데이터 시각화(matplotlib, seaborn)

캐글 -> Datasets -> Amazon Stock csv 파일 다운로드 후 실습 진행

 

 

데이터 불러오기 

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

data = pd.read_csv('datas/amazon_stock.csv')
display(data.head())
display(len(data))

날짜, 오픈 가격, 최고 가격, 최저 가격, 종료 가격, 조정 종료 가격, 거래량 컬럼으로 이루어진 252개의 데이터

 

 

minus 부호 출력 설정

# minus 부호 출력 설정
plt.rcParams['axes.unicode_minus'] = False

 

 

 

막대 그래프

- 카테고리형 데이터(불연속적(=이산적) 데이터)의 값을 비교할 때 사용
- x축: 개별 범주, y축 : 해당 범주의 값 

 

• 각 날짜의 거래량을 시각화

target_data = data[:10]

# hue: 특정 열 값에 따라 색상을 다르게 설정 
sns.barplot(x=target_data['Date'], y=target_data['Volume'], hue=target_data['Date'], palette='muted')

plt.xlabel('거래 날짜')
plt.ylabel('거래량')
plt.xticks(rotation=45)
plt.show()

         <seaborn 라이브러리 palette 종류>

출처: https://seaborn.pydata.org/tutorial/color_palettes.html

 

 

히스토그램

- 연속형 데이터의 분포를 시각화 하기 위해 사용
- x축: 연속형 데이터, y축: 빈도  

-> 막대가 떨어져 있으면 막대그래프, 붙어 있으면 히스토그램

 

x축 기준 

•  'Open'열의 구간에 따른 빈도

# kde=True -> 곡선 표현하기
sns.histplot(x = data['Open'], kde=True, color='Skyblue')
plt.show()

• 수직 영역 강조

plt.figure(figsize=(6, 3))
sns.displot(data['Open'], color='Skyblue')
# alpha: 색상의 투명도를 조절(0: 투명, 1: 불투명)
plt.axvspan(xmin=160, xmax=180, alpha=0.3, color='red')
plt.show()

-> histplot: axis-level(단순), displot: figure-level(복잡, 다양)

 

y축 기준

sns.histplot(y = data['Open'], color='Salmon')
# 그리드 추가하기
plt.grid(True)
plt.show()

 

 

countplot

• 집계 + barplot 

sns.countplot(x=data['Date'][:7], palette='Set3')
plt.title('카테고리별 데이터 개수')
plt.xlabel('카테고리')
plt.ylabel('개수')

plt.show()

 

 

선 그래프

• Date 값을 그래프에 표현 해주기 위해 Date 타입으로 변경

data['Date'] = pd.to_datetime(data['Date'])

 

• 그래프 그리기

# Figure 객체 생성(가로 6, 높이 3)
plt.figure(figsize=(6, 3))

sns.lineplot(x=data['Date'], y=data['Low'], label='저가', color='Skyblue')
sns.lineplot(x=data['Date'], y=data['High'], label='고가', color='Salmon')

# 라벨 수정
plt.xlabel('날짜')
plt.ylabel('주가')
# 제목 지정
plt.title('날짜별 주가 변동')

plt.show()

 

2개의 그래프 한번에 표현하기

# Figure 객체 생성(가로 12, 높이 6인 그림 안에 두 개의 열로 배치된 서브플롯 생성)
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(12, 6))

# ax1 생성
sns.lineplot(x=data['Date'], y=data['Low'], label='저가', color='Skyblue', ax=ax1)
sns.lineplot(x=data['Date'], y=data['High'], label='고가', color='Salmon', ax=ax1)
ax1.set_title('날짜별 주가 변동')
ax1.set_xlabel('날짜')
ax1.set_ylabel('주가')


# ax2 생성
sns.lineplot(x=data['Date'], y=data['Volume'], label='거래량', color='Lightgreen', ax=ax2)
ax2.set_title('날짜별 거래량')
ax2.set_xlabel('날짜')
ax2.set_ylabel('거래량')


plt.show()

 

 

산점도

• 회귀선이 포함된 산점도 -> 컬럼 간의 관계를 보여줌

sns.regplot(x = data['Close'], y = data['Volume'], line_kws = {'color': 'red'})
plt.show()

 

 

상관관계

• 수치형 데이터만 추출

numeric_data = data.select_dtypes(include=['number'])
numeric_data.head()

 

• 상관관계 보기

numeric_data.corr()

 

• 바로 수치형 데이터의 상관관계 보기

data.corr(numeric_only=True)

 

• 상관관계 그리기

# 이미지 크기 지정
plt.figure(figsize=(8, 4))

# annot=True -> 각 셀의 수치 표기 O
# fmt -> 소수점 지정
# cmap -> 색 지정
# vmin, vmax -> 최소, 최대 지정
ax = sns.heatmap(numeric_data.corr(), annot=True, fmt='.2f', cmap='coolwarm')
plt.show()

• 대각선 아래만 표시하려면?

mask = np.triu(np.ones_like(numeric_data.corr(), dtype=bool))
ax = sns.heatmap(numeric_data.corr(), annot=True, fmt='.2f', cmap='coolwarm', mask=mask)

 

sns.heatmap 관련 공식 문서

seaborn.heatmap — seaborn 0.13.2 documentation

 

상자 그림

데이터의 분포를 시각화 하는데 사용(중앙값, 이상치, IQR)

출처: https://www.laboneconsultoria.com.br/o-que-e-boxplot/

• IQR에 대해서는 아래의 포스팅을 참고해 주세요.

[머신러닝] 이상치 탐지

 

• 상자 그림 그리기

fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(12, 6))

#vert=False: 수평, vert=True: 수직
ax1.boxplot(data['Close'], vert=True)
ax1.set_title('종료 가격')

ax2.boxplot(data['Volume'], vert=True)
ax2.set_title('거래량')