Python 데이터분석 기초 18

Python 데이터분석 기초 18 - 차트의 종류

코딩탕탕 2022. 11. 2. 12:17
# 차트의 종류 경험하기 : data의 성격에 따라 차트를 적용하는 것이 중요함.

import numpy as np
import matplotlib.pyplot as plt

# 차트 영역 객체 선언시 matplotlib 스타일 관련 인터페이스 유형
# x = np.arange(10)
#
# # 방법1 : matplotlib 스타일
# plt.figure()
# plt.subplot(2, 1, 1) # row, column, panel number(active)
# plt.plot(x, np.sin(x))
# plt.subplot(2, 1, 2)
# plt.plot(x, np.cos(x))
# plt.show()
#
# # 방법2 : 객체지향 인터페이스
# fig, ax = plt.subplots(2, 1)
# ax[0].plot(x, np.sin(x))
# ax[1].plot(x, np.cos(x))
# plt.show()

# 방법 1과 비슷한 방법
# fig = plt.figure() # 명시적으로 차트영역객체 선언
# ax1 = fig.add_subplot(1, 2, 1) # 1행 2열
# ax2 = fig.add_subplot(1, 2, 2)
#
# ax1.hist(np.random.randn(10), bins = 5, alpha = 0.9) # 데이터 구간 수 : bins
# ax2.plot(np.random.randn(10))
# plt.show()

# 세로 막대 그래프 호출
# data = [50, 80, 100, 70, 90]
# plt.bar(range(len(data)),data)
# plt.show()
#
# 가로 막대 그래프 호출
# data = [50, 80, 100, 70, 90]
# err = np.random.rand(len(data))
# plt.barh(range(len(data)),data, xerr = err)
# plt.show()

# data = [50, 80, 100, 70, 90]
# plt.pie(data, explode = (0, 0.5, 0.1, 0, 0), colors = ['yellow', 'blue', 'red'])
# plt.show()

# plt.boxplot(data) # 전체 데이터 산포도 확인 시 좋음
# plt.show()

import seaborn as sns # matplotlib의 기능을 추가
import pandas as pd

titanic = sns.load_dataset('titanic') # 데이터를 가져옴.
pd.set_option('display.max_columns', 500) 
# 데이터의 양이 많아 생략되어 나오면 함수 사용! 생략되지 않은 상태로 나온다.
print(titanic.head(3))
print(titanic.info())

sns.distplot(titanic['age'])
plt.show()

sns.boxplot(y = 'age', data = titanic)
plt.show()

ti_pivot = titanic.pivot_table(index = 'class', columns = 'sex', aggfunc = 'size')
print(ti_pivot)

sns.heatmap(ti_pivot)
plt.show()

<console>
   survived  pclass     sex   age  sibsp  parch     fare embarked  class  \
0         0       3    male  22.0      1      0   7.2500        S  Third   
1         1       1  female  38.0      1      0  71.2833        C  First   
2         1       3  female  26.0      0      0   7.9250        S  Third   

     who  adult_male deck  embark_town alive  alone  
0    man        True  NaN  Southampton    no  False  
1  woman       False    C    Cherbourg   yes  False  
2  woman       False  NaN  Southampton   yes   True  
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 15 columns):
 #   Column       Non-Null Count  Dtype   
---  ------       --------------  -----   
 0   survived     891 non-null    int64   
 1   pclass       891 non-null    int64   
 2   sex          891 non-null    object  
 3   age          714 non-null    float64 
 4   sibsp        891 non-null    int64   
 5   parch        891 non-null    int64   
 6   fare         891 non-null    float64 
 7   embarked     889 non-null    object  
 8   class        891 non-null    category
 9   who          891 non-null    object  
 10  adult_male   891 non-null    bool    
 11  deck         203 non-null    category
 12  embark_town  889 non-null    object  
 13  alive        891 non-null    object  
 14  alone        891 non-null    bool    
dtypes: bool(2), category(2), float64(2), int64(4), object(5)
memory usage: 80.7+ KB
None
C:\anaconda3\lib\site-packages\seaborn\distributions.py:2619: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)
sex     female  male
class               
First       94   122
Second      76   108
Third      144   347
막대 그래프는 데이터의 양이 많으면 효율이 좋지 않다. 데이터의 양이 많으면 hist를 추천한다.
전체 데이터 산포도 확인 시 좋음