Seaborn | 데이터프레임 친화적 패키지

seaborn
Author

강신성

Published

2023-10-08

seaborn을 이용하여 그래프를 그려보자!

해당 포스트는 전북대학교 통계학과 최규빈 교수님의 강의내용을 토대로 재구성되었음을 알립니다.

1. 라이브러리 import

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

2. Seaborn과 Matplotlib

  • matplotlib : 벡터 친화적
  • seaborn : 데이터프레임 친화적

분석할 데이터가 태뷸러데이터 형식인 경우가 많다.

matplotlib는 여전히 강력하지만, seaborn등 데이터프레임 친화적인 패키지가 우수한 경우가 많다.

A. scatter plot

## titanic data
df = pd.read_csv("https://raw.githubusercontent.com/guebin/DV2023/main/posts/titanic.csv")
df.head()
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked logFare
0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 1.981001
1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th... female 38.0 1 0 PC 17599 71.2833 C85 C 4.266662
2 3 1 3 Heikkinen, Miss. Laina female 26.0 0 0 STON/O2. 3101282 7.9250 NaN S 2.070022
3 4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel) female 35.0 1 0 113803 53.1000 C123 S 3.972177
4 5 0 3 Allen, Mr. William Henry male 35.0 0 0 373450 8.0500 NaN S 2.085672 
sns.scatterplot(
    df,
    x = 'logFare',  ## 요금에 로그를 취한 값(너무 변동이 크니까)
    y = 'Age',
    hue = 'Sex',    ## 색상, 색조. 변수 별 색상을 나눠 표기한다.
    style = 'Survived', style_order = [1,0],  ## Survived 여부로 마커 표시, style_order의 디폴트 값이 [0 => O,1 => X]이므로 그 순서를 변경
    alpha = 0.6     ## 투명도 조절
)

plt.hist(df.Age)
plt.hist(df.Age[df.Survived == 1])  ## 그냥 그리면 겹쳐짐

plt.show()

- seaborn은 데이터과학에서 거의 표준적인 패키지. * 안하는 이유 * 간단한 시각화는 matplotlib가 유리 * seaborn에 대한 고급기능은 matplotlib에 대한 통찰이 있어야 가능 * plotline이 더 우수함(ggplot2) * plotly가 모든 면에서 seaborn을 압도하는 추세임

B. seaborn의 고급기능 이해

sns.scatterplot(
    df,
    x = 'logFare',
    y = 'Age',
    hue = 'Sex',
    style = 'Survived', style_order = [1,0],
    alpha = 0.8
)

fig = plt.gcf()
ax = plt.gca()
ax.set_title('Scattor Plot')

fig.add_axes([0.6,0.2,0.25,0.25])
ax_mini = plt.gca()
## ax_mini = fig.add_axes([0.6,0.2,0.25,0.25])과 동일

ax_mini.hist(df.Age)
ax_mini.hist(df.Age[df.Survived == 1])
ax_mini.set_title('Histogram')
fig.suptitle('TITANIC')

plt.show()

type(fig) ## seaborn으로 제작하였음에도 Figure의 형식을 지닌다.
matplotlib.figure.Figure

3. 훌륭한 시각화

### 애드워드 터프티

- 데이터 시각화계의 거장

  • 엄격한 미니멀리즘
  • 최소한의 잉크로 많은 정보를 전달할 수 있다면 그것이 바로 좋은 그래프이다.

너무 구시대적인 사고일 수도 있음. 적합할 수도 있고.

### 찰스미나드의 도표

터프티도 극찬하고 ~중국이 놀라고, 일본이 경악하고…~

  • 군대의 크기, 2차원 평면상의 위치, 군대의 이동방향, 모스크바에서 퇴각하는 동안의 여러 날짜와 그 시점에서의 온도 -> 6차원의 변수를 한 평면상에 표현

미나드는 여러 그림을 그리는 방법 대신에 한 그림에서 패널을 늘리는 방법을 선택함.

4. 미나드처럼 그리는 게 왜 어려운가?

- 몸무게, 키, 성별, 국적을 나타내는 자료

df1=pd.read_csv('https://raw.githubusercontent.com/guebin/DV2022/master/posts/male1.csv')   ## 남성의 키
df2=pd.read_csv('https://raw.githubusercontent.com/guebin/DV2022/master/posts/male2.csv')   ## 남성의 몸무게
df3=pd.read_csv('https://raw.githubusercontent.com/guebin/DV2022/master/posts/female.csv')  ## 여성의 키와 몸무게
df4=pd.read_csv('https://raw.githubusercontent.com/guebin/DV2022/master/posts/foreign.csv') ## 외국인의 키와 몸무게, 성별, 국적
_df = pd.concat([pd.concat([df1,df2],axis=1)\
                 .assign(g='m'),df3.assign(g='f')])
df = pd.concat([_df.assign(g2='korea'),df4.assign(g2='foreign')])\
.reset_index(drop=True)
df
w h g g2
0 72.788217 183.486773 m korea
1 66.606430 173.599877 m korea
2 69.806324 173.237903 m korea
3 67.449439 173.223805 m korea
4 70.463183 174.931946 m korea
... ... ... ... ...
1525 78.154632 188.324350 m foreign
1526 74.754308 183.017979 f foreign
1527 91.196208 190.100456 m foreign
1528 87.770394 187.987255 m foreign
1529 88.021995 193.456798 m foreign

1530 rows × 4 columns

sns.scatterplot(
    data=df,
    x='w',
    y='h',
    hue='g',    ## group 1 : gender
    style='g2',  ## group 2 : region
    alpha=0.6
)

그래프를 이해하기 어려운 것은 아니지만, 아무래도 난잡한 것은 사실이다.

-어려운 점 :

  1. 센스 부족 : 센스가 없어서 그룹 구분할 생각을 못함
  2. 개념 부족 : 타이디데이터( =tidy dataframe, long form dataframe) 형태로 데이터를 정리할 생각을 못함.
  3. 코딩 못함 : 타이디테이터로 데이터를 변형하는 코드를 모름.