[Python] Seaborn Example 보고서

소개글

"[Python] Seaborn Example 보고서"에 대한 내용입니다.

목차

01. Importing modules

02. Data reading & Processing

03. Seaborn statistical visualization library
03-1 Relational data : scatterplot
03-2. Distributions : displot & kdeplot
03-3 Categorical : boxplot & violinplot
03-4 Multidimensional data : heatmap & jointplot

본문내용

01. Importing modules
Seaborn 모듈을 이용해 그래프를 그리기 위해 seaborn, numpy, matplotlib.pyplot 을 불러오고 시간 단위 데이터를 처리하기 위해 datetime를 불러온다.

02. Data reading & Processing
예제에서 사용할 데이터를 불러오고 그래프를 그리기 용이하도록 데이터를 가공하였다.
df1, df2를 datetime 모듈을 이용해 시간 데이터를 한국/서울 기준의 시간으로 바꾸고 인덱스 기준을 time으로 설정하였다. 그리고 동일한 형태의 데이터를 합치기 위해 pd.concat을 이용했다. (axis=0은 위, 아래 방향으로 합치는 것이고, axis=1은 왼쪽, 오른쪽 방향으로 합치는 것이다.)

03. Seaborn statistical visualization library
Seaborn에서는 다양한 라이브러리를 제공하기 때문에, 데이터의 형태나 자신이 보고 싶은 그림에 맞는 plot을 그리는 것이 중요하다.
이 보고서에서는 몇 가지 유용한 plot 함수를 소개하려고 한다.
아래 분류 도표는 데이터의 형식에 따른 분류로 각각에 대한 설명이다.

Relational data : 키(key)와 값(value)들의 간단한 관계를 테이블화 시킨 데이터이다.
Distributions : 분산형 그래프로 각각의 값이 나타나는 빈도수를 플롯한다.
Categorical data : 분류 자료 또는 범주형 자료라고도 한다. 예를 들어 전화번호, 등번호, 성별, 혈액형, 계급, 순위, 등급, 종교 분류 등이 있다.
차원과 변수의 형태에 따른 분류는 아래와 같다.
-단일 차원 (변수가 1개)
1차원 실수형 데이터 : histplot, rugplot, kdeplot, distplot
-다차원 데이터 (변수가 여러 개)
2차원 실수형 데이터 : scatterplot, jointplot
2차원 카테고리형 데이터 : heatmap
3차원 이상의 실수형 데이터 : pairplot(그리드 형태로 출력)

참고 자료

없음

압축파일 내 파일목록

Seaborn example 보고서.hwp
Seaborn Example.ipynb