Matplot 라이브러리

Matplotlib

시각화 라이브러리

기본 개념

• 데이터 시각화 라이브러리
• 다양한 유형의 그래프(선 그래프, 막대 그래프, 산점도 등)
• 사용자 정의가 용이하여, 그래프의 스타일과 요소를 쉽게 수정
• NumPy, Pandas와의 호환성

설치

matplotlib

pip install matplotlib

• 주로 함께 사용되는 패키지
  1. NumPy
  2. Pandas
  3. SciPy : 과학적 계산을 위한 패키지로, 다양한 수학적 기능을 제공합니다.
  4. Jupyter Notebook : Matplotlib의 그래프를 즉시 볼 수 있어 데이터 시각화 실습에 유용
  5. Seaborn : 고급 시각화를 위한 패키지로, Matplotlib 기반

pyplot

• Matplotlib의 하위 모듈로, 그래프를 그릴 때 자주 사용하는 함수들을 제공

import matplotlib.pyplot as plt

기본 사용법

1. 기본적인 그래프 그리기

x = [1, 2, 3, 4]
y = [10, 20, 25, 30]

plt.plot(x, y)  # 선 그래프 그리기
plt.title("Sample Plot")  # 제목 추가
plt.xlabel("X-axis")  # X축 레이블
plt.ylabel("Y-axis")  # Y축 레이블
plt.show()  # 그래프 출력

1. 여러 그래프 그리기
   • 여러 데이터 세트를 한 번에

plt.plot(x, y, label='Data 1')
plt.plot(x, [15, 10, 5, 1], label='Data 2')
plt.legend()  # 범례 추가
plt.show()

1. 스타일 조정
   • 선의 색상, 스타일, 마커 등을 조정

plt.plot(x, y, color='red', linestyle='--', marker='o')

1. 그래프 종류

plt.bar(x, y)  # 막대 그래프
plt.scatter(x, y)  # 산점도
plt.hist(y)  # 히스토그램

1. 데이터 조건
   • 데이터 타입
     • NumPy 배열 x = np.array([1, 2, 3, 4])
     • Pandas 데이터 프레임 plt.plot(df['x'], df['y'])
     • List, Tuple

       입력 “항상 x, y가 필요한지, 허용하는 개수는 어느정도인지”

     • 특정 그래프에 따라 필요로 하는 데이터의 형식이 다름
   • 히스토그램: x값만 필요
   • 파이 차트: y값이 아닌 각 부분의 비율만 필요 - 데이터의 개수 - 여러 개의 데이터 포인트를 사용할 수 있으며, 그래프의 종류에 따라 시각화되는 방식이 달라짐

스타일 조정

입력 “선, 색상, 스타일, 마커 사용법 상세하게, 그 외 기능들 있다면 추가 설명”

1. 선 linestyle = " "

• ”-“ : 실선
• ”–” : 점선
• ”-.” : 대시 점선
• ”:” : 점선
  1. 색 color = "blue"
• 이름: “red” , “blue”
• HEXA 코드 : #FF5733
• RGB 튜플 : (1.0, 0.0, 0.0)
  1. Marker
• 모양 marker = "o"
  • “o”
  • ”s”: 사각형
  • ”^”: 삼각형 마커
  • “d”: 다이아몬드 마커
• 크기 markersize = 10 또는 ms = 10
  1. Line Width limewith = 2 또는 lw = 2
     

1. Title,, Axis Labels, Grid
   • 제목 plt.title('그래프 제목', fontsize =14. fontweight = 'bold')
   • 축 레이블 plt.xlabel('X축 레비블, fontsize=12)
   • 그리드 plt.grid(Ture)
     • 그리드 스타일 조정 plt.grid(True, color = 'gray', linestyle = '--', linewidth = 0.5)
     • 축별 그리드 설정 plt.grid(axis = 'x')
   • 둘다 `axis = ‘both’
   • axis 설정을 하면 그리드 활성화 True가 필요 없음
   • plt.grid(axis = 'both', color='gray', linestyle='--', linewidth=0.5)
2. Legend
   • 범례: 여러 데이터 시리즈를 구분하기 위해

plt.plot(x, y, label='데이터 1')
plt.plot(x, [10, 15, 20, 25], label='데이터 2')
plt.legend()  # 범례 추가

1. Style Sheet
   • 그래프의 전반적인 스타일 변경 plt.style.use('seaborn')
   • 기본 제공 스타일
     • "ggplot":
     • "seaborn"
     • "classic": Matplotlib 기본 스타일
     • "fivethirtyeight": FiveThirtyEight 블로그 스타일
     • "dark_background": 어두운 배경 스타일

그래프 유형

fig

• plt.figure()
  • figsize : 가로, 세로 단위 (인치)
  • dpi: 인치당 점의 수 - 해상도 1. Line Plot
• 연속적인 데이터 변화를 시각화

  plt.plot(x, y)
  plt.title('Line Plot Example')
  plt.show()

1. Scatter Plot
   • 두 변수 간의 관계 시각화

plt.scatter(x, y)
plt.title('Scatter Plot Example')
plt.show()

1. Bar Plot
   • 범주형 데이터 시각화

categories = ['A', 'B', 'C']
values = [10, 20, 15]
plt.bar(categories, values)
plt.title('Bar Plot Example')
plt.show()

1. Histogram
   • 데이터의 분포를 시각화
   • 데이터의 빈도, bin(특정구간)에 속하는 데이터의 수

data = np.random.randn(1000)  # 정규분포를 따르는 1000개의 랜덤 데이터
plt.hist(data, bins=30, color='skyblue', edgecolor='black')
plt.title('Histogram Example')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

1. BoxPlot
   • patch_artist=True: 색상 적용이 가능

import matplotlib.pyplot as plt

# 데이터 준비
data = {
    '1학급': [65, 70, 75, 80, 85, 90, 95],
    '2학급': [55, 60, 65, 70, 75, 80],
    '3학급': [45, 50, 55, 60, 65, 70, 75, 80]
}

# 상자 그림 그리기
box = plt.boxplot(data.values(), labels=data.keys(), patch_artist=True)

# 색상 지정 (for문 없이)
box['boxes'][0].set_facecolor('lightblue')    # 1학급 색상
box['boxes'][1].set_facecolor('lightgreen')   # 2학급 색상
box['boxes'][2].set_facecolor('lightcoral')    # 3학급 색상

# 그래프 제목과 축 레이블 추가
plt.title("학급별 수학 시험 점수 분포")
plt.xlabel("학급")
plt.ylabel("점수")

# 그래프 보여주기
plt.show()

1. Pie Chart
   • autopct: 각 조각의 비율을 표시하는 형식
   • %1.1f%% : 소수점 첫째 자리까지 표시
     • %1.1f
     • %%: 백분율 기호(단일 %는 특별한 의미가 있으므로 두 개의 %를 사용)

import matplotlib.pyplot as plt

# 데이터 준비
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']

# 원 그래프 그리기
plt.pie(sizes, labels=labels, autopct='%1.1f%%')

# 그래프 제목 추가
plt.title("원 그래프")

# 그래프 보여주기
plt.axis('equal')  # 원을 유지하기 위해
plt.show()

1. Heatmap
   • 2D 데이터의 값을 색으로 표현
   • cmap: 데이터의 값을 색상으로 변환하는 방법을 정의
     • viridis: 파란색에서 노란색으로 변하는 색상 맵 (기본 색상 맵)
     • plasma: 보라색에서 노란색으로 변하는 색상 맵
     • hot: 검정에서 빨강, 노랑, 흰색으로 변하는 색상 맵
     • cool: 파란색에서 핑크색으로 변하는 색상 맵
     • gray: 흑백 색상 맵

# 데이터 준비
months = ['1월', '2월', '3월', '4월', '5월', '6월', 
          '7월', '8월', '9월', '10월', '11월', '12월']
temperatures = [2, 3, 8, 15, 20, 25, 28, 27, 22, 15, 8, 3]

# 데이터 배열로 변환
data = np.array(temperatures).reshape(1, -1)  # 1행 12열 배열로 변환

# 히트맵 그리기
plt.imshow(data, cmap='hot', interpolation='nearest')

# 축 레이블 설정
plt.title("월별 평균 기온")
plt.xticks(ticks=np.arange(len(months)), labels=months)
plt.yticks([])  # y축 레이블 제거

# 색상 바 추가
plt.colorbar(label='기온 (°C)')

# 그래프 보여주기
plt.show()