Python 을 이용 하여 데이터 시각 화 를 하 는 흔 한 9 가지 방법!초 실 용적!

머리말
예술가 들 이 그림 으로 사람들 로 하여 금 세 계 를 더욱 적절하게 감지 하 게 하 듯 이 데이터 시각 화도 사람들 로 하여 금 데이터 가 표현 하고 자 하 는 정 보 를 더욱 직관 적 으로 전달 하 게 할 수 있다.
오늘 은 Python 으로 간단 하고 편리 하 게 데 이 터 를 시각 화 하 는 방법 을 공유 합 니 다.
사실 Python 시각 화 데 이 터 를 이용 하 는 것 은 그리 번 거 롭 지 않 습 니 다.Python 에는 시각 화 된 라 이브 러 리 matplotlib 와 seaborn 이 두 개 있 기 때문에 쉽게 임 무 를 수행 할 수 있 습 니 다.
4.567917.Matplotlib:Python 의 그림 갤러리 를 바탕 으로 완전한 2D 지원 과 일부 3D 이미지 지원 을 제공 합 니 다.크로스 플랫폼 과 상호작용 환경 에서 고 품질 데 이 터 를 생 성 할 때 matplotlib 는 도움 이 될 것 입 니 다.애니메이션 제작 에 도 사용 할 수 있 습 니 다4.567917.Seaborn:이 Python 라 이브 러 리 는 정 보 량 과 미관 이 풍부 한 통계 도형 을 만 들 수 있 습 니 다.Seaborn 은 matplotlib 를 바탕 으로 여러 가지 특성 을 가지 고 있 습 니 다.예 를 들 어 내 장 된 테마,팔레트,시각 화 된 단일 변수 데이터,이중 변수 데이터,선형 회귀 데이터 와 데이터 행렬,통계 형 순서 데이터 등 은 우리 로 하여 금 복잡 한 시각 화 도형 을 만 들 수 있 습 니 다우 리 는 Python 으로 어떤 시각 화 된 도형 을 만 들 수 있 습 니까?
그럼 여기 서 누군가가 물 어 볼 것 같 습 니 다.우 리 는 왜 데이터 시각 화 를 해 야 합 니까?예 를 들 어 다음 도표 가 있다.

물론 이 도 표를 다른 사람 에 게 던 지면 그들 도 알 아 볼 수 있 지만 그 중의 정 보 를 직관 적 으로 이해 할 수 없다.그리고 이런 형식의 도표 도 비교적 낮 아 보인다.이때 우리 가 직관 적 이 고 아름 다운 시각 화 도형 으로 바 꾸 면 긴박 함 을 돋 보이 게 할 뿐만 아니 라 데 이 터 를 쉽게 이해 할 수 있다.
다음은 위의 간단 한 데이터 세트 를 예 로 들 어 Python 으로 9 가지 시각 화 효 과 를 내 고 관련 코드 를 첨부 합 니 다.
데이터 세트 가 져 오기

import matplotlib.pyplot as plt
import pandas as pd
df=pd.read_excel("E:/First.xlsx", "Sheet1")

직사 각도 로 시각 화

fig=plt.figure() #Plots in matplotlib reside within a figure object, use plt.figure to create new figure
#Create one or more subplots using add_subplot, because you can't create blank figure
ax = fig.add_subplot(1,1,1)
#Variable
ax.hist(df['Age'],bins = 7) # Here you can play with number of bins
Labels and Tit
plt.title('Age distribution')
plt.xlabel('Age')
plt.ylabel('#Employee')
plt.show()

상자 선 그림 으로 시각 화

import matplotlib.pyplot as plt
import pandas as pd
fig=plt.figure()
ax = fig.add_subplot(1,1,1)
#Variable
ax.boxplot(df['Age'])
plt.show()

바이올린 그림 으로 시각 화

import seaborn as sns 
sns.violinplot(df['Age'], df['Gender']) #Variable Plot
sns.despine()

막대 그래프 로 시각 화

var = df.groupby('Gender').Sales.sum() #grouped sum of sales at Gender level
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)
ax1.set_xlabel('Gender')
ax1.set_ylabel('Sum of Sales')
ax1.set_title("Gender wise Sum of Sales")
var.plot(kind='bar')

접 는 선 그림 으로 시각 화

var = df.groupby('BMI').Sales.sum()
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)
ax1.set_xlabel('BMI')
ax1.set_ylabel('Sum of Sales')
ax1.set_title("BMI wise Sum of Sales")
var.plot(kind='line')

중첩 막대 그래프 로 시각 화

var = df.groupby(['BMI','Gender']).Sales.sum()
var.unstack().plot(kind='bar',stacked=True, color=['red','blue'], grid=False)

산 점도 로 시각 화

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.scatter(df['Age'],df['Sales']) #You can also add more variables here to represent color and size.
plt.show()

거품 그림 으로 시각 화

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.scatter(df['Age'],df['Sales'], s=df['Income']) # Added third variable income as size of the bubble
plt.show()

떡 모양 으로 시각 화

var=df.groupby(['Gender']).sum().stack()
temp=var.unstack()
type(temp)
x_list = temp['Sales']
label_list = temp.index
pyplot.axis("equal") #The pie chart is oval by default. To make it a circle use pyplot.axis("equal")
#To show the percentage of each pie slice, pass an output format to the autopctparameter 
plt.pie(x_list,labels=label_list,autopct="%1.1f%%") 
plt.title("Pastafarianism expenses")
plt.show()

열 그래프 로 시각 화

import numpy as np
#Generate a random number, you can refer your data values also
data = np.random.rand(4,2)
rows = list('1234') #rows categories
columns = list('MF') #column categories
fig,ax=plt.subplots()
#Advance color controls
ax.pcolor(data,cmap=plt.cm.Reds,edgecolors='k')
ax.set_xticks(np.arange(0,2)+0.5)
ax.set_yticks(np.arange(0,4)+0.5)
# Here we position the tick labels for x and y axis
ax.xaxis.tick_bottom()
ax.yaxis.tick_left()
#Values against each labels
ax.set_xticklabels(columns,minor=False,fontsize=20)
ax.set_yticklabels(rows,minor=False,fontsize=20)
plt.show()

성별(X 축)과 BMI(Y 축)등 두 가지 변수 에 따라 열 도 를 그 려 보 세 요.
결어
본 고 는 Python 과 matplotlib 와 seaborn 라 이브 러 리 를 이용 하여 다양한 시각 화 도형 을 만 드 는 방법 을 공유 했다.위의 예 를 통 해 시각 화 를 이용 해 데 이 터 를 얼마나 아름 답 게 보 여 주 는 지 느 낄 수 있 을 것 이다.그리고 다른 언어 에 비해 Python 을 사용 하여 시각 화 하 는 것 이 더욱 간편 하 다.
자,이상 이 이 글 의 전체 내용 입 니 다.본 논문 의 내용 이 여러분 의 학습 이나 업무 에 어느 정도 참고 학습 가치 가 있 기 를 바 랍 니 다.궁금 한 점 이 있 으 시 면 댓 글 을 남 겨 주 셔 서 저희 에 대한 지지 에 감 사 드 립 니 다.
참고 자료:
https://www.analyticsvidhya.com/blog/2015/05/data-visualization-python/