Seaborn jointplot으로 Python에서 커널 밀도 추정(KDE) 플롯 그리기

Seaborn은 데이터 시각화를 돕는 파이썬 라이브러리로, 다양한 커스텀 테마와 고수준 인터페이스를 제공하여 손쉽게 아름다운 그래프를 만들 수 있습니다.

커널 밀도 추정(KDE)이란?

커널 밀도 추정(Kernel Density Estimation, KDE)은 연속형 확률 변수의 확률 밀도 함수를 추정하는 방법입니다. 이 기법은 주로 비모수(non-parametric) 데이터 분석에 활용됩니다. Seaborn의 jointplot 함수에서 kind 인자를 'kde'로 설정하면 커널 밀도 추정 플롯을 그릴 수 있습니다.

이제 jointplot 함수를 사용해 Python에서 커널 밀도 추정 플롯을 그리는 방법을 살펴보겠습니다.

예제 코드

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt

my_df = sb.load_dataset('iris')
sb.jointplot(x = 'petal_length', y = 'petal_width', data = my_df, kind = 'kde')
plt.show()

실행 결과

코드 설명

• 필요한 패키지들을 먼저 임포트합니다. pandas, seaborn, matplotlib이 사용됩니다.

• Seaborn의 load_dataset 함수를 사용해 'iris' 데이터셋을 불러옵니다.

• 불러온 데이터는 데이터프레임 형태로 저장됩니다.

• jointplot 함수를 사용해 데이터를 시각화합니다.

• x축에는 'petal_length'(꽃잎 길이), y축에는 'petal_width'(꽃잎 너비) 값을 각각 지정합니다.

• kind 매개변수를 'kde'로 설정하면, 플롯이 커널 밀도 추정 그래프를 그리도록 동작합니다.

• 최종적으로 생성된 커널 밀도 추정 플롯이 화면에 출력됩니다.

이렇게 생성된 KDE 플롯은 두 변수 간의 관계를 등고선 형태의 밀도 분포로 보여주며, 산점도보다 데이터가 집중된 영역을 직관적으로 파악할 수 있다는 장점이 있습니다.