Seaborn 사용법 Seaborn 그래프 종류별로 알아보기 파이썬 데이터 시각화

Seaborn 에는 여러가지 그래프가 있는데요, Seaborn에서 제공하는 예제 데이터셋 로드하여 주요 그래프 기능을 알아보겠습니다.

 

데이터 준비

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

# Seaborn에서 제공하는 예제 데이터셋 로드
tips = sns.load_dataset('tips')
iris = sns.load_dataset('iris')
flights = sns.load_dataset('flights')

# 그래프 스타일 설정
sns.set(style="whitegrid")

 

1. Tips 데이터셋

tips 데이터셋은 레스토랑에서 받은 팁에 관한 정보를 포함하고 있습니다. 이 데이터셋은 고객의 성별, 흡연 여부, 식사 시간, 요일, 테이블 인원 수, 총 청구 금액, 팁 금액 등의 변수를 포함합니다. 이 데이터는 주로 범주형 변수와 연속형 변수를 다루는 예제를 위해 사용됩니다.

주요 컬럼

• total_bill: 총 청구 금액
• tip: 팁 금액
• sex: 성별 (Male/Female)
• smoker: 흡연 여부 (Yes/No)
• day: 요일 (Thur, Fri, Sat, Sun)
• time: 식사 시간 (Lunch/Dinner)
• size: 테이블 인원 수

 

2. Iris 데이터셋

iris 데이터셋은 머신러닝에서 가장 유명한 데이터셋 중 하나로, 붓꽃(Iris) 꽃의 품종을 예측하는 문제에 사용됩니다. 각 샘플은 네 개의 특성을 가지며, 각각의 특성은 꽃잎과 꽃받침의 길이와 너비입니다. 세 개의 붓꽃 품종 중 하나로 라벨링 되어 있습니다.

주요 컬럼

• sepal_length: 꽃받침의 길이 (cm)
• sepal_width: 꽃받침의 너비 (cm)
• petal_length: 꽃잎의 길이 (cm)
• petal_width: 꽃잎의 너비 (cm)
• species: 붓꽃의 품종 (setosa, versicolor, virginica)

3. Flights 데이터셋

flights 데이터셋은 1949년부터 1960년까지 매월 항공 승객 수를 기록한 데이터셋입니다. 이 데이터셋은 시계열 데이터를 다루는 예제에 자주 사용됩니다.

주요 컬럼

• year: 연도
• month: 월 (Jan, Feb, ..., Dec)
• passengers: 해당 월의 항공 승객 수

 

 

 

1. Scatterplot (산점도)

두 변수 간의 관계를 시각화합니다. 여기서는 tips 데이터셋을 사용합니다.

 

• 각 점은 하나의 데이터 포인트를 나타내며, x축과 y축은 변수의 값을 나타냅니다.
• 사용법: sns.scatterplot(x='column_x', y='column_y', data=dataframe)

예제  코드

import seaborn as sns
import matplotlib.pyplot as plt

sns.scatterplot(x='total_bill', y='tip', data=tips)
plt.show()

 

 

2. Barplot (막대 그래프)

범주형 데이터의 평균 또는 합계를 시각화합니다. 여기서는 tips 데이터셋을 사용합니다.

 

• 사용법: sns.barplot(x='category', y='value', data=dataframe)

 

plt.figure(figsize=(10, 6))
sns.barplot(x='day', y='total_bill', data=tips)
plt.title('Barplot of Total Bill by Day')
plt.show()

 

3. Lineplot (선 그래프)

시간의 흐름에 따른 데이터 변화를 시각화합니다. 여기서는 flights 데이터셋을 사용합니다.

 

• 사용법: sns.lineplot(x='time', y='value', data=dataframe)

 

sns.lineplot(x='time', y='total_bill', data=tips)
plt.show()

4. Histogram (히스토그램)

• 설명: 데이터의 분포를 시각화하는 데 사용됩니다. 연속형 변수의 분포를 막대 그래프로 나타냅니다.
• 사용법: sns.histplot(dataframe['column'], bins=number_of_bins)

sns.histplot(tips['total_bill'], bins=20)
plt.show()

5. Boxplot (상자 그림)

• 설명: 데이터의 분포와 변동성을 요약하여 시각화하는 데 사용됩니다. 중앙값, 사분위수, 최댓값, 최솟값을 포함한 통계 정보를 제공합니다.
• 사용법: sns.boxplot(x='category', y='value', data=dataframe)

sns.boxplot(x='day', y='total_bill', data=tips)
plt.show()

6. Violinplot (바이올린 그림)

• 설명: 데이터의 분포를 시각화하며, 히스토그램과 박스플롯의 특징을 결합한 형태입니다. 데이터의 밀도를 나타냅니다.
• 사용법: sns.violinplot(x='category', y='value', data=dataframe)

sns.violinplot(x='day', y='total_bill', data=tips)
plt.show()

 

7. Heatmap (히트맵)

• 설명: 값의 크기에 따라 색상으로 데이터를 시각화하는 그래프입니다. 주로 상관관계 행렬을 시각화하는 데 사용됩니다.
• 사용법: sns.heatmap(dataframe, annot=True)

항공 승객 수 데이터를 히트맵으로 시각화하면 월별 승객 수의 변화를 직관적으로 볼 수 있습니다.

다음은 flights 데이터셋을 사용하여 히트맵을 생성하는 예시입니다.

# 피벗 테이블 생성 (행: 월, 열: 연도, 값: 승객 수)
flights_pivot = flights.pivot(index='month', columns='year', values='passengers')

# 히트맵 생성
plt.figure(figsize=(12, 8))
sns.heatmap(flights_pivot, annot=True, fmt="d", cmap="YlGnBu")
plt.title('Heatmap of Flights Data')
plt.show()