Seaborn 시각화 II¶

In [1]:

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import os
import warnings
%matplotlib inline
warnings.filterwarnings('ignore')           # 성가신 warning은 off 해준다. 

1. 산점도 행렬¶

In [2]:

# 내장 데이터를 불러옴.
dat = sns.load_dataset('iris')
dat.head(5)

Out[2]:

	sepal_length	sepal_width	petal_length	petal_width	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa

In [3]:

dat.shape

Out[3]:

(150, 5)

In [4]:

#산점도 행렬
sns.pairplot(dat)  #히스토그램과 산점도 함께 그려줌
plt.show()   

In [5]:

# species로 점의 색상 구분.
sns.pairplot(dat, hue='species')  #hue하면 더 자세하게 색칠됨
plt.show() 

In [6]:

# species로 점의 색상 구분. palette 적용.
sns.pairplot(dat, hue='species', palette='coolwarm')
plt.show()

2. 혼합 유형의 시각화 행렬¶

In [7]:

# 산점도 행렬.
g=sns.PairGrid(dat)
g.map(plt.scatter)
plt.show()

In [8]:

# 혼합 유형 시각화 행렬.
g=sns.PairGrid(dat)
g.map_diag(sns.distplot, color='orange')         # 대각선에는 히스토그램.
g.map_upper(plt.scatter, color='green')          # 위 삼각에는 산점도.
g.map_lower(sns.kdeplot, color='blue')           # 아래 삼각에는 KDE.
plt.show()

In [9]:

# 다중 히스토그램.
g=sns.FacetGrid(data=dat, col='species')  #species가지고 칼럼 쪼갬
g.map(sns.distplot, 'petal_length')       #displot넣어서 그려라
plt.show()

In [10]:

# 다중 히스토그램.
g=sns.FacetGrid(data=dat, row='species')
g.map(sns.distplot, 'petal_length')
plt.show()

In [11]:

# 다중 산점도.
g=sns.FacetGrid(data=dat, col='species')
g.map(plt.scatter, 'petal_length', 'petal_width',color='orange')
plt.show()

4. heat map - 값의 크고작음을 색깔의 농도로 표시¶

In [12]:

# mpg 데이터를 불러온다. 
dat = sns.load_dataset('mpg')
x = dat.corr()
x

Out[12]:

	mpg	cylinders	displacement	horsepower	weight	acceleration	model_year
mpg	1.000000	-0.775396	-0.804203	-0.778427	-0.831741	0.420289	0.579267
cylinders	-0.775396	1.000000	0.950721	0.842983	0.896017	-0.505419	-0.348746
displacement	-0.804203	0.950721	1.000000	0.897257	0.932824	-0.543684	-0.370164
horsepower	-0.778427	0.842983	0.897257	1.000000	0.864538	-0.689196	-0.416361
weight	-0.831741	0.896017	0.932824	0.864538	1.000000	-0.417457	-0.306564
acceleration	0.420289	-0.505419	-0.543684	-0.689196	-0.417457	1.000000	0.288137
model_year	0.579267	-0.348746	-0.370164	-0.416361	-0.306564	0.288137	1.000000

In [13]:

# Heatmap 디폴트.
sns.heatmap(x)    #x가 일종의 행렬일 때 그 값을 색깔로 표현
plt.show()

In [14]:

# Heatmap 디폴트.
# palette 대신에 cmap을 정해준다.
sns.heatmap(x, cmap = 'coolwarm')
plt.show()

In [15]:

# Heatmap 디폴트.
# 중심 위치를 정해준다 (디폴트 = 0).
sns.heatmap(x, cmap = 'coolwarm', center=-1)
plt.show()

Seaborn 시각화 II¶

1. 산점도 행렬¶

2. 혼합 유형의 시각화 행렬¶

3. 다중 시각화 (Facet Grid)¶

4. heat map - 값의 크고작음을 색깔의 농도로 표시¶