이번에는 Matplotlib를 사용하여 데이터의 분포를 시각화하는 방법에 대해 알아보겠습니다. 특히, 히스토그램과 KDE(Kernel Density Estimation) 플롯을 그려보겠습니다. 이러한 플롯은 데이터의 분포를 시각적으로 파악하는 데 도움이 되므로 데이터 분석 및 시각화 작업에서 매우 유용합니다.
1. 필요한 라이브러리 설치
먼저 필요한 라이브러리를 설치해야 합니다. 아래 명령을 사용하여 Matplotlib와 NumPy를 설치합니다.
pip install matplotlib numpy
2. 데이터 준비
시각화할 데이터가 필요합니다. 이 예시에서는 NumPy를 사용하여 임의의 데이터를 생성하겠습니다.
import numpy as np
# 임의의 데이터 생성
data = np.random.randn(1000)
3. 히스토그램 그리기
Matplotlib의 hist 함수를 사용하여 히스토그램을 그릴 수 있습니다. 히스토그램은 데이터를 구간(빈(bin))으로 나누어 각 구간에 속한 값의 개수를 막대로 나타내는 그래프입니다.
import matplotlib.pyplot as plt
# 히스토그램 그리기
plt.hist(data, bins=30, color='skyblue', edgecolor='gray')
# 그래프 제목 설정
plt.title('Histogram')
# 축 레이블 설정
plt.xlabel('Value')
plt.ylabel('Frequency')
# 그래프 출력
plt.show()
위 코드에서 bins 인수는 구간(bin)의 개수를 설정합니다. color와 edgecolor는 각각 막대의 색상과 테두리 색상을 지정합니다.
4. KDE 플롯 그리기
이제 KDE(Kernel Density Estimation) 플롯을 그려보겠습니다. KDE 플롯은 데이터의 분포를 부드러운 곡선으로 나타내는 그래프입니다.
import seaborn as sns
# KDE 플롯 그리기
sns.kdeplot(data, color='skyblue')
# 그래프 제목 설정
plt.title('KDE Plot')
# 축 레이블 설정
plt.xlabel('Value')
plt.ylabel('Density')
# 그래프 출력
plt.show()
위 코드에서는 Seaborn 라이브러리의 kdeplot 함수를 사용하여 KDE 플롯을 그립니다. color 인수로 곡선의 색상을 설정할 수 있습니다.
이제 Matplotlib로 히스토그램과 KDE 플롯을 그리는 방법에 대해 알아보았습니다. 이러한 그래프를 사용하여 데이터의 분포를 시각화하면 데이터 분석 및 모델링 작업에서 유용한 정보를 얻을 수 있습니다.