시각화 뽀개기2

A high-level API for statistical graphics(통계 그래픽을 위한 고급 API)

일단 필요라이브러리 호출!

# Import seaborn
import seaborn as sns
%matplotlib inline

데이터 셋도 불러오자!

dots = sns.load_dataset("dots")
dots

음... firing rate는 반응속도? 이런거라는데...
무슨 데이터인지는 모르겠다...

seaborn의 relplot을이용해서 dots데이터를 시각화해보자!
조건은...
kind는 line
x는 time
y는 firing_rate
col은 align
hue는 choice
size는 coherence
style은 choice
facet_kws는 dict(sharex=False)
로 설정하면...

dots = sns.load_dataset("dots")
sns.relplot(
    data=dots, kind="line",
    x="time", y="firing_rate", col="align",
    hue="choice", size="coherence", style="choice",
    facet_kws=dict(sharex=False),
    )

이렇게 시각화 된다!

facet_kws가 잘 이해가 안가서 빼고 실행했더니...

dots = sns.load_dataset("dots")
sns.relplot(
    data=dots, kind="line",
    x="time", y="firing_rate", col="align",
    hue="choice", size="coherence", style="choice"
    )

이렇게 x축이 공유된 시각화가 나왔다!

그래서 facet_kws=dict(sharex=False)의 뜻이 x축을 공유하지 않고 그래프를 그린다는 의미로 생각했다!

더 자세히 알아보려고...
facet_kws=dict(sharey=False)로 지정해서 그래프를 그려보면...

dots = sns.load_dataset("dots")
sns.relplot(
    data=dots, kind="line",
    x="time", y="firing_rate", col="align",
    hue="choice", size="coherence", style="choice",
    facet_kws=dict(sharey=False)
    )

역시  facet_kws=dict(sharey=False)는 y축을 공유하지 않고 그래프를 그려줬다!

facet_kws=dict(sharex=False)와
facet_kws=dict(sharey=False)의
좀 더 정확한 의미로는 x축, y축 간격을 자동으로 조절해 준다는 의미인 것 같다!

 

Statistical estimation(통계적 추정)

이번에는 fmri데이터 셋을 불러와보자!

fmri = sns.load_dataset("fmri")
fmri

역시나 무슨 데이터인지는 모르겠다...

아래 코드와 같이 조건을 걸어주고 relplot으로 시각화해보면...

sns.relplot(
    data=fmri, kind="line",
    x="timepoint", y="signal", col="region",
    hue="event", style="event",
)

이렇게 신기하게도 추정의 불확실성을 나타내는 연한 부분도 같이 그려준다!

이번엔
2023.02.04 - [재미로 하는 코딩] - 시각화 뽀개기1

시각화 쪼개기1

에서 활용한 tips데이터를 활용해
x는 total_bill
y는 tip
그리고 시간( Lunch, Dinner)으로 나눠서
lmplot을 그려보면...

tips = sns.load_dataset("tips")
sns.lmplot(data=tips, x="total_bill", y="tip", col="time", hue="smoker")

산점도에 더해 선형 회기 모델을 포함해 주는 것을 확인할 수 있다!

 

Distributional representations(분포 표현)

이번엔 tips데이터로 displot을 그려보자!
x축을 total_bill로 해서
time(Lunch, Dinner)으로 나눠 그려보면...

sns.displot(data=tips, x="total_bill", col="time", kde=True)

 

kde=True 기능이 분포도를 따라 kde곡선을 그려주는 것을 확인할 수 있다!

다음으로 누적분포함수를 그려보자!
역시 x축에 total_bill을 놓고
time에 따라 나눠그렸다!

sns.displot(data=tips, kind="ecdf", x="total_bill", col="time", hue="smoker", rug=True)

kind='ecdf'를 통해 누적분포를 그린 것을 알 수 있고...
또 rug=True는 개별 관측치를 x축 바로 위에 표시해준 것을 확인할 수 있다!

Plots for categorical data(범주형 데이터에 대한 플롯)

이번엔 tips데이터로 catplot을 그려보자!
x에 day
y에 total_billd을 넣었다!

sns.catplot(data=tips, x="day", y="total_bill", hue="smoker")

이렇게 점의 형태로 분포를 볼 수 있는데...
점이 겹치는 것이 있다!

이번엔 catplot을 kind='swarm'으로 해서 그려보자!

sns.catplot(data=tips, kind="swarm", x="day", y="total_bill", hue="smoker")

점이 하나도 안겹치게 그려진다!

그 다음 kind='violin'으로 그려보자!

sns.catplot(data=tips, kind="violin", x="day", y="total_bill", hue="smoker")

이렇게 그려진다!

split=True로 지정해주면 양념반 후라이드반 마냥 그려진다!

sns.catplot(data=tips, kind="violin", x="day", y="total_bill", hue="smoker", split=True)

마지막으로 catplot을 kind='bar'로 해서 그려보자!

이렇게 그냥 막대로 그려진다!

---

참조 사이트
https://seaborn.pydata.org/tutorial/introduction.html#a-high-level-api-for-statistical-graphics

An introduction to seaborn — seaborn 0.12.2 documentation