데이터 시각화는 분석 과정에서 매우 중요한 단계입니다. 복잡한 계산을 수행하거나 숫자를 일일이 살펴보지 않아도, 시각화를 통해 데이터 안에서 어떤 일이 일어나고 있는지 직관적으로 파악할 수 있기 때문입니다. Seaborn은 이러한 데이터 시각화를 손쉽게 도와주는 대표적인 파이썬 라이브러리입니다.
산점도란 무엇인가?
산점도(Scatter Plot)는 데이터 포인트들을 그래프 위에 흩어진 점 형태로 표현하여 데이터의 분포를 보여주는 차트입니다. 각 점(dot)은 수치형(numeric) 데이터셋의 값을 나타내며, 가로축과 세로축 위에서 점의 위치가 하나의 데이터 포인트 값을 의미합니다.
산점도는 특히 두 변수 간의 관계를 이해하는 데 유용합니다. 예를 들어 꽃잎 길이가 길어질수록 꽃잎 너비도 함께 증가하는지 같은 상관관계를 한눈에 확인할 수 있습니다.
그럼 파이썬의 Seaborn 라이브러리를 사용해 산점도를 그리는 방법을 살펴보겠습니다.
예제 코드
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.jointplot(x = 'petal_length', y = 'petal_width', data = df)
plt.show()
실행 결과
코드 설명
- 패키지 임포트: 시각화에 필요한 Seaborn(sb)과 Matplotlib의 pyplot 모듈을 가져옵니다.
- 데이터 로드: Seaborn의
load_dataset함수를 사용해 내장된 아이리스(iris) 데이터셋을 불러옵니다. - 데이터프레임 저장: 불러온 데이터는 pandas 데이터프레임 형태로 변수 df에 저장됩니다.
- jointplot 호출:
sb.jointplot()함수를 사용해 데이터를 시각화합니다. - 축 지정: x축에는 'petal_length'(꽃잎 길이), y축에는 'petal_width'(꽃잎 너비)를 매개변수로 전달합니다.
- 그래프 표시:
plt.show()를 통해 완성된 산점도를 화면에 출력합니다.
참고: jointplot의 장점
Seaborn의 jointplot은 단순한 산점도를 넘어, 각 변수의 분포를 보여주는 히스토그램(밀도 곡선)을 그래프의 가장자리에 함께 표시해 줍니다. 덕분에 두 변수 사이의 관계와 개별 변수의 분포를 동시에 확인할 수 있어 탐색적 데이터 분석(EDA)에 특히 유용합니다.