Matplotlib을 이용한 차트 그리기(1) bar,pie차트와 히스토그램

데이터 프레임이나 데이터를 사람 눈에 한눈에 들어오게 하려면 차트를 그려서 보여주는것이 효과적이다.

오늘은 Matplotlib을 이용한 차트 그리기를 해보겠다.

 

1. Bar Charts 카테고리컬 데이터를 활용한 countplot

    바 차트로 카테고리컬 데이터를 표현해보자

#기본적으로 import해야될 라이브러리
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sb

%matplotlib inline

#데이터 프레임 불러오기(파일에 있는 데이터)
df = pd.read_csv('../data/pokemon.csv')
df

데이터 프레임을 보게되면 generation_id가 카테고리컬 데이터라는 것을 알 수 있다.

 

이제 차트를 그려보자

#특정 컬럼이 카테고리컬 데이터일때,
#각 value 별로 몇개씩 있는지를 차트로 나타내고 싶을때
#seaborn 의 countplot 함수 사용

#컬러를 선택하는 함수
base_color=sb.color_palette()[2]

#기본 데이터는 df, x축은 generation_id, 컬러는 녹색,
sb.countplot(data= df, x='generation_id',color=base_color)
plt.show()

차트는 나왔지만 정렬이 되지 않았다. 정렬을 하기 위해서는 order라는 파라미터를 알아야한다.

#오더를 줘서 인덱스를 다르게 줄수 있다.
base_order = df['generation_id'].value_counts().index
sb.countplot(data= df, x='generation_id',color=base_color, order=base_order)
plt.show()

만약 차트를 가로로 돌리고 싶다면 x데이터를 y데이터로 써주면 된다.

 

# 차트의 y축으로 돌리는 방법
sb.countplot(data= df, y='type_1',color=base_color,order=base_order)

plt.show()

 

 

2) 파이차트

파이차트는 퍼센테이지로 비교해서 데이터를 보고 싶을때 사용된다. 파이차트를 그려보자

#df 로는 파이차트를 바로 그릴수가 없다.
#따러서, 제너레이션 아이디별로 데이터가 몇개인지 우리가 먼저 구해놓는다.
df2 = df['generation_id'].value_counts()

# generation_id 별로 데이터의 개수를
#퍼센테이지로 비교할수 있도록,파이차트로 나타낸다.

plt.pie(df2, labels=df2.index, autopct='%.1f',startangle= 90 ,
       wedgeprops= {'width':0.7})

#한글은 별도의 라이브러리가 필요하다(그냥쓰면 깨진다.)
plt.title('Generation id Pie Chart')

plt.show()

 

범례(legend)를 추가할수 있다.

plt.pie(df2, labels=df2.index, autopct='%.1f',startangle= 90 ,
       wedgeprops= {'width':0.7})

#한글은 깨짐
plt.title('Generation id Pie Chart')

plt.legend(['id5' , 'id1', 'id3','id4','id2','id6','id7'])

plt.show()

 

3. 히스토그램

 

히스토그램은 구간을 설정하여, 해당 구군에 포함되는 데이터가 몇개인지 세는 차트를 히스토그램이라고 한다. 히스토그램의 가장 큰 특징은 bin(구간)을 자유롭게 설정이 가능하다는 점이다.

plt.hist(data = df, x='speed')
plt.show()

여기서는 구간이 너무 붙어있다. 구간을 제대로 설정하지 않으면 그래프 정보가 잘못 전달 될 수 있다.

 

#bins 의 갯수는 기본이 10개
#구간사이의 간격을 0.8로 맞춘다.
plt.hist(data = df, x='speed',rwidth=0.8)
plt.show()

이제 구간을 다시 설정하여 정확한 값을 알아보자

#bins의 갯수를 변경하는법
plt.hist(data = df, x='speed',rwidth=0.8,bins=10)
plt.show()

 

bins의 값을 원하는 범위로 지정할 수 있다.

#5부터 160까지 7개씩 설정
my_bins=np.arange(5,160+7,7)

#bins의 갯수를 변경하는법
plt.hist(data = df, x='speed',rwidth=0.8,bins =30)
plt.show()

 

하나의 출력화면에 다수의 차트를 출력할수 있다.

# 하나에 여러개의 plot을 그린다.

#비율을 조절하는 함수
plt.figure(figsize=(12,5))


plt.subplot(1,2,1)

plt.title('speed hist , bins10')
plt.xlabel('speed')
plt.ylabel('# of characters')

plt.hist(data = df, x='speed',rwidth=0.8)

plt.subplot(1,2,2)

plt.title('speed hist , bins30')
plt.xlabel('speed')
plt.ylabel('# of characters')

plt.hist(data = df, x='speed',rwidth=0.8,bins=30)

plt.show()