07 Oct 2017 » seaborn, visualization
2017-10-07-visualization_2

Visualization with Python - seaborn

seaborn

  • Seaborn은 matplotlib을 기반으로 다양한 색상 테마와 통계용 챠트 등의 기능을 추가한 시각화 패키지이다.
  • matplotlib 패키지에 의존한다.
  • 통계 기능의 경우에는 statsmodels 패키지에 의존한다.
  • documents

Style

  • seaborn을 import하면 matplotlib에서 제공하는 기본 스타일이 아닌 Seaborn에서 지정한 디폴트 스타일 집합으로 변경한다.
  • 따라서 동일한 matplotlib 명령을 수행해도 Seaborn을 임포트 한 것과 하지 않은 플롯은 모양이 다르다.

set은 스타일을, set_color_codes는 기본 색상을 변경한다.

In [1]:
import seaborn as sns
sns.set()
sns.set_color_codes()

1차원 데이터 plot

  • 실수 값 → 히스토그램 등의 plot
  • 카테고리 값 → count plot

연습 데이터 load

In [2]:
iris = sns.load_dataset("iris")
titanic = sns.load_dataset("titanic")
tips = sns.load_dataset("tips")
flights = sns.load_dataset("flights")

실수 분포 Plot

  • 자료의 분포를 묘사하기 위한 것으로 matplotlib의 단순한 히스토그램과 달리 kernel density 및 rug표시 기능 및 다차원 복합 분포 기능 등을 제공한다.
  • 실수 분포 플롯 명령에는 다음과 같은 것들이 있다.
    • rugplot
    • kdeplot
    • distplot
    • jointplot
    • pairplot

rugplot

  • 데이터 위치를 x축 위에 작은 선분으로 나타내어 실제 데이터 분포를 보여준다.
In [3]:
import matplotlib as mpl
import matplotlib.pylab as plt
import numpy as np
%matplotlib inline
In [4]:
np.random.seed(0)
x = np.random.randn(100)
In [5]:
sns.rugplot(x)
plt.show()

kdeplot

  • 커널 밀도(kernel density)는 커널이라고 하는 단위 플롯을 겹치는 방법이다.
  • 히스토그램보다 부드러운 형태의 분포 곡선을 보여준다.
  • 커널 밀도 추정에 대한 자세한 내용은 다음 scikit-learn 패키지를 참조하자.
In [6]:
sns.kdeplot(x)
plt.show()

distplot

  • seaborn의 distplot은 matplotlib의 히스토그램 명령을 대체하여 많이 쓰인다.
  • 러그와 커널 밀도 표시 기능도 가지고 있다.
In [7]:
sns.distplot(x, kde=True, rug=True)
plt.show()

distplot with subplot

In [8]:
d = np.random.normal(size=100)
f, axes = plt.subplots(2, 2, figsize=(7, 7), sharex=True)

sns.distplot(d, kde=False, color="b", ax=axes[0, 0])
sns.distplot(d, hist=False, rug=True, color="r", ax=axes[0, 1])
# kde_kws={"shade": True} → 히스토그램의 모양에 더 근접하게 그린다.
sns.distplot(d, hist=False, color="g", kde_kws={"shade": True}, ax=axes[1, 0])
sns.distplot(d, color="m", ax=axes[1, 1])
plt.show()

countplot

  • countplot 으로 각 카테고리별 데이터 값을 셀 수 있다.
In [9]:
titanic.head()
Out[9]:
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True
In [10]:
sns.countplot(x="class", data=titanic)
plt.show()
In [11]:
sns.countplot(x="day", data=tips)
plt.show()

다차원 데이터

데이터 변수가 여러 개인 다차원 데이터는 데이터의 종류에 따라 다음과 같은 경우가 있다.

  • 분석하고자 하는 데이터가 모두 실수 값인 경우
  • 분석하고자 하는 데이터가 모두 카테고리 값인 경우
  • 분석하고자 하는 데이터가 모두 실수 값과 카테고리 값이 섞여 있는 경우

2차원 실수형 데이터 → jointplot

  • 만약 데이터가 2차원이고 모두 연속적인 실수값이라면 스캐터 플롯(scatter plot)을 사용하면 된다.
  • 스캐터 플롯을 그리기 위해서는 seaborn 패키지의 jointplot 명령을 사용한다.
  • jointplot 명령은 스캐터 플롯뿐 아니라 각 변수의 히스토그램도 동시에 그린다.
  • documents
In [12]:
sns.jointplot(x="sepal_length", y="sepal_width", data=iris)
plt.show()

또한 인수를 바꾸면 커널 밀도의 형태로도 표시할 수 있다.

In [13]:
sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="kde", space=0, zorder=0, n_levels=6)
plt.show()

다차원 실수형 데이터 → pairplot

In [14]:
sns.pairplot(iris)
plt.show()

만약 카테고리형 데이터가 실수형 데이터와 섞여 있다면 hue 인수를 이용하여 카테고리 별로 색상을 다르게 할 수 있다.

  • 같은 카테고리인 경우 히스토그램으로 그린다.(대각선)
In [15]:
# hue = "카테고리 컬럼명"
sns.pairplot(iris, hue="species", markers=["o", "s", "D"])
plt.show()

2차원 카테고리 데이터 → heatmap

In [16]:
titanic.head()
Out[16]:
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True
In [17]:
# aggfunc="size" → pivot한 카테고리 값만 카운트
titanic_size = titanic.pivot_table(index="class", columns="embark_town", aggfunc="size")
titanic_size
Out[17]:
embark_town Cherbourg Queenstown Southampton
class
First 85 2 127
Second 17 3 164
Third 66 72 353
In [18]:
sns.heatmap(titanic_size, annot=True, fmt="d")
plt.show()

2차원 복합 데이터

  • 데이터가 2차원이고 실수 값, 카테고리 값이 섞여 있다면 기존의 플롯 이외에도 다음과 같은 분포 플롯들을 이용할 수 있다.
    • barplot
    • boxplot
    • pointplot
    • violinplot
    • stripplot
    • swarmplot

barplot

  • 카테고리 값에 따른 실수 값의 평균과 표준 편차를 표시하는 기본적인 바 차트를 생성한다.
In [19]:
tips.head()
Out[19]:
total_bill tip sex smoker day time size
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
2 21.01 3.50 Male No Sun Dinner 3
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4
In [20]:
sns.barplot(x="day", y="total_bill", data=tips)
plt.show()

boxplot

  • Box-Whisker Plot을 그려준다.
  • Box는 실수 값 분포에서 1사분위수와 3사분위수를 뜻한다.
  • 박스 내부의 가로선은 중앙값, 박스 외부의 세로선(Whisker)은 3사분위 수와 1사분위 수 사이의 거리의 1.5배 길이를 의미한다.
  • 세로선 바깥의 점은 아웃라이어(outlier)이다.
In [21]:
sns.boxplot(x="day", y="total_bill", data=tips)
plt.show()

기타 Plot

  • boxplot은 중앙값, 표준 편차 등, 분포의 간략한 특성만 보여준다.
  • violinplot, stripplot. swarmplot 등은 카테고리 값에 따른 각 분포의 실제 데이터나 전체 형상을 보여준다는 장점이 있다.
In [22]:
sns.violinplot(x="day", y="total_bill", data=tips)
plt.show()
In [23]:
sns.stripplot(x="day", y="total_bill", data=tips, jitter=True)
plt.show()
In [24]:
sns.swarmplot(x="day", y="total_bill", data=tips)
plt.show()

다차원 복합 데이터

  • 지금까지 소개한 대부분의 plot은 2차원 이상의 고차원 데이터에 대해서도 분석할 수 있는 기능이 포함되어 있다.
  • 예를 들어 barplot, violinplot, boxplot 에서는 두 가지 카테고리 값에 의한 실수 값의 변화를 보기 위한 hue 인수를 제공한다.
In [25]:
tips = sns.load_dataset("tips")
sns.barplot(x="day", y="total_bill", hue="sex", data=tips)
plt.show()
In [26]:
sns.boxplot(x="day", y="total_bill", hue="sex", data=tips)
plt.show()
In [27]:
tips = sns.load_dataset("tips")

# palette="PRGn" 처럼 색깔지정할 수 있다.
sns.boxplot(x="day", y="total_bill", hue="sex", data=tips, palette="PRGn")

# figure와 축 tick과의 거리 조정
sns.despine(offset=30, trim=True)
plt.show()
In [28]:
sns.violinplot(x="day", y="total_bill", hue="sex", data=tips)
plt.show()
In [29]:
sns.stripplot(x="day", y="total_bill", hue="sex", data=tips, jitter=True)
plt.show()
In [30]:
sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips)
plt.show()

stripplot, violinplot, swarmplot 등 에서는 split 옵션으로 시각화 방법을 변경할 수도 있다.

In [31]:
sns.violinplot(x="day", y="total_bill", hue="sex", data=tips, split=True)
plt.show()
In [32]:
sns.stripplot(x="day", y="total_bill", hue="sex", data=tips, jitter=True, split=True)
plt.show()

/Users/Leo/.pyenv/versions/anaconda3-4.0.0/envs/code_study/lib/python3.6/site-packages/seaborn/categorical.py:2586: UserWarning: The `split` parameter has been renamed to `dodge`.
  warnings.warn(msg, UserWarning)
In [33]:
sns.swarmplot(x="day", y="total_bill", hue="sex", data=tips, split=True)
plt.show()

/Users/Leo/.pyenv/versions/anaconda3-4.0.0/envs/code_study/lib/python3.6/site-packages/seaborn/categorical.py:2783: UserWarning: The `split` parameter has been renamed to `dodge`.
  warnings.warn(msg, UserWarning)

heatmap을 이용해도 두 개의 카테고리 값에 의한 실수 값 변화를 볼 수 있다.

In [34]:
flights_passengers = flights.pivot("month", "year", "passengers")
# annot=True 칸 안에 숫자를 채워라.
sns.heatmap(flights_passengers, annot=True, fmt="d", linewidths=1)
plt.show()

factorplot

  • 색상(hue)과 행(row) 등을 동시에 사용하여 3개 이상의 카테고리 값에 의한 분포 변화를 보여준다.
In [35]:
sns.factorplot(x="age", y="embark_town", hue="sex", row="class", data=titanic[titanic.embark_town.notnull()],
               size=2, aspect=3.5, kind="violin", split=True)
plt.show()

여러 종류의 차트를 겹쳐서 표시

  • 시각화 효과를 높이기 위해
In [36]:
sns.boxplot(x="tip", y="day", data=tips, whis=np.inf)
sns.stripplot(x="tip", y="day", data=tips, jitter=True, color="0.4")
plt.show()
In [37]:
sns.violinplot(x="day", y="total_bill", data=tips, inner=None)
sns.swarmplot(x="day", y="total_bill", data=tips, color="0.9")
plt.show()

Aesthetic Parameters

  • set(context="notebook", style="darkgrid", palette="deep", font="sans-serif", font_scale=1, color_codes=False)
    • sns.set_context('notebook')
      • notebook, paper, talk, poster
    • sns.set_style('darkgrid')
      • darkgrid, whitegrid, dark, white, ticks
    • sns.set_palette('deep')
      • deep, muted, pastel, bright, dark, colorblind
In [38]:
t = np.arange(0., 5., 0.2)
sns.set_palette('deep')
plt.hold(True)
plt.plot(t, t)
plt.plot(t, t**2)
plt.plot(t, t**3)
plt.show()

/Users/Leo/.pyenv/versions/anaconda3-4.0.0/envs/code_study/lib/python3.6/site-packages/ipykernel_launcher.py:3: MatplotlibDeprecationWarning: pyplot.hold is deprecated.
    Future behavior will be consistent with the long-time default:
    plot commands add elements without first clearing the
    Axes and/or Figure.
  This is separate from the ipykernel package so we can avoid doing imports until
/Users/Leo/.pyenv/versions/anaconda3-4.0.0/envs/code_study/lib/python3.6/site-packages/matplotlib/__init__.py:917: UserWarning: axes.hold is deprecated. Please remove it from your matplotlibrc and/or style files.
  warnings.warn(self.msg_depr_set % key)
/Users/Leo/.pyenv/versions/anaconda3-4.0.0/envs/code_study/lib/python3.6/site-packages/matplotlib/rcsetup.py:152: UserWarning: axes.hold is deprecated, will be removed in 3.0
  warnings.warn("axes.hold is deprecated, will be removed in 3.0")

Bokeh

In [ ]:
from bokeh.plotting import figure, output_notebook, show
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
output_notebook()
p = figure(title="simple line example", x_axis_label='x', y_axis_label='y')
p.line(x, y, legend="Temp.", line_width=2)
show(p)

Related Posts