씨본(Seaborn) 시각화 도구 이해하기 (1)

목표 설정

- 멋쟁이사자 AI 스쿨 6일차(220926) 학습 내용 정리하기

- Seaborn 에서 제공하는 시각화 도구 개념 정리

---

 배운 내용 정리

• 라이브러리, 데이터 로드

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

# seaborn 에서 제공하는 앤스컴콰르텟 데이터셋 로드 방법
df = sns.load_dataset("anscombe")

• 버전 확인, 최신 버전으로 업그레이드 하는 방법

# 버전 확인
pd.__version__

# 최신 버전으로 업그레이드
!pip install seaborn --upgrade

• 컬러맵 확인 : plt.colormap()
• 기술 통계값 확인
  • 수치형 변수에 대한 기술통계값 : df.describe()
  • 범주형 변수에 대한 기술통계값 : df.describe(include="object")
  • 수치형 변수 컬럼을 범주 기술통계값 보는 방법 : df["컬럼명"].astype(str).describe()
  • 수치형 변수 컬럼 2개 이상, 범주 기술통계값 보는 방법 : df[["컬럼1", "컬럼2"]].astype(str).describe()
• 결측치 보기
  • True, False 값으로 결측치 유무 확인 : df.isnull()
  • 결측치 개수 확인 : df.isnull.sum()
  • 결측치 비율 확인 : df.isnull.mean()
• 수치형 vs 범주형 변수 확인방법
  • 유니크값을 통해 수치형인지 범주형인지 확인 (유니크값이 많으면 수치형, 적으면 범주형에 가깝다고 볼 수 있음)
  • 전체 수치 변수에 대해 히스토그램 그리기 : df.hist()  ▶  판다스에 내장된 기능
    • bins 값을 크게 하면 도수 분포표로 볼 수 있음 (중간중간 이 빠진 모양 그래프는 범주형 변수에 가깝다고 볼 수 있음)
• 수치형 변수만 가져오는 방법
  • df_num = df.select_dtypes(include="number")
• 비대칭도(왜도)
  • skew 출력 : df.skew()
  • skew 값 정렬 : df.skew().sort_values()
• 첨도 
  • kurt 출력 : df.kurt()
  • 0일 때가 normal 임을 알 수 있으며 피셔의 정의를 사용 함  ▶  0에 가까울수록 정규분포에 가까움
• 정규화
  • (관측치 - 평균) / 표준편차
• 상관분석
  • 두 변수간의 연관 정도를 나타낼 뿐, 인과관계를 설명하는 것은 아님
  • 데이터 프레임 전체의 수치변수에 대해 상관계수 구하기 : df.corr()
    • 옵션을 따로 정의하지 않으면 피어슨 상관계수로 정의
• 1개의 수치변수에 대해 시각화 하기
  • sns.displot(data=df, x="컬럼명1", kde=True, hue="컬럼명2", col="컬럼명3")
    • x축에 대한 y축(count값) 히스토그램 
    • hue : 범주형 데이터를 색별로 나눔 (Group by 기능)
    • kde : 부드러운 곡선을 나타내 줌
    • col : 범주형 데이터에 따라 서브 플롯을 만들어 줌
  • sns.kdeplot(data=df, x="컬럼명")
    • x축에 대한 y축(density값) 곡선 그래프
    • 커널 밀도 추정 (kernal density estimation) 그래프  ▶  상대량(비율)을 시각화
  • sns.rugplot(data=df, x="컬럼명")
    • 작은 선분(rug)으로 데이터들의 위치 및 분포를 보여줌
  • sns.boxplot(data=df, x="컬럼명")
    • x축에 대한 사분위 수 표현
    • 다이아몬드 기호 : 이상치
  • sns.violinplot(data=df, x="컬럼명")
    • kdeplot을 데칼코마니 형식으로 마주보고 그린 그래프
• 2개 이상의 수치변수에 대해 시각화 하기
  • replot과 residplot 차이
    • reg의 직선이 resid의 0축으로 나타남
    • regplot : 회귀선 그리기
    • residplot : 회귀선과 얼마나 가깝고 먼지를 나타냄
  • regplot과 lmplot 차이
    • lmplot은 regplot의 서브 플롯을 그릴 수 있음
  • sns.pairplot(data=df.sample(100), hue="컬럼명")
    • data=df 해도 되지만, 각 변수에 대해 짝을 지어 전체 변수에 대한 상관관계를 그리기 때문에, 시간이 오래 걸림
    • 임의로 데이터를 추출해서 그리는게 효율적
    • 변수 쌍에 대해 대략적인 상관 관계를 알 수 있음
  • ci : 신뢰구간을 의미하는 파라미터
• 상삼각 대각행렬
  • 대각선을 기준으로 대칭이기 때문에, 가독성을 높이기 위해 일부 제거
  • matrix를 상삼각행렬 만들기 : mask = np.triu(np.ones_like(df.corr))
  • 대각선 기준으로 제거 X : sns.heatmap(df.corr(), cmap="coolwarm")
  • 대각선 기준으로 제거 : sns.heatmap(df.corr(), cmap="coolwarm", annot=True, mask=mask)

 

seaborn에서 제공하는 시각화 기법

---

참고문헌

(1) 컬러맵

https://matplotlib.org/stable/tutorials/colors/colormaps.html

(2) 비대칭도(왜도)

https://ko.wikipedia.org/wiki/%EB%B9%84%EB%8C%80%EC%B9%AD%EB%8F%84

(3) 첨도

https://ko.wikipedia.org/wiki/%EC%B2%A8%EB%8F%84

(4) 상관분석

https://ko.wikipedia.org/wiki/%EC%83%81%EA%B4%80_%EB%B6%84%EC%84%9D

(5) seaborn 공식문서

https://seaborn.pydata.org/tutorial/function_overview.html

↓ 앤스컴 콰르텟, 수치형 데이터에 대한 시각화 결과 보기 - 1편

https://velog.io/@jaeyoung_jung/Python-EDA-%EC%88%98%EC%B9%98%ED%98%95-%EB%8D%B0%EC%9D%B4%ED%84%B0-1

↓ 앤스컴 콰르텟, 수치형 데이터에 대한 시각화 결과 보기 - 2편

https://velog.io/@jaeyoung_jung/Python-EDA-%EC%88%98%EC%B9%98%ED%98%95-%EB%8D%B0%EC%9D%B4%ED%84%B0-2