데이터 분석시 다루는 데이터의 종류는 매우 다양하며, 크기 또한 방대한 경우가 많다. 시각화를 통해 데이터의 구조와 패턴을 파악하기 용이하며, 다양한 관점에서 데이터에 대한 통찰력을 제공한다.
Matplotlib은 파이썬 표준 시각화 도구라고 부를 수 있을 정도로 2D 평면 그래프에 대한 다양한 포맷과 기능을 제공하고 있다.
import matplotlib as mlp
import matplotlib.pyplot as plt데이터 시각화에 사용할 matplotlib.pyplot 모듈을 import해 사용한다.
numpy를 이용해 임의로 데이터를 생성해서 그래프를 그려볼 것이다.
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['axes.unicode_minus'] = False # minus 깨짐 설정
data = np.random.randint(-100,100,50).cumsum() # cumsum : 배열 원소들의 누적 합을 계산
print(data)
array([ -68, 10, 90, 172, 132, 56, 21, 59, 9, -60, -48,
23, 68, -7, -21, 75, 30, -58, -102, -141, -51, 42,
108, 63, -31, -87, -171, -244, -171, -271, -234, -209, -284,
-252, -177, -191, -249, -162, -199, -106, -152, -234, -232, -178,
-270, -171, -128, -181, -195, -129])
plt.plot(range(50), data, 'r')
[<matplotlib.lines.Line2D object at 0x11a3bb358>]
plt.ylabel('주식 가격')
Text(0, 0.5, '주식 가격')
plt.xlabel('시간(분)')
Text(0.5, 0, '시간(분)')
plt.show()
차트 제목과 축 이름을 한글로 설정해 출력하는 경우 다음 오류메시지와 함께 깨지는 경우가 발생할 수 있다.
...
.pyenv/versions/pandas/lib/python3.7/site-packages/matplotlib/backends/backend_agg.py:183: RuntimeWarning: Glyph 44221 missing from current font.
font.set_text(s, 0, flags=flags)우선 시스템에 설정된 폰트를 확인할 수 있다.
>>> mpl.get_configdir()
'/Users/jeongdaye/.matplotlib'$ cd /Users/jeongdaye/.matplotlib
$ ls -al
total 232
drwxr-xr-x 4 jeongdaye staff 128 4 28 17:25 .
drwxrwxr-x+ 83 jeongdaye staff 2656 5 8 10:10 ..
-rw-r--r-- 1 jeongdaye staff 116875 4 28 17:25 fontlist-v310.json
drwxr-xr-x 2 jeongdaye staff 64 4 28 17:25 tex.cachefontlis-v310.json에 현재 사용할 수 있는 폰트들이 있는 것을 확인할 수 있다.
>>> font_list = fm.findSystemFonts(fontpaths=None, fontext='ttf')
>>> font_list = fm.fontManager.ttflistfontmanager로 현재 시스템에 설정된 폰트들을 확인할 수 있다. 설정할 폰트명을 다음과 같이 가져올 수 있다.
>>> [(f.name, f.fname) for f in fm.fontManager.ttflist if 'D2Coding' in f.name]
[('D2Coding', '/Users/jeongdaye/Library/Fonts/D2Coding-Ver1.3.2-20180524-all.ttc')]3가지 방법으로 폰트를 설정할 수 있다.
- FontProperties 사용하기 : 그래프의 폰트가 필요한 항목마다 지정
path = '/Library/Fonts/NanumSquareRoundR.ttf'
fontprop = fm.FontProperties(fname=path, size=18)
plt.plot(range(50), data, 'r')
plt.title('시간별 가격 추이', fontproperties=fontprop)
plt.ylabel('주식가격', fontproperties=fontprop)
plt.xlabel('시간(분)',fontproperties=fontprop)- matplotlib.rcParams[]로 전역글꼴 설정 방법 - 그래프에 설정을 해주면 적용
plt.rc('font', family='D2Coding')
plt.rcParams['font.family'] = 'D2Coding'
plt.rcParams['font.size'] = 18
print(plt.rcParams['font.family'])
['D2Coding']- 2번 방법을 mpl.matplotlib_fname()로 읽어지는 설정 파일에 직접 해주는 방법.
>>> mpl.matplotlib_fname()
/Users/jeongdaye/.pyenv/versions/pandas/lib/python3.7/site-packages/matplotlib/mpl-data/matplotlibrc설정 파일에서 font.famliy를 cumstom 설정해주면 재 실행할 때마다 다시 설정하지 않아도 된다.
$ vim /Users/jeongdaye/.pyenv/versions/pandas/lib/python3.7/site-packages/matplotlib/mpl-data/matplotlibrc##
## Note that font.size controls default text sizes. To configure
## special text sizes tick labels, axes, labels, title, etc, see the rc
## settings for axes and ticks. Special text sizes can be defined
## relative to font.size, using the following values: xx-small, x-small,
## small, medium, large, x-large, xx-large, larger, or smaller
font.family : D2Coding
#font.style : normal
#font.variant : normal
#font.weight : normal
#font.stretch : normal
#font.size : 10.0
그래프에서 마이너스 폰트가 깨지는 문제에 대해 대처할 수 있다.
mpl.rcParams['axes.unicode_minus'] = FalseKOSIS의 시도별 전출입 인구수 데이터를 시각화해볼 것이다.
>>> import pandas as pd
>>> import matplotlib.pyplot as plt
>>> df = pd.read_excel('시도별 전출입 인구수.xlsx', fillna=0, header=0)
>>> df.head()
전출지별 전입지별 1970 1971 1972 1973 1974 1975 1976 ... 2009 2010 2011 2012 2013 2014 2015 2016 2017
0 전출지별 전입지별 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) ... 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명)
1 전국 전국 4046536 4210164 3687938 4860418 5297969 9011440 6773250 ... 8487275 8226594 8127195 7506691 7411784 7629098 7755286 7378430 7154226
2 NaN 서울특별시 1742813 1671705 1349333 1831858 2050392 3396662 2756510 ... 1873188 1733015 1721748 1555281 1520090 1573594 1589431 1515602 1472937
3 NaN 부산광역시 448577 389797 362202 482061 680984 805979 724664 ... 519310 519334 508043 461042 478451 485710 507031 459015 439073
4 NaN 대구광역시 - - - - - - - ... 398626 370817 370563 348642 351873 350213 351424 328228 321182NaN 데이터가 들어 있는 것을 확인할 수 있다. 누락 데이터는 method=ffill 옵션을 사용하면 누락데이터가 들어있는 행의 바로 앞에 위치한 행의 데이터 값을 채울 수 있다.
>>> df = df.fillna(method='ffill')
>>> df.head()
전출지별 전입지별 1970 1971 1972 1973 1974 1975 1976 ... 2009 2010 2011 2012 2013 2014 2015 2016 2017
0 전출지별 전입지별 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) ... 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명)
1 전국 전국 4046536 4210164 3687938 4860418 5297969 9011440 6773250 ... 8487275 8226594 8127195 7506691 7411784 7629098 7755286 7378430 7154226
2 전국 서울특별시 1742813 1671705 1349333 1831858 2050392 3396662 2756510 ... 1873188 1733015 1721748 1555281 1520090 1573594 1589431 1515602 1472937
3 전국 부산광역시 448577 389797 362202 482061 680984 805979 724664 ... 519310 519334 508043 461042 478451 485710 507031 459015 439073
4 전국 대구광역시 - - - - - - - ... 398626 370817 370563 348642 351873 350213 351424 328228 321182서울에서 다른 지역으로 이동한 데이터만 추출하여 데이터를 정리할 수 있다.
>>> mask = (df['전출지별'] == '서울특별시') & (df['전입지별'] != '서울특별시')
>>> mask
0 False
1 False
2 False
3 False
4 False
...
320 False
321 False
322 False
323 False
324 False
Length: 325, dtype: bool
>>> df_seoul = df[mask]
>>> df_seoul = df_seoul.drop(['전출지별'], axis=1)
>>> df_seoul.rename({'전입지별':'전입지'},axis=1,inplace=True)
>>> df_seoul.set_index('전입지', inplace=True)
>>> df_seoul.head()
1970 1971 1972 1973 1974 1975 1976 1977 1978 ... 2009 2010 2011 2012 2013 2014 2015 2016 2017
전입지 ...
전국 1448985 1419016 1210559 1647268 1819660 2937093 2495620 2678007 3028911 ... 1925452 1848038 1834806 1658928 1620640 1661425 1726687 1655859 1571423
부산광역시 11568 11130 11768 16307 22220 27515 23732 27213 29856 ... 17738 17418 18816 16135 16153 17320 17009 15062 14484
대구광역시 - - - - - - - - - ... 10464 10277 10397 10135 10631 10062 10191 9623 8891
인천광역시 - - - - - - - - - ... 45392 46082 51641 49640 47424 43212 44915 43745 40485
광주광역시 - - - - - - - - - ... 11725 11095 10587 10154 9129 9759 9216 8354 7932그 중 경기도로 이동한 데이터를 추출해 그래프로 그리면 다음과 같다.
>>> sr_one = df_seoul.loc['경기도']
>>> sr_one.head()
1970 130149
1971 150313
1972 93333
1973 143234
1974 149045
Name: 경기도, dtype: object
>>> plt.plot(sr_one.index, sr_one.values)
[<matplotlib.lines.Line2D object at 0x11a80f278>]
>>> plt.show()
plt.plot(sr_one)다음과 같이 객체를 전달해도 똑같은 결과를 얻을 수 있다.
plt.title('차트제목')
plt.xlabel('x축이름')
plt.ylabel('y축이름')>>> plt.plot(sr_one.index, sr_one.values)
[<matplotlib.lines.Line2D object at 0x11409fe80>]
>>> plt.ylabel('이동 인구수')
Text(0, 0.5, '이동 인구수')
>>> plt.xlabel('기간')
Text(0.5, 0, '기간')
>>> plt.title('서울 -> 경기 인구 이동')
Text(0.5, 1.0, '서울 -> 경기 인구 이동')
>>> plt.show()
- 그래프 가로, 세로 사이즈 설정하기
plt.figure(figsize=(width, height))- x축/y축 범위 지정(최소/최대)
plt.xlim(min, max)
plt.ylim(min, max)- x축/y축 라벨 설정
plt.xticks(rotation='vertical') # 라벨 회전
plt.xticks(size=n) # 폰트 크기 설정
plt.yticks(rotation=n) # n도 만큼 회전
plt.yticks(size=n)# 폰트 크기 설정- 범례
plt.legend(labels=['라벨'],loc='위치')loc는 범례를 어느 위치에 노출시킬 것인지 지정하는 옵션이다. loc='best'는 자동으로 최적의 위치를 계산하여 노출시킨다.
| Location String | Location Code |
|---|---|
| 'best' | 0 |
| 'upper right' | 1 |
| 'upper left' | 2 |
| 'lower left' | 3 |
| 'lower right' | 4 |
| 'right' | 5 |
| 'center left' | 6 |
| 'center right' | 7 |
| 'lower center' | 8 |
| 'upper center' | 9 |
| 'center' | 10 |
>>> plt.figure(figsize=(14,5))
<Figure size 1400x500 with 0 Axes>
>>> plt.xticks(rotation='vertical')
(array([0. , 0.2, 0.4, 0.6, 0.8, 1. ]), <a list of 6 Text major ticklabel objects>)
>>> plt.plot(sr_one.index, sr_one.values)
[<matplotlib.lines.Line2D object at 0x11c2222e8>]
>>> plt.xlabel('기간')
Text(0.5, 0, '기간')
>>> plt.ylabel('이동 인구수')
Text(0, 0.5, '이동 인구수')
>>> plt.title('서울->경기 인구 이동')
Text(0.5, 1.0, '서울->경기 인구 이동')
>>> plt.legend(labels=['서울->경기'],loc='best')
<matplotlib.legend.Legend object at 0x11c1f96d8>
>>> plt.show()
색, 폰트 등 디자인 요소를 변경할 수 있는데, 이는 Matplotlib 실행 환경 설정을 변경하는 것이므로, 다른 파일을 실행할 때도 계속 적용되는 점에 유의한다.
- 테마 설정하기
plt.style.use('테마명')이때 어떤 종류가 있는지 확인 할 수 있다.
>>> print(plt.style.available)
['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']https://matplotlib.org/gallery/style_sheets/style_sheets_reference.html 에서 어떻게 적용되는지 확인할 수 있다.
- 마커 설정
plt.plot(x축,
y축,
marker='O', # 마커 모양
markersize=10, # 마커 크기
markerfacecolor='color', # 마커 색
linewidth=n, # 선 굵기
color='color' # 선색상
) | 옵션 | 설명 |
|---|---|
| 'o' | 선 그래프가 아닌 점 그래프로 표현 |
| marker='o' | 마커 모양('o', '+', '*', '.') |
| markerfacecolor='color' | 마커 배경색 |
| markersize=n | 마커 크기 |
| color='color' | 선 색상 |
| linewidth=n | 선 두께 |
| label='text' | 라벨 지정 |
사용할 수 있는 색의 종류는 다음 방법으로 확인할 수 있다.
>>> import matplotlib.colors as mat_colors
>>> colors = {}
>>> for name, hex in mat_colors.cnames.items():
... colors[name]=hex
...
>>> print(colors)
{'aliceblue': '#F0F8FF', 'antiquewhite': '#FAEBD7', 'aqua': '#00FFFF', 'aquamarine': '#7FFFD4', 'azure': '#F0FFFF', 'beige': '#F5F5DC', 'bisque': '#FFE4C4', 'black': '#000000', 'blanchedalmond': '#FFEBCD', 'blue': '#0000FF', 'blueviolet': '#8A2BE2', 'brown': '#A52A2A', ...}import pandas as pd
import matplotlib.pyplot as plt
plt.rc('font', family='D2Coding')
df = pd.read_excel('./시도별 전출입 인구수.xlsx', fillna=0, header=0)
df = df.fillna(method='ffill') # NaN이전 행값과 같은 값으로 채우기
mask = (df['전출지별'] == '서울특별시') & (df['전입지별'] != '서울특별시')
df_seoul = df[mask]
df_seoul = df_seoul.drop(['전출지별'], axis=1)
df_seoul.rename({'전입지별':'전입지'}, axis=1, inplace=True)
df_seoul.set_index('전입지', inplace=True)
sr_one = df_seoul.loc['경기도']
plt.style.use('ggplot') # ggplot 스타일 사용
plt.figure(figsize=(14,5))
plt.xticks(size=10, rotation=90)
plt.plot(sr_one.index, sr_one.values, marker='o', markersize=10)
plt.title('서울 -> 경기 인구 이동', size=10)
plt.xlabel('기간', size=10)
plt.ylabel('이동 인구수', size=10)
plt.legend(labels=['서울 -> 경기'], loc='best', fontsize=15)
plt.show()
- 그래프 주석
plt.annotate('',
xy=(x1,y1), # 화살표 머리 부분
xytext=(x2,y2), # 화살표 꼬리 부분
xycoords='data', # 좌표체계
arrowprops=() # 화살표 서식
)
plt.annotate('텍스트', # 텍스트 입력
xy=(x1,y1), # 텍스트 위치 기준점
rotation=n, # 텍스트 회전 각도
va='baseline', # 텍스트 상하 정렬
ha='center', # 텍스트 좌우 정렬
fontsize=n, # 텍스트 크기
)plt.ylim(50000, 800000) # y축 범위 지정
# 화살표 그리기(주석)
plt.annotate('',
xy=(20, 620000),
xytext=(2,290000),
xycoords='data',
arrowprops=dict(arrowstyle='->', color='skyblue',lw=5),
)
plt.annotate('',
xy=(47, 450000),
xytext=(30,580000),
xycoords='data',
arrowprops=dict(arrowstyle='->', color='olive',lw=5),
)
# 텍스트 표시(주석)
plt.annotate('인구 이동 증가(1970-1995)', # 텍스트 입력
xy=(10,450000), # 텍스트 위치 기준점
rotation=25, # 텍스트 회전 각도
va='baseline', # 텍스트 상하 정렬
ha='center', # 텍스트 좌우 정렬
fontsize=15, # 텍스트 크기
)
plt.annotate('인구 이동 감소(1995-2017)', # 텍스트 입력
xy=(40,560000), # 텍스트 위치 기준점
rotation=-11, # 텍스트 회전 각도
va='baseline', # 텍스트 상하 정렬
ha='center', # 텍스트 좌우 정렬
fontsize=15, # 텍스트 크기
)
plt.show()
화면을 여러개로 분할하고 분할된 각 화면에 서로 다른 그래프를 그릴 수 있다. 한 화면에서 여러개의 그래프를 비교하거나 다양한 정보를 동시에 보여줄 때 사용하면 좋다.
figure() 함수를 사용해 그래프를 그리는 그림틀을 만들고, 그림틀 객체에 add_subplot() 메소드를 적용하여 그림틀을 여러개로 분할할 수 있다. 이때 나눠진 각 부분을 axe 객체라고 부른다.
fig = plt.figure(figsize=(w,h))
axe = fig.add_subplot(행, 열, 순서)fig = plt.figure(figsize=(10,10))
axe1 = fig.add_subplot(2, 1, 1)
axe2 = fig.add_subplot(2, 1, 2)
axe1.plot(sr_one, 'o', markersize=10)
axe2.plot(sr_one, marker='o', markerfacecolor='green', markersize=10, color='olive', linewidth=2, label='서울 -> 경기')
axe2.legend(loc='best')
axe1.set_ylim(50000,800000)
axe2.set_ylim(50000,800000)
axe1.set_xticklabels(sr_one.index, rotation=75)
axe2.set_xticklabels(sr_one.index, rotation=75)
plt.show()
같은 axe 객체에 plot()으로 그래프 여러 개를 동시에 그릴 수 있다.
col_years = list(map(str, range(1970, 2018)))
df_3 = df_seoul.loc[['충청남도','경상북도', '강원도'], col_years]
fig = plt.figure(figsize=(20,5))
ax = fig.add_subplot(1,1,1)
ax.plot(col_years, df_3.loc['충청남도',:], marker='o', markerfacecolor='green', markersize=10, color='olive', linewidth=2, label='서울->충남')
ax.plot(col_years, df_3.loc['경상북도',:], marker='o', markerfacecolor='blue', markersize=10, color='skyblue', linewidth=2, label='서울->경북')
ax.plot(col_years, df_3.loc['강원도',:], marker='o', markerfacecolor='red', markersize=10, color='magenta', linewidth=2, label='서울->강원')
ax.legend(loc='best')
ax.set_title('서울 -> 충남, 경북, 강원 인구 이동', size=20)
ax.set_xlabel('기간', size=12)
ax.set_ylabel('인구 이동수', size=12)
ax.set_xticklabels(col_years, rotation=90)
ax.tick_params(axis='x', labelsize=10)
ax.tick_params(axis='y', labelsize=10)
plt.show()
면적 그래프는 각 열의 데이터를 선 그래프로 구현하며, 선 그래프와 x축 사이의 공간이 색으로 채워진다. 색의 투명도(alpha)는 기본값 0.5로 투과되어 보인다.
이때 그래프를 누적할지 여부를 stacked=True 옵션으로 설정할 수 있다. stacked=False 로 옵션을 지정하면 각 열의 선 그래프들은 누적되지 않고 서로 겹치도록 표신된다.
df.plot(kind='area', stacked=bool, alpha=n, figsize(w,h))df_4 = df_4.T
df_4.index = df_4.index.map(int)
df_4.plot(kind='area', stacked=False, alpha=0.2, figsize=(20,10))
plt.title('서울 -> 타도시 인구 이동', size=10)
plt.xlabel('기간', size=10)
plt.ylabel('이동 인구수', size=10)
plt.legend(loc='best', fontsize=15)
plt.show()
