데이터 시각화는 데이터 분석에서 매우 중요한 단계입니다. 복잡한 계산을 수행하거나 수많은 숫자를 일일이 살펴보지 않아도, 시각화를 통해 데이터 안에 숨겨진 패턴과 흐름을 직관적으로 파악할 수 있기 때문입니다. 또한 정량적인 인사이트를 청중에게 효과적으로 전달하는 데에도 큰 도움이 됩니다.
Seaborn은 이러한 데이터 시각화를 손쉽게 구현할 수 있도록 도와주는 파이썬 라이브러리입니다. matplotlib을 기반으로 하며, 세련되게 디자인된 기본 테마와 고수준(high-level) 인터페이스를 제공해 몇 줄의 코드만으로도 아름다운 그래프를 만들 수 있습니다.
Seaborn으로 히스토그램 표시하기
다음은 Seaborn을 사용하여 파이썬에서 히스토그램을 출력하는 예제입니다.
예제 코드
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.distplot(df['petal_length'], kde=False)
plt.show()실행 결과
코드 설명
- 패키지 임포트: pandas, seaborn, matplotlib.pyplot 등 필요한 라이브러리를 먼저 불러옵니다.
- 데이터 로드:
load_dataset함수를 사용하여 Seaborn에 내장된 'iris' 데이터셋을 불러옵니다. - 시각화:
distplot함수를 사용해 'petal_length'(꽃잎 길이) 열의 데이터를 시각화합니다. - kde=False 설정: kde(커널 밀도 추정) 곡선을 비활성화하여 히스토그램만 깔끔하게 표시합니다.
- 그래프 출력:
plt.show()를 호출하여 콘솔 화면에 시각화된 그래프를 띄웁니다.
참고: 최신 버전에서는 histplot 사용 권장
Seaborn 0.14 버전부터 distplot 함수는 공식적으로 지원 중단(deprecated)되었습니다. 최신 버전을 사용하고 있다면 동일한 결과를 얻을 수 있는 histplot 함수를 사용하는 것이 좋습니다.
sb.histplot(df['petal_length'], kde=False) plt.show()
histplot은 bins 개수 지정, 색상 변경, 다중 데이터 비교 등 더욱 다양한 옵션을 제공하므로, 새로운 프로젝트에서는 histplot을 사용하는 것을 권장합니다.