[Python] 주피터 노트북을 이용한 데이터 시각화 📈 (4)

《 주피터 노트북을 활용한 데이터 시각화 》

 

[ 파이 차트를 활용한 데이터 시각화 예제 ]

function	Description	Syntax	Parameters
matplotlib.pyplot.pie()	- 파이 차트 생성 - *x* 배열의 원형 차트 생성 각 부채꼴   면적은 x/sum(x)로 주어짐. - 쐐기는 x축의 반시계 방향으로 플롯	plt.pie(     x,     explode=None,     labels=None,     colors=None,     autopct=None,     pctdistance=0.6,     shadow=False,     labeldistance=1.1,     startangle=0,     radius=1,     counterclock=True,     wedgeprops=None,     textprops=None,     center=(0, 0),     frame=False,     rotatelabels=False,     *,     normalize=None,     data=None, )	x - 부채꼴 크기를 지정   (1D 유사배열 타입) explode [기본값 : None] - 부채꼴이 파이 차트의 중심에서    벗어나는 정도를 설정   (유사배열 타입 ) labels [기본값 : None] - 각 부채꼴의 레이블을 설정  colors [기본값 : None] - 파이 차트의 각 부채꼴이 지니는   일련의 색상을 설정    (유사배열 타입) autopct [기본값 : None]  - 부채꼴 레이블이 표시될    타입의 형식을 지정    (None || str || callable 타입 ) startangle [기본값 : 0] - 파이의 시작 부분이 회전하는    x축 각도 설정(반시계 방향 이동)

 

① 지역별 남/녀 인구 분포 데이터를 파이차트로 시각화

# 파이 차트 사용 예제 
import matplotlib.pyplot as plt

size = [2441, 2312, 1031, 1233]           # 파이 차트에 시각화할 리스트 생성
color = ['darkmagenta', 'deeppink', 'hotpink', 'pink']  # 각 레이블의 색상 설정
label = ['A형','B형','AB형', 'O형']       # 부채꼴 영역의 이름 설정

plt.axis('equal') # plt.axis() : 축 속성 설정,  *equal* : 동일 스케일링 설정(원형 상태 유지)
plt.rc('font', family = 'Malgun Gothic')  # 차트 폰트 설정
plt.pie(size, labels = label, autopct = '%.1f%%', colors=color, explode = (0,0,0.1,0))
plt.legend() # 범례 표시
plt.show()

혈액형 별 분포도 확인(파이 차트)

 

 

② matplotlib 라이브러리에서 제공하는 mcolors 색상 정보 확인 예제

# matplotlib 라이브러리에서 제공하는 mcolors의 색상 정보 확인 예제
import matplotlib.pyplot as plt
from matplotlib import colors as mcolors

colors = dict(mcolors.BASE_COLORS, **mcolors.CSS4_COLORS)

# Sort colors by hue, saturation, value and name.
by_hsv = sorted((tuple(mcolors.rgb_to_hsv(mcolors.to_rgba(color)[:3])), name)
                for name, color in colors.items())
sorted_names = [name for hsv, name in by_hsv]

n = len(sorted_names)
ncols = 4
nrows = n // ncols

fig, ax = plt.subplots(figsize=(9, 8), dpi = 300)

# Get height and width
X, Y = fig.get_dpi() * fig.get_size_inches()
h = Y / (nrows + 1)
w = X / ncols

for i, name in enumerate(sorted_names):
    row = i % nrows
    col = i // nrows
    y = Y - (row * h) - h

    xi_line = w * (col + 0.05)
    xf_line = w * (col + 0.25)
    xi_text = w * (col + 0.3)

    ax.text(xi_text, y, name, fontsize=(10),
            horizontalalignment='left',
            verticalalignment='center')

    ax.hlines(y + h * 0.1, xi_line, xf_line,
              color=colors[name], linewidth=(6))

ax.set_xlim(0, X)
ax.set_ylim(0, Y)
ax.set_axis_off()

fig.subplots_adjust(left=0, right=1,
                    top=1, bottom=0,
                    hspace=0, wspace=0)
plt.show()

matplotlib에서 지원하는 mcolors 목록

 

 

③ 특정 지역의 남/녀 성비 파이 차트를 통한 시각화 예제

# 지역의 이름을 전달받아 남녀의 성비를 pie chart로 시각화하는 예제
import csv
import matplotlib.pyplot as plt

f = open('gender.csv')
data = csv.reader(f)
size = []

name = input('찾고 싶은 지역의 이름을 알려주세요 : ')
for row in data :
    if name in row[0] :
        m = 0  # 지역별 총 남성 인구를 저장할 변수
        f = 0  # 지역별 총 여성 인구를 저장할 변수
        for i in range(101) :
            m += int(row[i+3])   # 지역별 남성의 0~100세 인구 데이터의 합을 m에 저장
            f += int(row[i+106]) # 지역별 여성의 0~100세 인구 데이터의 합을 f에 저장 
        break
        
# 특정 지역의 남성 총 인구를 size[0], 여성 총 인구를 size[1] 리스트에 삽입
size.append(m)
size.append(f)

plt.rc('font', family ='Malgun Gothic') # 폰트 지정
color = ['crimson', 'darkcyan']         # 색상 지정
plt.axis('equal')                       # 축 지정
# 파이 차트 시작 부분이 회전하는 축 지정(반시계 방향 이동) [default : 0(3시 방향)]
plt.pie(size, labels = ['남','여'], autopct ='%.1f%%', colors = color, startangle = 90)
plt.title(name + ' 지역의 남녀 성별 비율')
plt.show()

############ [실행 결과] ############
찾고 싶은 지역의 이름을 알려주세요 : 제주특별자치도

제주특별자치도 남/녀 성별 비율 시각화

 

 

 

④ 꺾은선 그래프를 사용하여 세부 요소 비교 예제

# 특정 지역의 연령별 남/녀 성별 비율 꺾은선 그래프를 활용해 시각화
import csv
import matplotlib.pyplot as plt

f = open('gender.csv')
data = csv.reader(f)
m = []
f = []

name = input('궁금한 동네를 입력해주세요 : ')
for row in data :
    if name in row[0] :
        for i in range(3,104) : 
            m.append(int(row[i]))
            f.append(int(row[i+103]))        
        break

plt.style.use('seaborn')
plt.rc('font', family = 'Malgun Gothic')
plt.plot(m, label = 'Male')
plt.plot(f, label = 'Female')
plt.legend()
plt.title(name + ' 지역의 남녀 성별 비율')
#plt.figure(figsize=(6, 8), dpi=300)
plt.show()

############ [실행 결과] ############
궁금한 동네를 입력해주세요 : 제주특별자치도

꺾은선 그래프를 통한 지역별 남/녀 연령별 인구 차트

 

 

⑤ 막대 그래프를 사용하여 세부 요소 비교 예제

# 지역별 남녀 인구 차이 시각화를 막대 그래프를 활용
import csv
import matplotlib.pyplot as plt

f = open('gender.csv')
data = csv.reader(f)
result = []

name = input('궁금한 동네를 입력해주세요 : ')
for row in data :
    if name in row[0] :
        for i in range(3,104) : 
            # 각 연령별 남성 데이터 - 여성 데이터의 결과 값을 리스트에 저장함으로
            # 양수 값 : 여성에 비해 남성의 인구가 절대값 만큼 많다는 결과 도출,
            # 음수 값 : 남성에 비해 여성의 인구가 절대값 만큼 많다는 결과 도출
            result.append(int(row[i]) - int(row[i+103]))
        break

plt.rcParams['axes.unicode_minus'] = False
plt.rc('font', family = 'Malgun Gothic')
plt.title(name + ' 지역의 남녀 성별 비율')
plt.bar(range(101), result)
plt.show()

############ [실행 결과] ############
궁금한 동네를 입력해주세요 : 제주특별자치도

막대 그래프를 통한 지역별 남/녀 연령별 인구 차트

 

 

데이터의 비교 기준에 따라 다른 차트를 활용

총 인구수와 같은 데이터를 비교할 때 시각적으로 파이차트가 편리하지만

남/녀 연령별 데이터와 같은 세분화된 지표를 비교할 시 꺾은선 그래프, 막대 그래프 등이 용이함

 

 

 

 

[ 산점도 차트를 활용한 데이터 시각화 예제 ]

function	Description	Syntax	Parameters
matplot.lib.pyplot.scatter()	- 다양한 마커 크기 및 색상을 가진    y 대 x의 산점도 그래프 생성 - 데이터간 상관 관계 파악에 용이 - 산점도 그래프의 마커 크기를   조절한 차트를 버블 차트라 함	plt.scatter(     x,     y,     s=None,     c=None,     marker=None,     cmap=None,     norm=None,     vmin=None,     vmax=None,     alpha=None,     linewidths=None,     *,     edgecolors=None,     plotnonfinite=False,     data=None,     **kwargs, )	x, y - 데이터 위치 표시   (실수 || 유사배열 타입) s [기본값 : None] - 마커의 크기 지정   (실수 || 유사배열 타입) c [기본값 : None] - 마커 색상 지정   (유사배열 || 색상목록) marker  - 마커 스타일 지정 cmap [기본값 : rc:`image.cmap`]  - colormap 인스턴스 또는 등록된    colormap 이름을 통해 설정  - c가 실수형 배열인 경우 가능 (str || `~matplotlib.colors.Colormap` 타입) alpha [기본값 : 0] - 마커의 투명도 지정

 

 

① 산점도 그래프 사용 예제 

import matplotlib.pyplot as plt

plt.style.use('ggplot')
# x, y : 데이터 위치 표시
x = [1, 2, 3, 4]
y = [10, 30, 20, 40]

# s : 마커의 크기 지정 (points**2)
size = [100, 300, 200, 400]

# c : 마커의 색상 지정 
colors = ['red','blue','green','gold']

plt.scatter(x, y, s = size, c = colors)
plt.colorbar()
plt.show()

산점도 분포 예제

 

 

② 특정 지역에 대한  인구 산포도 시각화 예제 (1)

import csv
import matplotlib.pyplot as plt

f = open('gender.csv')
data = csv.reader(f)
m = []
f = []

name = input('궁금한 동네를 입력해주세요 : ')
for row in data :
    if name in row[0] :
        for i in range(3,104) : 
            m.append(int(row[i]))
            f.append(int(row[i+103]))
        break

plt.style.use('ggplot')
# 마커의 색상 범위 지정 후 colormap을 적용 시키면 
# 연령별 인구 분포 정도를 측정하기 용이
plt.scatter(x=m, y=f, c=range(101), alpha=0.7, cmap='Accent', marker='x')
plt.colorbar()
# 추세선을 기준으로 y축에 가까울 수록 여성의 인구가 많고,
# x축에 가까울수록 남성의 인구가 많은 것을 확인 가능 
plt.plot(range(max(m)), range(max(m)), color='black', alpha=0.2) # 추세선(기준이 되는 선) 추가 
plt.show()

############ [실행 결과] ############
궁금한 동네를 입력해주세요 : 제주특별자치도

산점도 분포 정도를 추세선을 활용하여 확인

 

 

③ 특정 지역에 대한  인구 산포도 시각화 예제 (2)

import csv
import math
import matplotlib.pyplot as plt

f = open('gender.csv')
data = csv.reader(f)
m = []
f = []
size = []

name = input('궁금한 동네를 입력해주세요 : ')
for row in data :
    if name in row[0] :
        for i in range(3,104) : 
            m.append(int(row[i]))
            f.append(int(row[i+103]))
            size.append(math.sqrt(int(row[i]) + int(row[i+103])))
        break

plt.style.use('ggplot')
plt.rc('font',family='Malgun Gothic')
plt.figure(figsize = (10,5), dpi=300)            
plt.title(name+' 지역의 성별 인구 그래프')
plt.scatter(m, f, s = size, c = range(101), alpha=0.5, cmap='jet')
plt.colorbar()
plt.plot(range(max(m)),range(max(m)), 'g')
plt.xlabel('남성 인구 수')
plt.ylabel('여성 인구 수')
plt.show()

############ [실행 결과] ############
궁금한 동네를 입력해주세요 : 제주특별자치도

특정 지역의 성별 인구 그래프 확인