[Seaborn] 데이터 시각화 실무 - Seaborn

목표

Seaborn 특징에 대해 설명할 수 있다.

Seaborn을 활용하여 데이터를 시각화할 수 있다.

 

Seaborn

Matplotlib을 기반으로 하며 다채로운 디자인 테마와 통계용 차트 등이 추가된 강력한 시각화 라이브러리

 

한 줄의 코드로 강력한 시각화 가능

import seaborn as sns

 

Seaborn 특징

 

간결한 한 줄 코드로 쉽고 간단하게 복잡한 기능 구현

Seaborn

간결한 코드

>>sns.pairplot(df)

하지만, 변수가 추가될수록 메모리 부족 이슈 & 가독성 떨어진다.

 

통계 시각화에 특화

고수준 API

sns.Implot(x,y,hue,data)

 

간단한 명령어로 범주별 산점도 구현

statsmodels의 통계 기능 활용으로 추세선 출력

이외에도 jointplot을 포함한 여러 플롯 메소드에서 statsmodels를 이용한 데이터 분포 시각화를 한다.

 

데이터에 적합한 다채로운 시가고하 기능을 제공

복잡한 pivot tavle을 히트맵으로 표현하여 한눈에 파악 가능

 

Seaborn 그래프 그리기

 

다양한 그래프 종류와 인수로 효과적인 시각화 가능

sns.어떤 시각화 함수(변수,변수, hue는 범주별로 구분하여 나타나게 만들수 있다.(겹치게 만들 수 있다)

 

sns.scatterplot(x='변수명', y='변수명', hue='범주형 변수명', data=데이터 이름)

 

만약 matplotlib을 사용한다면 범주별 변수를 따로 입력해야 한다.