시각화 뽀개기3

Multivariate views on complex datasets(복잡한 데이터셋의 다변량 시각화)

일단 필요 라이브러리를 호출하고..

# Import seaborn
import seaborn as sns
%matplotlib inline

seaborn에 내장되어 있는 펭귄 데이터셋을 보자!

344마리의 펭군을...

종류, 사는 섬,  부리 길이, 부리 깊이?, 날개 길이, 무게, 성별 조사를 한 데이터 셋 같다?

 

 

 

jointplot을 사용해 날개 길이와 부리 길이의 관계를 보자!(hue는 species로 해서 종별로 나눠서 보자!)

sns.jointplot(data=penguins, x="flipper_length_mm", y="bill_length_mm", hue="species")

대체로 날개 길이가 길면 부리 길이도 긴 것을 확인했다!

또 Gentoo종이 날개 길이가 대체로 길고...

Chinstrap종이 부리 길이가 대체로 긴 것을 확인 할 수 있다!

 

이번엔 pairplot을 통해 모든 변수의 상관관계를 시각화 해보면...

sns.pairplot(data=penguins, hue="species")

각 변수의 상관관계를 모두 확인해 볼 수 있다!

날개 길이와 몸무게의 상관관계가 가장 강해보인다!

 

Lower-level tools for building figures(시각화 위한 저수준 도구)

이번엔 펭귄 데이터에 대한 복잡한 그림을 그려볼건데...

천천히 하나씩 추가하면서 그려보자!

g = sns.PairGrid(penguins, hue="species", corner=True)

위와 같이 코드를 작성해 주면

빈 공간이 생성된다!

coner=True로 지정해줘서 대칭되는 부분이 잘렸다!

따라서 먼저 그린 그림에서와 같이 겹치는 부분을 없앨 수 있다!

코드를 추가해서 kdeplot을 그려주는데...

KDE는 Kernel Density Estimator의 줄임말로 커널 밀도 추정...? 이라고 한다?

g = sns.PairGrid(penguins, hue="species", corner=True)
g.map_lower(sns.kdeplot, hue=None, levels=5, color=".2")

이렇게 등고선 같은 것이 그려지는데...

map_lower여서 대각선 아래부분에 그리고...

leves=5라서 층이 5개로 나뉘고...

color는 0에 가까울수록 진해지고 1에 가까울수록 옅어지는 것 같다!

 

다시 코드를 추가해서...

산점도를 같은 위치에다 그려주는데...

g = sns.PairGrid(penguins, hue="species", corner=True)
g.map_lower(sns.kdeplot, hue=None, levels=5, color=".2")
g.map_lower(sns.scatterplot, marker="+")

marker='+'로 지정해서 +로 점을 찍어놨다!

 

코드를 한 줄 더 추가해서 각 변수의 히스토그램을 그려준다!

g = sns.PairGrid(penguins, hue="species", corner=True)
g.map_lower(sns.kdeplot, hue=None, levels=5, color=".2")
g.map_lower(sns.scatterplot, marker="+")
g.map_diag(sns.histplot, element="step", linewidth=0, kde=True)

map_diag를 통해 대각선에 그려주었고...

element는 bars, step, poly가 가능한데...

그중에서 step(막대그래프인데 붙어있고 경계가 없는 모습?)으로 설정해줬는데

linewidth=0이라서 bars랑 큰 차이를 못느끼는...? 그런 부분이다!

그래서 차이를 보려고 linewidth=1로 설정해서 그래프를 봤다!

순서대로 bars, element, poly로 그려본 것이다!

 

암튼... linewidth=0으로 히스토그램을 구성하는 빈도수 바깥 테두리 선을 없게 만들었고...

kde=True로 kde곡선도 같이 그려줬다!

 

코드를 한 줄 더 추가해서

범례를 넣는 코드를 추가했다!

g = sns.PairGrid(penguins, hue="species", corner=True)
g.map_lower(sns.kdeplot, hue=None, levels=5, color=".2")
g.map_lower(sns.scatterplot, marker="+")
g.map_diag(sns.histplot, element="step", linewidth=0, kde=True)
g.add_legend(frameon=True)

frameon=True를 통해 범례 바깥 네모난 상자로 프레임을 만들어줬다!

 

마지막으로 범례위치 조정을 해줬다!

g = sns.PairGrid(penguins, hue="species", corner=True)
g.map_lower(sns.kdeplot, hue=None, levels=5, color=".2")
g.map_lower(sns.scatterplot, marker="+")
g.map_diag(sns.histplot, element="step", linewidth=0, kde=True)
g.add_legend(frameon=True)
g.legend.set_bbox_to_anchor((.61, .6))

이렇게 범례 위치가 조정된 상태로 그림이 완성!

 

차례차례해봤는데도... 할 수 있을까? ㅋㅋㅋ

 

암튼 완성된 그림이 지리긴 한다...

---

참조 사이트

https://seaborn.pydata.org/tutorial/introduction.html#multivariate-views-on-complex-datasets

An introduction to seaborn — seaborn 0.12.2 documentation