SEABORNS 소개.

Seaborn은 Python에서 통계 그래픽을 만들기 위한 라이브러리입니다. matplotlib 위에 구축되며 pandas 데이터 구조와 밀접하게 통합됩니다.
Seaborn은 데이터를 탐색하고 이해할 수 있도록 도와줍니다. 플로팅 기능은 전체 데이터 세트를 포함하는 데이터 프레임 및 배열에서 작동하며 필요한 의미 체계 매핑 및 통계 집계를 내부적으로 수행하여 유익한 플롯을 생성합니다. 데이터세트 중심의 선언적 API를 사용하면 플롯을 그리는 방법에 대한 세부 정보가 아니라 플롯의 다양한 요소가 의미하는 바에 집중할 수 있습니다.
Seaborn에 대해 배우려면 Numpy, Matplotlib 및 Pandas에 익숙해야 합니다.

Seaborn은 다음과 같은 기능을 제공합니다.
-변수 간의 관계를 결정하기 위한 데이터셋 지향 API.
-선형 회귀 플롯의 자동 추정 및 플로팅.
-멀티 플롯 그리드에 대한 높은 수준의 추상화를 지원합니다.
-단변량 및 이변량 분포 시각화.

Seaborn을 사용하여 다음과 같은 다양한 플롯을 그릴 수 있습니다.

-히트맵-히트맵은 데이터를 2차원 형태로 표현합니다. 히트맵의 궁극적인 목표는 정보 요약을 컬러 그래프로 표시하는 것입니다. 색상 및 색상 강도를 사용하여 다양한 값을 시각화하는 개념을 활용합니다.

-Pair Plots - 3개 이상의 서로 다른 숫자 변수 사이의 관계 패턴을 보고 싶을 때 사용됩니다. 예를 들어 회사의 매출이 세 가지 다른 요인에 의해 어떻게 영향을 받는지 확인하고 싶다고 가정하면 쌍 그림이 매우 유용할 것입니다.

-원형 차트 및 막대형 차트.원형 차트는 일반적으로 숫자 변수가 여러 범주에서 어떻게 변경되는지에 대한 데이터를 분석하는 데 사용됩니다.

-scatter plots-Scatter Plot은 데이터 세트의 두 숫자 열 간의 관계를 표시하려는 경우에 사용됩니다. 이러한 플롯은 기계 학습 분야에서 사용되는 가장 강력한 시각화 도구입니다.
-distributions plots-Seaborn의 분포도를 Matplotlib의 히스토그램과 비교할 수 있습니다. 둘 다 매우 유사한 기능을 제공합니다. 여기서 sns.distplot을 사용합니다.

회귀 플롯 - 회귀 플롯은 조인트 플롯(산점도)에서 2개의 숫자 매개변수 사이에 회귀선을 만들고 이들의 선형 관계를 시각화하는 데 도움을 줍니다.

시본을 배우는 방법
1. seaborns, 기본 사항, 데이터 시각화의 중요성, 다른 라이브러리와의 관계 및 이유에 대해 철저히 조사하십시오.
2.이 방법으로 seaborn을 사용하여 플로팅을 시도하면 더 많은 것을 이해할 수 있으며 이에 동의하고 연습하면 완벽합니다. 따라서 먼저 데이터 세트를 찾는 것부터 시작하십시오.
3. seaborns에 대한 기사를 읽고 마지막으로 갤러리와 YouTube를 사용하는 기술을 마스터하기 위해 해결된 문제를 찾아보십시오.

씨본 설치
데이터 시각화를 수행하는 데 Jupyter 노트북이 효율적이라는 것을 알았습니다. 여러분도 좋아하기를 바랍니다. 로컬 컴퓨터를 사용하는 경우 터미널에서 이 명령을 실행합니다. Google colab 또는 jupyter 노트북을 사용하는 경우 설치에 대해 걱정하지 마십시오.

pip install seaborn

라이브러리 가져오기

import seaborn as sns

데이터세트 로드 중
시연을 위해 내 로컬 컴퓨터에서 데이터 세트를 사용하고 있으며 seaborn이 각 기능의 분포를 시각화하는 데 어떻게 도움이 되는지 살펴보겠습니다.









이것은 matplotlib과 seaborn의 관계를 보여줍니다.

결론
데이터 시각화는 작업하기에 재미있고 다양한 Python 라이브러리로 작업할 수 있으며 플롯과 그래프를 더욱 매력적으로 만듭니다. seaborn을 주의 깊게 살펴보고 모든 그래프와 라이브러리를 사용하여 연습하십시오. 일관성이 핵심입니다.