Seaborn은 파이썬의 데이터 시각화 라이브러리로, 아름답고 효과적인 시각화를 위해 Matplotlib을 기반으로 만들어졌습니다. 이번 블로그 포스트에서는 Seaborn을 사용하여 전력 수요 예측 결과를 시각화하는 방법을 알아보겠습니다.
1. 데이터 불러오기
먼저 전력 수요 예측에 필요한 데이터를 불러와야 합니다. 예를 들어, 24시간 동안의 시간별 전력 수요 데이터를 가지고 있다고 가정해 봅시다. 데이터를 불러오기 위해 Pandas 라이브러리를 사용할 수 있습니다.
import pandas as pd
data = pd.read_csv('power_demand.csv')
2. 데이터 시각화
이제 데이터를 시각화하기 위해 Seaborn을 사용해보겠습니다. Seaborn에는 다양한 종류의 그래프를 그릴 수 있는 함수들이 제공됩니다. 예를 들어, 전력 수요 데이터를 시간별로 선 그래프로 표현하고 싶다면 lineplot 함수를 사용할 수 있습니다.
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="darkgrid")
plt.figure(figsize=(12, 6))
sns.lineplot(x='time', y='demand', data=data)
plt.xlabel('Time')
plt.ylabel('Demand')
plt.title('Power Demand by Time')
plt.show()
이 코드는 ‘time’ 열을 x 값으로, ‘demand’ 열을 y 값으로 지정하여 선 그래프를 그립니다. 그래프의 스타일을 darkgrid로 설정하고, 그래프의 크기를 figsize 파라미터로 조정합니다. X축과 Y축의 라벨, 그리고 그래프의 제목을 추가합니다. 마지막으로 show 함수를 호출하여 그래프를 화면에 표시합니다.
3. 추가적인 시각화 옵션
Seaborn은 다양한 시각화 옵션을 제공하여 그래프를 더욱 깔끔하고 효과적으로 만들 수 있습니다. 예를 들어, 그룹별로 다른 색상을 사용하여 전력 수요를 시간별로 비교하고 싶다면 hue 파라미터를 활용할 수 있습니다.
plt.figure(figsize=(12, 6))
sns.lineplot(x='time', y='demand', hue='day', data=data)
plt.xlabel('Time')
plt.ylabel('Demand')
plt.title('Power Demand by Time (Grouped by Day)')
plt.show()
위 코드에서는 ‘day’ 열을 hue 파라미터로 지정하여 그룹별로 다른 색상으로 선 그래프를 그립니다. 이를 통해 각 날짜마다 전력 수요의 패턴을 시각적으로 파악할 수 있습니다.
4. 마무리
Seaborn을 사용하면 전력 수요 예측 결과를 쉽게 시각화할 수 있습니다. 위 예제에서는 선 그래프를 사용하였지만, Seaborn에는 막대 그래프, 히스토그램, 산점도 그래프 등 다양한 그래프를 그릴 수 있는 기능들이 있습니다.
더 많은 Seaborn 시각화 기능을 알고 싶다면 Seaborn 공식 문서를 참고해보세요.
#Seaborn #데이터시각화
References: