Seaborn은 파이썬의 시각화 라이브러리로, Matplotlib을 기반으로한 고급 플롯을 생성하는 데 사용됩니다. 이 블로그 포스트에서는 Seaborn을 사용하여 고급 플롯을 만드는 방법에 대해 알아보겠습니다.
1. Seaborn 설치하기
Seaborn을 사용하기 위해서는 먼저 설치해야 합니다. 터미널에서 아래 명령어를 사용하여 Seaborn을 설치할 수 있습니다.
pip install seaborn
2. 데이터 불러오기
Seaborn은 기본적으로 제공되는 데이터셋을 활용하여 플롯을 만들 수 있습니다. 예를 들어, ‘tips’ 데이터셋을 사용하여 식당 고객들의 팁에 대한 정보를 시각화해보겠습니다.
import seaborn as sns
# 데이터셋 불러오기
tips = sns.load_dataset('tips')
3. 산점도 플롯
데이터의 상관관계를 시각화하기 위해 산점도 플롯을 사용할 수 있습니다. Seaborn의 scatterplot
함수를 사용하여 산점도 플롯을 만들 수 있습니다.
import seaborn as sns
import matplotlib.pyplot as plt
# 산점도 플롯 생성
sns.scatterplot(x='total_bill', y='tip', data=tips)
# 그래프 제목 설정
plt.title('Total Bill vs Tip')
# 그래프 출력
plt.show()
4. 바 그래프
카테고리별 데이터를 시각화하기 위해 바 그래프를 사용할 수 있습니다. Seaborn의 barplot
함수를 사용하여 바 그래프를 만들 수 있습니다.
import seaborn as sns
import matplotlib.pyplot as plt
# 바 그래프 생성
sns.barplot(x='day', y='total_bill', data=tips)
# 그래프 제목 설정
plt.title('Total Bill by Day')
# 그래프 출력
plt.show()
5. 상자 그림
데이터의 분포를 시각화하기 위해 상자 그림을 사용할 수 있습니다. Seaborn의 boxplot
함수를 사용하여 상자 그림을 만들 수 있습니다.
import seaborn as sns
import matplotlib.pyplot as plt
# 상자 그림 생성
sns.boxplot(x='day', y='total_bill', data=tips)
# 그래프 제목 설정
plt.title('Total Bill by Day')
# 그래프 출력
plt.show()
6. 히트맵
데이터의 상관관계를 시각화하기 위해 히트맵을 사용할 수 있습니다. Seaborn의 heatmap
함수를 사용하여 히트맵을 만들 수 있습니다.
import seaborn as sns
import matplotlib.pyplot as plt
# 상관관계 행렬 생성
correlation = tips.corr()
# 히트맵 생성
sns.heatmap(correlation, annot=True)
# 그래프 제목 설정
plt.title('Correlation Heatmap')
# 그래프 출력
plt.show()
결론
이 글에서는 Seaborn을 사용하여 고급 플롯을 만드는 방법에 대해 알아보았습니다. Seaborn은 다양한 유형의 플롯을 간편하게 생성할 수 있는 강력한 도구입니다. 자신의 데이터에 맞는 플롯을 생성하여 데이터의 특징을 시각적으로 파악해보세요.
#Seaborn #데이터시각화