기

참고

소개(about me)

Rnn 20 (attention and seq2seq learning using date dataset in pytorch)

Rnn 19 (attention and seq2seq learning using addition dataset in pytorch)

Rnn 18 (어텐션)