[Pandas / 시각화] 판다스 seaborn - 히스토그램, KDEplot, countplot, barplot, boxplot, swarmplot, violinplot, scatterplot, lmplot, heatmap

📍 seaborn

: 다양한 형태의 그래프를 통해서 데이터 시각화를 할 수 있는 라이브러리

In [1]:

import seaborn as sns
import matplotlib.pyplot as plt

 

✔️ 한글폰트 설정

In [2]:

import matplotlib
matplotlib.rcParams['font.family'] = 'Malgun Gothic' # Windows
matplotlib.rcParams['font.family'] = 'AppleGothic' # Mac

matplotlib.rcParams['axes.unicode_minus']=False # 한글 폰트 사용 시, 마이너스 글자가 깨지는 현상 해결

 

✅ 히스토그램

: sns.histplot(value, bins, kde=True/False, height=height, aspect=aspect)

 

In [3]:

import pandas as pd

titanic_df = pd.read_csv('titanic_train.csv')
titanic_df.head()

 

Out[3]:

 

In [4]:

plt.figure(figsize=(8, 3))
sns.histplot(titanic_df['Age'], bins=20) # bins 나누는 갯수
plt.show()

 

 

 

In [5]:

sns.histplot(x='Age', data=titanic_df, bins=30, kde=True) # kde : 밀도추정
plt.show()

 

 

 

In [6]:

# figure로 조절이 안될 수 있음
plt.figure(figsize=(8, 4))
sns.displot(x='Age', data=titanic_df, kde=True)
plt.show()

 

 

 

In [7]:

# height, aspect로 조정
sns.displot(titanic_df['Age'], kde=True, height=4, aspect=2)
plt.show()

 

 

 

✔️ matplotlib 히스토그램

: plt.hist(x)

 

In [8]:

import numpy as np

np.random.seed(0)
x=np.random.randn(1000) #난수 1000개 발생
plt.title('히스토그램')
plt.hist(x)
plt.show()

 

 

 

✅ KDE 플롯

: sns.kdeplot(value)

In [9]:

tips = sns.load_dataset('tips')
tips.head(5)

 

Out[9]:

 

In [10]:

sns.kdeplot(x=tips['total_bill'])
plt.show()

 

 

 

✅ 카운트 플롯

: sns.countplot(value)

  sns.countplot(x='column', data=df)

In [11]:

sns.countplot(x='Pclass', data=titanic_df)
plt.show()

 

 

 

✅ 바 플롯

: sns.barplot(x, y, hue='colomn', errorbar, estimator)

 

• errorbar : 오차막대, 신뢰도(95% 이상이 해당 범위)

In [12]:

sns.barplot(x='Pclass', y='Age', data=titanic_df)
plt.show()

 

 

 

In [13]:

sns.barplot(x='Pclass', y='Sex', data=titanic_df) # y에 object 데이터가 올 시 자동으로 수평그래프 출력
plt.show()

 

 

 

In [14]:

sns.barplot(x='Pclass', y='Survived', data=titanic_df, errorbar=None, estimator=sum)
plt.show()

 

 

 

In [15]:

sns.barplot(x='Pclass', y='Survived', hue='Sex', data=titanic_df)
plt.show()

 

 

 

✅ 박스 플롯

: sns.boxplot(x, y, hue='column')

In [16]:

sns.boxplot(x='Pclass', y='Age', data=titanic_df)
plt.show()

 

 

 

In [17]:

sns.boxplot(x='Pclass', y='Age', hue='Sex', data=titanic_df)
plt.show()

 

 

 

✅ swarm 플롯

: sns.swarmplot(x, y)

In [18]:

plt.figure(figsize=(10,6))
sns.boxplot(x='day', y='total_bill', data=tips)
sns.swarmplot(x='day', y='total_bill', data=tips, palette='husl')
plt.show()

 

 

 

✅ 바이올린 플롯

: sns.violinplot(x, y, hue='column')

 

In [19]:

sns.violinplot(x='Pclass', y='Age', data=titanic_df)
plt.show()

 

 

 

In [20]:

sns.violinplot(x='Pclass', y='Age', hue='Sex', data=titanic_df)
plt.show()

 

 

 

✅ 산점도

: sns.scatterplot(x, y, hue='column', style='column')

 

In [21]:

sns.scatterplot(x='Age', y='Fare', data=titanic_df)
plt.show()

 

 

 

In [22]:

sns.scatterplot(x='Age', y='Fare', hue='Survived', data=titanic_df)
plt.show()

 

 

 

In [23]:

sns.scatterplot(x='Age', y='Fare', hue='Survived', style='Sex', data=titanic_df)
plt.show()

 

 

 

✅ lm 플롯

: sns.lmplot(x, y, fit_reg=True/False)

• fit_reg : 회귀선

In [24]:

sns.lmplot(x='total_bill', y='tip', data=tips)
plt.show()

 

 

 

In [25]:

sns.lmplot(x='total_bill', y='tip', data=tips, hue='smoker', fit_reg=False)
plt.show()

 

 

 

✅ 상관 히트맵

: sns.heatmap(corr, annot=True/False, fmt='.1f', cbar=True/False)

In [26]:

corr_df = titanic_df.corr(numeric_only=True)
corr_df

 

Out[26]:

 

In [27]:

sns.heatmap(corr_df)
plt.show()

 

 

 

In [28]:

sns.heatmap(corr_df, annot=True, fmt='.1f', cbar=True) # annot : 수치 표시
plt.show()

 

 

 

✅ 다중 플롯

: fig, axs = plt.subplots(x, y, figsize=(x, y))

  sns.barplot(x, y, hue='column', ax=axs[n])

In [29]:

cat_columns = ['Pclass', 'Sex', 'Embarked']

fig, axs = plt.subplots(nrows=1, ncols=len(cat_columns), figsize=(14, 4))

for index, column in enumerate(cat_columns):
    sns.barplot(x=column, y='Survived', data=titanic_df, ax=axs[index])

 

 

 

In [30]:

cont_columns = ['Age', 'Fare']

for column in cont_columns:
    fig, axs = plt.subplots(nrows=1, ncols=2, figsize=(10, 4))
    sns.violinplot(x='Survived', y=column, data=titanic_df, ax=axs[0])
    sns.histplot(x=column, data=titanic_df, kde=True, hue='Survived', ax=axs[1])

 

 

 

 

 

 

참고 : 나도코딩 파이썬 코딩 무료 강의 (활용편5) - 데이터 분석 및 시각화, 이 영상 하나로 끝내세요

(https://youtu.be/PjhlUzp_cU0?si=LW_MjXLjZVY9PrUt)