[Python] Seaborn을 활용한 범주형 변수의 시각화

안녕하세요!

 

이번에는 Python에서 Seaborn을 활용하여 범주형 변수의 시각화를

 

공부해보겠습니다.

 

라이브러리 실행

import numpy as np
import pandas as pd
import seaborn as sns

 

데이터 불러오기

mpg = sns.load_dataset('mpg')

 

1개의 범주형 변수에 대한 시각화

sns.countplot(data = mpg, x='origin')

countplot은 x나 y에 하나의 범주형 변수만 넣으면

 

나머지는 개수로 표현됩니다.

 

sns.countplot(data = mpg, y='origin')

 

mpg['origin'].value_counts()
>>> usa       249
    japan      79
    europe     70
    Name: origin, dtype: int64

'origin'의 개수를 표로 나타낸 것입니다.

 

sns.countplot(data = mpg, x='origin', hue='cylinders')

 

pd.crosstab(mpg['origin'], mpg['cylinders'])

 

 

barplot

sns.barplot(data = mpg, x='origin', y='mpg') #default = mean, ci=95

x축은 origin, y축은 mpg인 barplot입니다.

 

검은 선은 CI 95%를 나타냅니다.

 

mpg.groupby('origin')['mpg'].mean()
>>> origin
    europe    27.891429
    japan     30.450633
    usa       20.083534
    Name: mpg, dtype: float64

groupby를 이용하여 표로 나타낸 것입니다.

 

pd.pivot_table(data=mpg, index='origin', values='mpg') #DataFrame형태로 반환(보기 편리)

pivot_table을 이용하면 DataFrame 형태로

 

groupby를 편하게 볼 수 있죠.

 

sns.barplot(data = mpg, x='origin', y='mpg', estimator=np.sum, ci=None)

estimator=np.sum 인자를 이용해 y값을 총합으로 볼 수 있어요.

 

sns.barplot(data = mpg, x='cylinders', y='mpg', hue='origin', ci=None)

 

mpg.groupby(['cylinders', 'origin'])['mpg'].mean()
>>> cylinders  origin
    3          japan     20.550000
    4          europe    28.411111
               japan     31.595652
               usa       27.840278
    5          europe    27.366667
    6          europe    20.100000
               japan     23.883333
               usa       19.663514
    8          usa       14.963107
    Name: mpg, dtype: float64

 

pd.pivot_table(data=mpg, index='cylinders', columns='origin', values='mpg')

 

boxplot

sns.boxplot(data=mpg, x='origin', y='mpg')

 

origin_desc = mpg.groupby('origin')['mpg'].describe()
origin_desc

 

europe = origin_desc.loc['europe']
europe
>>> count    70.000000
    mean     27.891429
    std       6.723930
    min      16.200000
    25%      24.000000
    50%      26.500000
    75%      30.650000
    max      44.300000
    Name: europe, dtype: float64

df.loc를 이용하여  원하는 행 또는 열 추출

 

Q1 = europe['25%']
Q2 = europe['50%']
Q3 = europe['75%']
IQR = Q3 - Q1
out_max = Q3 + 1.5*IQR
out_min = Q1 - 1.5*IQR
out_max, out_min
>>> (40.625, 14.025000000000002)

IQR을 이용하여 이상치 범위 구하기.

 

violinplot

sns.violinplot(data=mpg, x='origin', y='mpg') #분포까지 보기 쉽게

boxplot보다 분포를 쉽게 볼 수 있는 장점!

 

산점도를 이용한 범주형 시각화

sns.scatterplot(data = mpg, x='origin', y='mpg') #범주형 데이터 표현 적합x

범주형 변수를 scatterplot를 통해 시각화하는 것은 적합하지 않습니다.

 

sns.stripplot(data = mpg, x='origin', y='mpg') #밀도 정도만 알 수 있음

stripplot은 밀도는 알 수 있지만 부족한 것을 볼 수 있죠.

 

sns.swarmplot(data = mpg, x='origin', y='mpg')

swarmplot은 violinplot을 점으로 표현한 것을 알 수 있죠.

 

catplot

sns.catplot(data = mpg, x='origin', y='mpg', kind='swarm') #kind로 변경가능

catplot은 kind인자를 통해 여러 가지 plot을 시각화할 수 있어요.

 

sns.catplot(data = mpg, x='origin', y='mpg', col='cylinders', kind='box') #col로 서브플랏 생성가능

 

sns.catplot(data = mpg, x='origin', col='cylinders', kind='count') #col로 서브플랏 생성가능

col인자를 이용하여 서브플랏도 그릴 수 있습니다.

---

Copyright

 

https://www.boostcourse.org/ds101/joinLectures/261910

모두를 위한 데이터 사이언스