Seaborn의 막대 그래프(Bar Plot)는 점 추정치(point estimate)와 신뢰 구간(confidence interval)을 사각형 막대 형태로 시각화하는 데 사용되는 강력한 도구입니다. 이를 위해 seaborn.barplot() 함수를 활용하며, 카테고리별 평균값 비교나 통계적 분석 결과를 한눈에 파악할 수 있도록 도와줍니다.
1. 필요한 라이브러리 임포트
먼저 시각화와 데이터 처리에 필요한 세 가지 라이브러리를 임포트합니다.
import seaborn as sb import pandas as pd import matplotlib.pyplot as plt
- seaborn : 통계 기반 데이터 시각화 라이브러리
- pandas : CSV 파일 등 외부 데이터를 다루는 데이터 분석 라이브러리
- matplotlib : 그래프의 라벨 지정 및 화면 출력을 담당하는 라이브러리
2. CSV 파일 데이터 불러오기
다음과 같이 CSV 파일 형태의 데이터셋(Cricketers.csv)이 있다고 가정해 보겠습니다. pd.read_csv() 함수를 사용해 CSV 파일의 데이터를 Pandas DataFrame으로 불러옵니다.
dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\Cricketers.csv")3. Height 열로 막대 그래프 그리기
이제 크리켓 선수들의 키(Height) 데이터를 담고 있는 열을 x축으로 지정하여 막대 그래프를 그려보겠습니다.
sb.barplot(x=dataFrame["Height"])
전체 예제 코드
지금까지의 과정을 하나로 합친 전체 코드는 다음과 같습니다.
import seaborn as sb
import pandas as pd
import matplotlib.pyplot as plt
# CSV 파일에서 데이터를 불러와 Pandas DataFrame에 저장
dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\Cricketers.csv")
# Height 열을 사용하여 막대 그래프 그리기
sb.barplot(x=dataFrame["Height"])
# x축 라벨 설정
plt.xlabel("Height (inches)")
# 그래프 화면에 출력
plt.show()실행 결과
위 코드를 실행하면 선수들의 키 분포가 막대 형태로 시각화된 그래프가 출력됩니다. 각 막대는 해당 구간의 점 추정치를 나타내며, 막대 상단에 표시된 검은 선은 신뢰 구간을 의미합니다.
참고: 자주 사용되는 barplot() 주요 매개변수
- x, y : 각각 x축과 y축에 배치할 데이터(열)를 지정합니다.
- hue : 추가적인 카테고리 기준으로 막대를 나누어 색상별로 비교할 수 있습니다.
- ci : 신뢰 구간의 크기를 조절합니다(기본값 95).
- palette : 막대의 색상 테마를 지정합니다.
이처럼 Seaborn의 barplot()을 활용하면 몇 줄의 코드만으로도 데이터의 통계적 특징을 직관적으로 표현할 수 있습니다.