Seaborn은 데이터 시각화를 돕는 파이썬 라이브러리입니다. 이 인터페이스를 활용하면 데이터의 종류와 필터 적용 시 데이터가 어떻게 반응하는지 손쉽게 제어하고 커스터마이징할 수 있습니다.
막대 그래프(bar plot)를 사용하면 데이터 분포의 중심 경향(central tendency)을 파악할 수 있습니다. barplot 함수는 범주형 변수(categorical variable)와 연속형 변수(continuous variable) 사이의 관계를 나타내며, 각 막대의 길이가 해당 범주에 속한 데이터의 비중을 의미합니다.
포인트 플롯이란?
포인트 플롯(point plot)은 막대 그래프와 유사하지만, 막대를 채우는 대신 추정된 값(estimation)을 다른 축의 특정 높이에 점(point)으로 표시합니다. 이를 통해 여러 범주 간의 비교를 더욱 직관적으로 확인할 수 있습니다.
다음은 Seaborn으로 포인트 플롯을 그리는 예제입니다.
예제 코드
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('titanic')
sb.pointplot(x = "sex", y = "survived", hue = "class", data = my_df)
plt.show()실행 결과
코드 설명
- 필요한 패키지(pandas, seaborn, matplotlib)를 임포트합니다.
- Seaborn 라이브러리에서 'titanic' 데이터셋을 불러옵니다.
- 불러온 데이터는 데이터프레임(dataframe) 형태로 저장됩니다.
- 'pointplot' 함수를 사용해 데이터를 시각화하며, x축에는 'sex'(성별), y축에는 'survived'(생존 여부) 값을 지정합니다.
- hue 매개변수에 'class'를 지정하여 객실 등급별로 생존률 차이를 색상으로 구분해 표시합니다.
- 데이터프레임은 'data' 매개변수로 전달되며, 최종 결과는 plt.show()를 통해 콘솔 화면에 출력됩니다.
이처럼 Seaborn의 pointplot 함수를 활용하면 복잡한 통계 관계도 몇 줄의 코드로 명확하게 시각화할 수 있습니다.