Seaborn은 데이터 시각화를 손쉽게 도와주는 파이썬 라이브러리로, 세련되게 커스터마이징된 테마와 고수준(high-level) 인터페이스를 기본으로 제공합니다.
일반적인 플롯에서는 데이터셋 전체를 그래프 위에 그리는 경우가 많습니다. 반면 막대 플롯(bar plot)을 활용하면 데이터 분포의 중심 경향(central tendency)을 한눈에 파악할 수 있다는 장점이 있습니다.
Seaborn의 barplot 함수는 범주형 변수와 연속형 변수 사이의 관계를 나타내는 데 사용됩니다. 데이터는 직사각형 막대 형태로 표현되며, 각 막대의 길이는 해당 범주에 속한 데이터 값의 크기를 의미합니다. 또한 막대 위에 표시되는 검은색 오차 막대(error bar)를 통해 추정값의 신뢰 구간도 함께 확인할 수 있습니다.
그럼 'titanic' 데이터셋을 예제로 삼아 막대 플롯을 어떻게 그리는지 살펴보겠습니다.
예제 코드
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('titanic')
sb.barplot(x = "sex", y = "survived", hue = "class", data = my_df)
plt.show()실행 결과
코드 설명
- 먼저 pandas, seaborn, matplotlib 등 필요한 패키지들을 임포트합니다.
- 입력 데이터는 seaborn 라이브러리에 내장된 'titanic' 데이터셋입니다.
load_dataset함수를 호출하여 titanic 데이터를 불러오고, 이를 데이터프레임(my_df)에 저장합니다.barplot함수를 사용해 데이터를 시각화하며, 이때 데이터프레임이data매개변수로 전달됩니다.- x축에는 성별(sex), y축에는 생존 여부(survived)를 지정하여 성별에 따른 생존률을 비교합니다.
hue매개변수에 객실 등급(class)을 지정하면, 같은 성별 내에서도 등급별 생존률을 색상으로 구분해 볼 수 있습니다.- 마지막으로
plt.show()를 호출하면 완성된 그래프가 화면에 출력됩니다.
이처럼 Seaborn의 막대 플롯은 범주형 데이터 간의 평균값 차이를 직관적으로 비교할 때 매우 유용합니다. hue, palette, ci 등 다양한 옵션을 조합하면 더욱 풍부하고 가독성 높은 시각화 결과를 얻을 수 있습니다.