Seaborn은 데이터 시각화를 돕는 대표적인 파이썬 라이브러리로, 세련된 커스텀 테마와 고수준 인터페이스를 제공합니다.
기본 플롯에서는 전체 데이터셋을 그래프 위에 그리는 반면, 막대그래프(bar plot)를 활용하면 데이터 분포의 중심 경향을 한눈에 파악할 수 있습니다.
barplot 함수는 범주형 변수와 연속형 변수 사이의 관계를 나타냅니다. 데이터는 직사각형 막대 형태로 표현되며, 막대의 길이가 해당 범주에 속한 데이터의 비율을 의미합니다.
countplot은 barplot의 특수한 형태입니다. 두 번째 변수의 통계값을 계산하는 대신, 데이터 자체를 기준으로 각 범주별 관측치 개수를 그대로 보여줍니다.
이제 'titanic' 데이터셋을 예제로 countplot의 사용법을 자세히 살펴보겠습니다.
예제 코드
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('titanic')
sb.countplot(x = "class", data = my_df, palette = "Blues");
plt.show()출력 결과
코드 설명
- pandas, seaborn, matplotlib 등 필요한 패키지들을 임포트합니다.
- 입력 데이터는 seaborn 라이브러리에서 제공하는 'titanic' 데이터셋입니다.
- 'load_dataset' 함수를 사용해 타이타닉 데이터를 불러온 후, 데이터프레임(my_df)에 저장합니다.
- 'countplot' 함수를 호출하여 데이터를 시각화하며, 이때 데이터프레임이 data 매개변수로 전달됩니다.
- x 매개변수에 'class'(객실 등급) 열을 지정하여 x축 기준으로 범주별 빈도를 표시합니다.
- palette 매개변수에 'Blues'를 지정하여 파란색 계열의 색상 팔레트를 적용하고 시각적 가독성을 높입니다.
- 마지막으로 plt.show() 함수를 호출하여 완성된 그래프를 화면에 출력합니다.
실행 결과, 타이타닉호 승객들의 객실 등급(First, Second, Third)별 승객 수가 막대그래프로 표시되어 각 범주에 몇 명의 관측치가 있는지 직관적으로 확인할 수 있습니다. countplot은 이처럼 범주형 데이터의 분포를 빠르게 파악할 때 매우 유용한 도구입니다.