Matplotlib, Seaborn

cheatsheet

 

https://deeplearning.fr/wp-content/uploads/2020/12/0_Cfo6qfxirL4STHTY1.png

 

https://martinnormark.com/a-simple-cheat-sheet-for-seaborn-data-visualization-2/

A simple cheat sheet for Seaborn Data Visualization

https://www.python-graph-gallery.com/all-charts/

All Charts | The Python Graph Gallery

 

 

 

 

Matplotlib 

figure가 기본 자료 구조.
먼저 figure로 객체를 생성한 후 subplot(서브그래프),legend(범례),title을 설정

• 선그래프(line): 시간에 따라 연속적으로 변하는 데이터.
• 수직 막대그래프(bar): 시간에 따라 연속적으로 변하되, 각 변화를 명확히 나타내야 하는 데이터를 표현하기 적합
• 히스토그램(hist): 데이터 집단이 갖고 있는 분포를 표현하기 적합
• 박스플롯(box): 데이터가 갖고 있는 분포를 사분위수로 표현
• 산점도(scartter): 각 데이터를 x축과 y축을 기준으로 점으로 나타냄. 데이터 간 관계를 표현하기 적합합니다.
• 파이그래프(pie): 데이터를 100%를 기준으로 각 비중만큼 표현

# matplotlib.pyplot을 plt이름으로 호출하기
import matplotlib.pyplot as plt

# 무역수지 열값 기준으로  내림차순으로 정렬하기
trade = trade.sort_values(by=['무역수지'], ascending=False)
# 인덱스 정렬
trade= trade.reset_index(drop=True)
trade

1. 선그래프

plt.plot(trade[ '무역수지' ])

2. 수직 막대 그래프

plt.bar(trade.index, trade['무역수지'])

3. 박스 플롯

plt.boxplot(trade["무역수지"])

4. 산점도

plt.scatter(trade['무역수지'], trade['수출금액'])

5. 파이그래프

aiffel lms

# MobileCompany를 기준으로 DataFrame 구분하기

pie_data = customer_sample.groupby(['MobileCompany']).count().Name

# 파이그래프 그리기

plt.pie(pie_data, labels=pie_data.index, autopct ='%1.1f%%')

plt.show()

 

 

---

 

Seaborn

Matplotlib에 비해 다양한 색상 테마와 통계용 차트를 제공

Aiffel lms

카운트플롯( countplot)

• 조인트 플롯(Joint Plot)
  산점도와 히스토그램을 함께 표현. 두 데이터 간의 관계를 표현하기 적합
• 박스 플롯(Box Plot)
  박스 플롯은 데이터가 갖고 있는 분포를 사분위수로 표현
• 막대 그래프(Bar Plot)
  막대 그래프는 각 데이터를 막대(bar)로 표현
• 회귀 선(Regression Line)
  회귀분석을 통한 두 데이터 간의 관계를 표현
• 히스토그램(Histogram)
  히스토그램은 데이터 집단이 갖고 있는 분포를 표현하기 적합
• 히트맵(Heatmap)
  상관분석을 통한 두 데이터 간의 관계(상관관계)를 표현 색이 짙을 수록 두 데이터는 상호 관련성이 높음.
• 카운트플롯(Countplot)
  • 열별 value를 count하여 그래프에 숫자로 써서 보여줌 

# 스타일 지정하기

sns.set_style("whitegrid")

 

# joint plot 그리기

sns.jointplot(data=customer_sample, x='HP', y='Defense')

 

# Boxplot 그리기

sns.boxplot(data=customer_sample, x='Class', y='HP')

 

# Boxplot 그리기

sns.boxplot(data=customer_sample, x='Class', y='HP')

# customer_sample 데이터로 회귀선 그려보기

sns.lmplot(data=customer_sample, x='HP', y='Defense')

# customer 데이터로 회귀선 그려보기

sns.lmplot(data=customer, x='HP', y='Defense')

 

# 히스토그램 그리기

sns.histplot(customer_sample['HP'])

 

# heatMap 그리기

sns.heatmap(customer_sample.corr(), annot=True)

 

# countplt

sns.countplot(data=sales_data, x='date')   # y는 자동으로 count로 들어감

 

https://dacon.io/en/codeshare/4389

iris, tips..데이터셋 말고 진짜 기능은 시각화! seaborn으로 시각화🧐(2)

https://hyemin-kim.github.io/2020/07/03/S-Python-Seaborn1/