[python] 내장 그래프 2 (boxplot, barplot)

 

boxplot, barplot

 

 

데이터 불러오기

import pandas as pd
import matplotlib.pyplot as plt
pd.set_option('display.max_rows', 80)
pd.set_option('display.max_columns', 999999)
plt.style.use('ggplot')

## 상자그림
from sklearn.datasets import load_iris # iris 데이터 제공 라이브러리
 
iris = load_iris()
 
iris_df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
iris_df['target'] = iris.target
iris_df['target'] = iris_df['target'].map({0:"setosa", 1:"versicolor", 2:"virginica"})
iris_df.columns = ['sepal_length','sepal_width','petal_length', 'petal_width','target']

iris_df

 

 

 

상자 그림 (boxplot)

• 데이터프레임_객체.plot(kind='box', figsize(n,m))

 

모든 변수에 대해서 상자 그림을 보고 싶을 때, 데이터프레임에 바로 plot() 메소드를 적요하면 된다.

iris_df.plot(kind='box', figsize = (10,8))

 

모든 변수에 대한 상자그림

 

원하는 변수만 상자그림을 통해서 확인하고 싶다면 해당 변수 뒤에만 .plot()을 적용하면 된다.

 

iris_df[['sepal_width','petal_length']].plot(kind='box', figsize = (10,6))

 

두 개의 변수만 상자그림으로 확인

 

막대그래프

• 데이터프레임_객체.plot(kind='bar', rot=k, figsize=(n,m))
• 데이터프레임_객체.plot.bar()

 

연속형 변수와 범주형 변수가 모두 들어있는 데이터에서 막대그래프를 통해 수치를 확인하기 위해서는 그룹화를 한 뒤 그려야 한다. 데이터프레임 객체에 바로 plot() 메소드를 적용하면 원하는 결과가 나오지 않을 수 있다.

 

데이터 프레임에다가 바로 plot.bar()를 적용하면 인덱스 별로 변수의 수치를 보여준다.

 

iris_df.plot(kind='bar', rot=0, figsize = (12,6))

 

이와 같이 인덱스 별로 4개 변수에 대한 수치가 나온다.

 

맨 처음 20개의 sepal_width, petal_length 보기

iris_df[["sepal_width","petal_length"]][:20].plot(kind='bar', rot=0, figsize=(10,5))
plt.title("width & length eda")
plt.xlabel("Data")
plt.ylabel("width & length")
plt.show()

 

 

iris_df[['sepal_length', 'sepal_width', 'petal_length', 'petal_width']][:20].plot.bar(rot=0, figsize=(10,5))
plt.title("Iris Bar Plot")
plt.xlabel("Data")
plt.ylabel("Feature")
plt.ylim(0, 7)
plt.show()

 

.plot.bar()도 똑같은 결과를 도출

 

iris_df에 ID 변수를 추가한 뒤, .plot.bar()에서 x축을 지정하는 방법을 살펴보자. 

이후 target 꽃의 종류 별로 연속형 변수인 예측 변수들이 어떤 차이가 있는지 확인해보자.

## 기존의 인덱스를 사용하여 ID 변수 임의로 생성
iris_df = iris_df.reset_index().rename(columns = {'index':'ID'})
iris_df.ID = iris_df.ID+100
iris_df.head()

 

ID 변수 생성

 

x축에 ID를 두고 y축에 원하는 변수만 넣어서 20개의 관측치의 특징을 살펴보자

iris_df[:20].plot.bar(x = 'ID', y =['sepal_length','sepal_width'] ,rot=45, figsize=(10,5))
plt.title("Iris Bar Plot")
plt.xlabel("ID")
plt.ylabel("sepal_length & sepal_width")
plt.ylim(0, 7)
plt.show()

 

x축과 y축에 원하는 변수를 설정하여 bar 그리기

 

 

막대그래프 2 (그룹화 이후 그리기)

결과 변수는 3개의 범주를 가지고 있다. 

각 수준 별로 연속형 변수들의 (length와 width) 평균 혹은 중앙값, 분산 등의 차이를 확인하고 싶다면 그룹별 축약한 데이터 프레임을 사용해서 그래프를 그려야 한다.

 

타겟별 연속형 변수들의 평균

## ID는 제외
iris_df.loc[:,"sepal_length":].groupby('target').mean()
df1 = iris_df.loc[:,"sepal_length":].groupby('target').mean()
df1.head()

 

 

target 별로 연속형 변수들의 평균 확인

index는 setosa, versicolor, virginica가 되고 변수는 총 4개가 된다.

 

groupby()의 agg를 바꾸면 평균 말고 다른 함수를 적용할 수 있다.

 

## ID는 제외
iris_df.loc[:,"sepal_length":].groupby('target').mean().T
df2 = iris_df.loc[:,"sepal_length":].groupby('target').mean().T
df2.head()

 

 

이전의 groupy의 행과 열을 바꾼 것

index는 sepal_length, sepal_width, petal_length, petal_width가 되고 변수는 총 3개가 된다.

 

 

## 그룹분석 결과 시각화 : df1
df1.plot.bar(rot=0, figsize=(10,6))
plt.title("df1 : Feature mean")
plt.xlabel("Mean")
plt.ylabel("target")
plt.ylim(0, 8)
plt.show()

 

인덱스가 target, 열이 꽃의 특징들

 

df2 시각화

## 그룹분석 결과 시각화 : df2
df2.plot.bar(rot=0, figsize=(10,6))
plt.title("df2 : Feature mean")
plt.xlabel("Mean")
plt.ylabel("target")
plt.ylim(0, 8)
plt.show()

 

인덱스가 꽃의 특징들 (4개), 열이 target (꽃의 종류)

 

 

color 추가하기

## color를 사용하여 색 입히기
df2.plot.bar(rot=0, figsize=(10,6), color=['skyblue','violet', 'darkslateblue'])
plt.show()

 

추가적으로 상자 그림의 축을 y로 두려면 kind = 'barh'로 하면 된다.

 

 

 

barh를 통해 가로로 그리기

 

kind = 'barh' 옵션을 넣으면 y축이 기준이 되도록 그림을 그릴 수 있다.

이 경우에 유의해야 할 점을 알아보자.

## df2 가로로 그리기
df2.plot(kind = 'barh', rot=0, figsize=(10,6), color=['skyblue','slateblue', 'darkslateblue'])
plt.ylim(0, 8)
plt.show()

 

 

위의 절반 정도가 비어있는 것이 보인다.

이는 plt.ylim(0,8)으로 y축의 범위를 8칸으로 정하였기 때문이다.

y축에 들어갈 변수가 4개가 있는데 칸은 8개이다 보니 이상하게 그려지는 것이다.

 

## df2 가로로 그리기
df2.plot(kind = 'barh', rot=0, figsize=(10,6), color=['skyblue','slateblue', 'darkslateblue'])
plt.show()

 

 

plt.ylim()을 제거해주면 제대로 그릴 수 있다.