5. Seaborn - 2

displot() hue로 subset 나누기

• hue 키워드 인수를 통해 subset을 구분하고 이를 각각의 그래프로 표현할 수 있습니다.
• 아래는 hue 값으로 species(펭귄의 종)에 대해 설정해서 각각 species별로 그래프를 만들었습니다.

penguins = sns.load_dataset('penguins')
sns.displot(data = penguins, x = 'flipper_length_mm', hue = 'species', kind= 'kde')

displot() col로 그래프 나누기

• col 키워드 인수를 활용해서 subset을 한번 더 분류할 수 있다.
• col에 sex column label을 설정하여 subseet을 이전 예제보다 더 나눴다.

sns.displot(data = penguins, x = 'flipper_length_mm', hue = 'species', col = 'sex', kind= 'kde')

displot() 그래프 크기 설정

• height와 aspect를 활용해서 그래프 크기를 제어할 수 있다.
• height는 inches단위이며 aspect는 height와 aspect 값을 곱해서 얻는다
• 높이 대비 너비 비율을 지정한다고 이해하면 된다.

sns.displot(    data = penguins, y = 'flipper_length_mm',hue = 'sex', col = 'species', kind = 'ecdf', height = 4, aspect= .7)

displot() col로 그래프 나눈 axis label, title 지정

• 각 axis label과 title도 지정해 줄 수 있다.
• axis label은 set_axis_labels(xlabel,ylabel) 메서드를, title은 set_titles()을 활용하는데,
• formatting keys인 {col_var}와 {col_name}을 조합해서 포매팅할 수 있다.

g = sns.displot(
    data = penguins, y = 'flipper_length_mm',hue = 'sex', col = 'species', kind = 'kde', height = 4, aspect= .7
)
g.set_axis_labels('Density (a.u.)','Flipper length (mm)')
g.set_titles('{col_name} penguins')

barplot()

• x와 hue를 카테고리화 해서 body_mass_g 값의 평균과 신뢰구간(error bar)을 구해서 바 플롯으로 표현한다.
• 각 사각형의 길이로 편차를 에러바로 자동으로 표현한다.

sns.barplot(data = penguins, x = 'species',y='body_mass_g',hue = 'sex')

boxplot() = Box-Whisker plot

• 박스와 바깥의 선(whisker)
• 박스는 실수 값 분포에서 1사분위수와 3 사분위수를 뜻한다.
• Q3- Q1 을 IQR(interquartile range)라고 한다.
• 박스 내부의 가로선은 중앙값을 나타낸다.
• 박스 외부의 세로선은 1 사분위 수보다 1.5 x IQR 만큼 낮은 값과 3 사분위 수보다 1.5 x IQR만큼 높은 값의 구간을 기준으로
• 그 구간의 내부에 있는 가장 큰 데이터와 가장 작은 데이터를 잇는 선분이.
• 그 바깥의 점은 outlier라고 부르는데 일일히 점으로 표시한다.

df = sns.load_dataset('titanic')
sns.boxplot(x = df['age'])

• 위 코드의 실행 결과임

• 카테고리화 된 column을 하나의 분류값으로 추가하기 위해 y 키워드 인수로 설정하니
• y축을 기준으로 카테고리별 box plot을 unique 한 value의 개수만큼 나눠서 얻을 수 있었다.

df = sns.load_dataset('titanic')
sns.boxplot(data = df,x = 'age', y = 'class') 
# x축은 수치를 나타내고 y축은 카테고리로 나타낸다.(class의 dtype이 카테고리이기 때문)

• y와 hue에 전달된 column을 기준으로 그룹화한 결과를 박스플롯으로 그린다

sns.boxplot(data = df,x = 'age', y = 'class',hue = 'alive')

• box plot을 그렸는데 여러개로 출력된 그래프의 순서가 마음에 들지 않을 때
• order 키워드 인수를 사용하여 순서를 집접 리스트형태로 전달가능하다.

sns.boxplot(data = df,x = 'age', y = 'alive',order = ['yes','no'])

• 수치 값을 갖는 column 여럿을 동시에 하나의 box plot에 표현할 수 있다.
• data 키워드 인수로 DataFrame을 전달할 때 그래프로 표현하고 싶은 수치값을 갖는 column들을 인덱싱 해서 DataFrame 형태로 전달하면 된다.
• orient 키워드 인수에 h(수평), v(수직) 값을 줘서 box_plot의 방향을 바꿀 수 있다.(x, y 값을 넣지 않은 예제라서 방향 지정이 필요했음.)

sns.boxplot(data = df[['age','fare']],orient ='h')

Violinplot()

• box plot과 kde의 혼합한 그래프 생김새가 violin 같음
• 세로 방향으로 kde의 모양을 그리며 좌우 대칭되게 그려진다.
• 사용 방식은 box plot가 유사하다.
• 하나 이상의 카테고리 column을 가지고 데이터의 분포를 나란히 그린다. 그래서 그래프들의 분포를 비교하기에 적합함.

sns.violinplot(x = df['age'])

• 카테고리 Dtype을 갖는 class column을 활용하여 y축의 값으로 설정했다.
• 그렇게 하면 카테고리마다 갖는 데이터 분포를 y축을 기준으로 하여 분리해서 그릴 수 있다.

sns.violinplot(data = df , x = 'age',y = 'class')

• x 키워드 인수에 카테고리 자료형을 설정했다.
• 이에 따라 violin plot의 방향이 vertical 하게 변경된 것을 확인할 수 있다.

sns.violinplot(data= df, x = 'class',y = 'age', hue = 'alive')

• violin의 그래프가 hue에 설정한 alive column에 따라 좌, 우측의 각각 분포를 그려내고 있다.
• split 키워드 인수에 True값을 전달하면(단 hue의 인자로 전달되는 column의 unique값이(level이) 2개여야만 가능함)
• hue의 level이 2개가 아니라면 ValueError가 발생한다.

sns.violinplot(data = df, x = 'deck', y = 'age', hue = 'alive', split = True)

violin plot 표현 시 범위 제한

• 타이타닉 데이터셋의 age의 경우 0 미만의 범위에 그래프가 포함되어선 안된다.
• 값의 표현 범위를 명확히 하기 위해서 cut이라는 키워드 인수를 사용할 수 있다.

sns.violinplot(data = df  , x = 'age', y= 'alive',cut= 0)

• kde의 그래프 모양을 부드럽게 처리하다 보면 대역폭의 크기가 커진다.
• 이를 줄이기 위해서 bw(bandwidth) 키워드 인수에 소수 값을 갖는 비율을 설정해 줄 수 있다.(그래프의 부드러운 정도를 줄인다)

sns.violinplot(data = df  , x = 'age', y= 'alive',bw=.15)

• violin plot 값들의 분포정도를 보일 수 있다.
• inner 키워드 인수에 stick이란 값을 전달하면 된다

sns.violinplot(data = df , x = 'age', y= 'embark_town', inner = 'stick')

• scale에 따라 그래프의 크기가 달라진다.
• scale은 총 area , count, width의 값을 지정할 수 있으며 기본 값은 area이다
• area는 violin의 영역 너비가 같게 그려진다.
• count는 실제 갖는 데이터 개수에 따라 violin의 크기가 달라진다.
• width는 violin이 동일한 폭을 갖게 된다.

sns.violinplot(data = df , x = 'age', y= 'embark_town',scale = 'count',cut = 0)

strip plot()

• 카테고리마다의 scater plot을 그린다.
• 그리는 방식으로는 jitter를 사용하는데 이 방식은 다른 축의 방향으로 랜덤 하게 점을 찍어 겹치는 부분을 줄인다.
• 이 방식은 box plot과 violin plot의 보완이 될 수 있다.
• 단 하나의 숫자형 column을 할당한 경우에는 각 점들이 다른 축의 방향으로 랜덤하게 jitteed 된 단일 변량에 대한 분포의 형태를 보여준다.

tips = sns.load_dataset('tips')
sns.stripplot(data = tips, x = 'total_bill')

• y축의 방향에 카테고리 변량을 추가하여 각 카테고리에 해당하는 데이터들의 분포 형태를 비교할 수 있게 되었다.

sns.stripplot(data=tips, x = 'total_bill', y= 'day')

• x 축에 카테고리 타입을 y축에 숫자 타입 데이터를 설정하면 vertical 한 모양의 그래프를 그릴 수 있다.

sns.stripplot(data=tips, x = 'day', y= 'total_bill')

• hue 키워드 인수를 추가해서 변량을 하나 더 추가할 수 있다.

sns.stripplot(data=tips, x = 'total_bill', y= 'day',hue = 'sex')

• 앞의 예시는 hue 키워드에 카테고리 column을 지정했는데, 이산형 숫자 타입의 데이터를 갖는 column도 지정할 수 있다.

sns.stripplot(data=tips, x = 'total_bill', y= 'day',hue = 'size')

• dodge = True 키워드 인수를 통해 hue로 나눈 카테고리 값을 완전히 분리시킬 수 있다.

sns.stripplot(data=tips, x = 'total_bill', y= 'day',hue = 'sex',dodge = True)

swarmplot()

• strip plot()과 매우 흡사하다.
• 하지만 데이터를 마커로 표현할 때 절대로 겹치지 않게끔 표현한다는 차이점이 있다.
• 정확한 데이터 분포를 표현하기에 적합하나 아주 큰 스케일의 데이터를 표현하기엔 필요 너비가 너무 넓어져 적합하지 않게 된다.

sns.swarmplot(data = tips , x = 'total_bill')

• y값에 카테고리 자료형을 갖는 column을 추가함으로써 각 카테고리마다의 swarm plot으로 쪼갠 예제

sns.swarmplot(data = tips, x = 'total_bill', y = 'day')

• swarm plot을 vertical 방향으로 표현하려면 x 값에 카테고리 자료형을 y 값에 숫자형 데이터를 설정해 주면 된다.

sns.swarmplot(data = tips , x = 'day', y= 'total_bill')

• hue 키워드 인수를 추가하여 변량을 하나 더 추가하여 그래프를 세분화한다.

sns.swarmplot(data = tips , x = 'day', y= 'total_bill',hue = 'sex')

• dodge = True 키워드 인수를 통해 hue로 나눈 카테고리 값을 완전피 분리시킬 수 있다.

sns.swarmplot(data = tips , x = 'total_bill', y= 'day',hue = 'sex',dodge= True)
# 발생하는 오류는 그래프의 표시범위를 넘어간 값이 존재해서 6.8%가 소실되었다는 메시지이다.

• marker와 linewidth 키워드 인수를 작성하여 시각적 효과를 커스텀하게 적용시킬 수 있다.

sns.swarmplot(
    data = tips , x = 'total_bill' , y = 'day',
    marker = 'x' , linewidth = 1
)

catplot()

• categorical plot 인 catplot은 axes-level(row, col)까지 분류를 나눌 수 있습니다.
• catplot은 카테고리화를 더 세분화해서 작업할 수 있는 플롯이다.
• kind 키워드 인수를 사용하면 axes-level에 사용할 그래프의 유형을 선택할 수 있다.
• kind 키워드를 선택하지 않으면 jittered strip plot의 결과를 얻을 수 있다.

sns.catplot(data = df , x = 'age', y = 'class')

• kind 키워드 인수에 box라는 문자열을 전달하면 결과물을 box plot으로 표현해 준다.

sns.catplot(data = df , x = 'age', y = 'class',kind = 'box')

• kind를 violin으로 하면 커널 밀도의 히스토그램을 그려준다.

sns.catplot(data = df , x = 'age', y = 'class',hue = 'sex', kind = 'violin', bw = .25, cut = 0 , split = True ) 
# split을 쓰려면 hue값이 2개만 있어야함.# violin의 특징을 갖는 키워드 인수를 넣을 수 있더라.

• kind를 bar plot으로 한 예제
• axes가 2개인 것처럼 표현되었다.
• col 키워드 인수에 ‘sex’ column을 사용했기에 그래프를 각각 분리시켜 보여주는 bar plot의 특징을 보인다.

sns.catplot(data = df , x = 'class', y = 'survived',col = 'sex', kind = 'bar', height = 4, aspect = .8)

연속해서 그래프를 그리는 메서드를 여러 차례 사용할 수 있다.

• 이러한 경우 해당하는 그래프 레이어가 겹쳐서 보이게 된다.

sns.catplot(data = df, x = 'age', y = 'class', kind = 'violin', color = '.9',scale = 'count', inner = None)
sns.swarmplot(data = df , x = 'age', y = 'class', size = 3)

jointplot()

• 두 개의 변수의 분포를 나타낼 때 활용하면 좋은 플롯
• histogram과 scater plot을 동시에 사용해서 시각적 효과를 표현함
• 보기에는 직관적으로 볼 수 있지만 어떤 특징을 찾기는 어렵다.(얻을 수 있는 정보가 없다)

sns.jointplot(data = penguins , x   = 'bill_length_mm', y = 'bill_depth_mm')

• hue 키워드 인수를 사용하여 히스토그램으로 표현된 분포가 자동적으로 kde로 변경된 것을 확인할 수 있다.
• 종에 따른 분포가 더 시작적으로 잘 보이게 되었다.

sns.jointplot(data = penguins , x = 'bill_length_mm', y = 'bill_depth_mm', hue = 'species')

• kind를 사용하여 main 그래프의 종류를 scatter에서 다른 그래프로 바꿀 수 있다.

sns.jointplot(data = penguins, x = 'bill_length_mm', y = 'bill_depth_mm', hue = 'species', kind = 'kde')

• kind 키워드 인수에 reg 값을 전달해서 선형 회귀에 대한 결과를 그래프로 볼 수 있다.
• hue와 kind = ’reg는 동시에 사용될 수 없다.

adelie_penguins = penguins[penguins['species'] == 'Adelie']
sns.jointplot(data = adelie_penguins, x = 'bill_length_mm', y = 'bill_depth_mm', kind = 'reg')

• height(크기), ratio(main과 marginal 그래프 간의 비율), marginal_ticks(marginal histogram에 ticks를 표현할지) 키워드 인수를 사용하여 추가가 가능하다.

sns.jointplot(data = penguins, x = 'bill_length_mm', y = 'bill_depth_mm', hue = 'species', height = 7, ratio = 2 , marginal_ticks = True)

pair plot()

• 데이터셋 내의 각 column마다 pair로 경우에 수에 따라 묶고 그에 따른 결과를 일목요연하게 한 번에 확인할 수 있는 플롯이다.
• 아래 예시의 경우 float형 Dtype을 가지는 모든 column들의 서로 간의 관계를 모두 보여준다.
• 자기 자신과 매치되는 경우에는 histogram으로 값의 분포를 보여준다
• 마찬가지로 hue 키워드를 사용할 수 있고, marginal plot의 형태가 kde로 변경됨을 볼 수 있다.

penguins = sns.load_dataset('penguins')
sns.pairplot(penguins,hue = 'species')

• marginal plot이 kde가 아닌 histogram으로 표현하도록 변경이 가능하다
• diag_kind 키워드 인수를 사용하면 된다.

sns.pairplot(penguins,hue = 'species', diag_kind = 'hist')

• main graph에 대한 종류르 바꾸기 위해선 kind 키워드 인수에 값을 전달하면 된다.

sns.pairplot(penguins , hue = 'species', kind = 'kde')

• 원하는 column 만 추려서 비교하도록 지정할 수 있다.
• x_vars , y_vars 키워드 인수를 활용한다.

sns.pairplot(
    penguins,
    x_vars = ['bill_length_mm', 'bill_depth_mm', 'flipper_length_mm'],
    y_vars = ['bill_length_mm', 'bill_depth_mm']
)

같은 축이라서 발생하는 중복되는 부분에 대한 처리

• 한 방향으로만 그 분포를 얻으면 되겠다 싶은 경우 corner 키워드 인수 = True를 해주면 된다.

sns.pairplot(penguins, hue = 'species', corner=  True)

pandas pivot table

• pivot table 이란 데이터 column 중에서 두 개의 column을 각각 row인덱스, column인덱스로 사용하여 데이터를 조회하여 펼쳐놓은 것을 말한다.
• row 인덱스, column 인덱스로 조회한 값이 data column안에 주어진 데이터가 존재하지 않으면 NaN처리한다.

pandas.pivot_table() 메서드를 사용한다.

• 첫 번째 인수 = DataFrame
• 두 번째 인수 = 데이터로 사용할 column이름
• 세 번째 인수 = row 인덱스로 사용할 column 이름
• 네 번째 인수 = column 인덱스로 사용할 column name을 넣는다.
• aggfunc 은 기본적으로 평균값을 구하도록 default 세팅이 되어있다.

pandas.DataFrame.pivot_table

• 첫 번째 인수로 data를 넘겨주는 게 아니라 해당 DataFrame에 메서드를 적용하는 방식의 차이일 뿐이다.

import pandas as pd
titanic = sns.load_dataset('titanic')
titanic.pivot_table( 'survived',index = 'class',columns = 'who') # aggfunc 키워드 인수를 따로 지정하지 않았기에 평균을 출력한다.

# agg func 를 sum으로 바꾸어서 출력결과가 달라졌다.
import numpy as np
titanic.pivot_table( 'survived',index = 'class',columns = 'who',aggfunc = np.sum)

• 해당하는 값이 없다면 NaN으로 표현된다.
• NaN값은 pivot_table() 메서드 인자 중 fill_value에 값을 전달하면 해당 값으로 NaN이 처리된다.

pd.pivot_table(titanic, values = 'survived', index = 'class', columns = 'deck', aggfunc = np.mean)

pd.pivot_table(titanic, values = 'survived', index = 'class', columns = 'deck', aggfunc = np.mean, fill_value = 0)

 

heatmap()

• 데이터셋 중 비교하고자 하는 column의 pair가 모두 카테고리 값이거나,
• 피봇테이블의 결과를 가지고 heatmap() 표현하면 각 column 간의 상관관계를 색상의 짙고 옅음으로 표현할 수 있다.

ttn_cls_who = pd.pivot_table(titanic,'survived',index = 'class', columns = 'who')
sns.heatmap(ttn_cls_who, cmap = 'crest') # cmap = colormap # 색이 짙은 푸른색일수록 생존율이 높고 노란빛에 가까울수록 생존율이 낮다.

• annot 키워드 인수에 True 값을 주면 각 cell 마다 value를 표기할 수 있다.
• fmt 키워드 인수를 사용하여 cell 마다 표기한 value의 포맷을 지정해 준다.
• linewidth를 명시하여 cell 간의 구분을 더 명확하게 지정한다. - 여기선 0.5 인치 두께의 선으로 cell간 구분해 줌

sns.heatmap(ttn_cls_who, cmap = 'mako', annot = True , fmt = '3.2f', linewidth = .5)