[Python] 37. matplot 모듈을 이용한 그래프, 연합막대 그래프 그리기, 히스토그램으로 출력하기, 파이그래프, 박스그래프, 그룹화하기, seaborn 모듈을 이용한 시각화

1. matplot 모듈을 이용한 그래프

2. 남북한발전전력량.xlsx 데이터를 이용하여 연합막대 그래프 그리기

3. 자동차 연비데이터의 mpg 값을 히스토그램으로 출력하기

4. 파이그래프

5. 박스그래프 : 두개의 그래프 출력하기

6. origin 컬럼으로 그룹화하기

7. seaborn 모듈을 이용한 시각화 : matplot의 확장판

# -*- coding: utf-8 -*-
"""
Created on Wed Jun 22 09:27:57 2022

@author: p011v
"""
'''
    DataFrame.plot(kind="그래프종류") 함수를 이용하여 그래프 작성
        기본 : 선그래프
        kind="bar" : 막대그래프
        kind="barh" : 수평막대그래프
        kind="hist" : 히스토그램
        kind="scatter" : 산점도
        kind="box" : 박스그래프
'''
##########1. matplot 모듈을 이용한 그래프
#막대그래프
import matplotlib.pyplot as plt
#x축의 값
subject=["Oracle", "Python", "Sklearn", "Tensorflow"]
#y축의 값
score=[65,95,85,95]
fig = plt.figure() #그래프가 그려지는 영역
#ax1 : 그래프 작성영역
ax1 = fig.add_subplot(1,1,1) #그래프의 영역을 분할. 1행, 1열, 1번째 그래프
#bar : 막대그래프
#bar(x축의 값, y축의 값)
ax1.bar(range(len(subject)), score, align="center", color="darkblue")
#x축의 값이 숫자에서 subject 데이터로 변경
plt.xticks(range(len(subject)), subject, rotation=0, fontsize="small")
plt.xlabel("Subject")
plt.ylabel("Score")
plt.title("Class Score")

########## 2. 남북한발전전력량.xlsx 데이터를 이용하여 연합막대 그래프 그리기
import pandas as pd
import matplotlib.pyplot as plt
plt.style.use("ggplot")
df = pd.read_excel("data/남북한발전전력량.xlsx")
df.info()
df
df = df.loc[5:] #북한지역의 발전량만 조회
df
#df.drop("전력량 (억㎾h)", axis=1, inplace=True)
del df["전력량 (억㎾h)"]
df.info()
df.set_index("발전 전력별", inplace=True) #발전 전력별 컬럼을 인덱스로 변경하기
df = df.T #전치행렬 : 행과 열을 바꿈
df.info()
df = df.rename(columns={"합계":"총발전량"}) #합계를 총발전량으로 변경
df.info()
#df["총발전량"].shift(1) : 총발전량의 앞의 인덱스 데이터
#df['총발전량 - 1년'] : 전년도 발전량
df['총발전량 - 1년'] = df["총발전량"].shift(1)
df.info
df
'''
    증감률 컬럼 추가
    증감률 : (현재데이터 - 전년도데이터) / 전년도데이터 * 100
            = 현재데이터/전년도데이터 - 전년도데이터/전년도데이터
'''
df['증감율'] = ((df['총발전량'] / df['총발전량 - 1년']) - 1) * 100
from matplotlib import rc
rc('font', family="Malgun Gothic") #한글폰트 설정
plt.rcParams['axes.unicode_minus'] = False #음수표시를 - 표시로 처리
#width=0.7 : 막대의 넓이
#stacked=False : 막대그래프를 따로 표시
ax1 = df[['수력', '화력']].plot(kind='bar', figsize=(20, 10), \
                            width=0.7, stacked = False)
#ax1의 영역에 그래프 추가. ax2그래프 영역은 ax1의 영역과 같은 영역으로 설정. 
#ax1은 막대, ax2는 선그래프
ax2 = ax1.twinx()
#df.index : x축의 값, df.증감율 : x축의 값
#ls='-' : 선의 종류 실선. 점선 => '--'
ax2.plot(df.index, df.증감율, ls='-', marker='o', markersize=20, 
         color='green', label='전년대비 증감율(%')
ax1.set_ylim(0, 500) #ax1의 y축 값의 범위지정
ax2.set_ylim(-50, 50) #ax2의 y축 값의 범위지정
ax1.set_xlabel('연도', size=20)
ax1.set_ylabel('발전량(억 KWh')
ax2.set_ylabel('전년 대비 증감율(%')
plt.title('북한 전력 발전량 (1990 ~ 2016)', size=30)
ax1.legend(loc='upper left') #수력, 화력데이터가 범례로 표시. 왼쪽 위쪽 표시
ax2.legend(loc='upper right') #label 속성의 값을 표시. 오른쪽 위쪽 표시
plt.savefig("북한전력량.png", dpi=400, bbox_inches="tight") #그래프를 이미지파일로 생성
plt.show()

########## 3. 자동차 연비데이터의 mpg 값을 히스토그램으로 출력하기
import seaborn as sns
df = sns.load_dataset("mpg")
df.info()
#mpg 데이터를 히스토그램으로 출력하기
#히스토그램 : x축:값의 구간(범위). y축 : 빈도수
#bins=20 : 값의 구간을 20개로 분리
df["mpg"].plot(kind="hist", bins=5, color='coral', figsize=(10, 5))
plt.title("MPG Histogram")
plt.xlabel("mpg")
plt.show()

#weight, mpg 데이터의 산점도 출력하기
#DataFrame.plot() 함수
#c='coral' : 색상지정
#s=20 : 산점도에서 점의 크기
#figsize=(10,5) : 그래프의 크기
df.plot(x="mpg", y="weight", kind="scatter", c='coral', s=20, figsize=(10, 5))

#matplot모듈을 이용하여 산점도 출력
plt.figure(figsize=(10, 5))
plt.scatter(df["weight"], df["mpg"], c="coral", s=20)

# bubble 그래프 : 산점도. 점의 크기를 데이터의 값으로 결정
# 3개의 컬럼(변수)지정함 : x축:weight, y축:mpg, 점의크기: cylinders
# cylinders 데이터 값의 종류와 갯수 조회하기
df["cylinders"].unique()
df["cylinders"].value_counts()
#cylinders 값을 최대값의 비율로 계산하여 데이터 생성
cylinders_size = df["cylinders"] / df["cylinders"].max() * 100
cylinders_size.value_counts()
df.plot(x="weight", y="mpg", kind="scatter", c='coral', \
        s=cylinders_size, figsize=(10, 5), alpha=0.7)
    
#색상으로 데이터값을 설정하기
# marker= '+' : 산점도에 표시되는 점의 모양
# cmap='plasma' : matplot 모듈에 색상 모임. 값에 따른 색상의 목록
#               viridis, inferno, magma, cividis      
#c=df["cylinders"] : cylinders의 값에 해당하는 색을 cmap에서 색을 선택

df.plot(x="weight", y="mpg", kind="scatter", marker='+', \
       figsize=(10, 5), cmap='viridis', c=df["cylinders"], \
       s=50, alpha=0.7)    
plt.title('Scatter Plot: mpg-weight-cylinders')
#transparrent=True : 투명도를 선택(True:투명, False:불투명)하여 그림으로 저장
plt.savefig("scatter_transparent.png", transparent=True)
plt.show()

########## 4. 파이그래프
# origin 컬럼의 비율을 파이그래프로 출력하기
# origin 컬럼의 값과 값의 갯수를 출력하기
df_origin = df.origin.value_counts()
df_origin
type(df_origin)
'''
    autopct="%.1f%%" : 비율표시. 
            %.1f : 소숫점이하 1자리로 
            %% : %문자
    startangle=10 : 파이조각의 시작 각도
'''
df_origin.plot(kind="pie", figsize=(7, 5), autopct="%.1f%%", startangle=90, \
               colors=['chocolate', 'bisque', 'cadetblue'])
plt.title("Model Origin", size=20)
plt.legend(labels = df_origin.index, loc="upper left")
plt.show()

########## 5. 박스그래프 : 두개의 그래프 출력하기
fig = plt.figure(figsize=(15, 5)) #그림판 생성
ax1 = fig.add_subplot(1, 2, 1) #1행 2열 그럼판분리, 1번째 그림판
ax2 = fig.add_subplot(1, 2, 2) #1행 2열 그럼판분리, 2번째 그림판
# boxplot : 박스그래프 작성
df[df['origin']=='usa'] #df 중 origin컬럼의 값이 usa인 데이터만 조회
df[df['origin']=='usa']['mpg'] #df 중 origin컬럼의 값이 usa인 데이터의 mpg 컬럼만 조회
#x = [usa에서 생산된 자동차의 mpg값, japan에서 생산된 자동차의 mpg값, europe에서 생산된 자동차의 mpg값]
ax1.boxplot(x = [df[df['origin']=='usa']['mpg'],
                 df[df['origin']=='japan']['mpg'],
                 df[df['origin']=='europe']['mpg']],
            labels = ['USA', 'JAPAN', 'EU'])
ax2.boxplot(x = [df[df['origin']=='usa']['mpg'],
                 df[df['origin']=='japan']['mpg'],
                 df[df['origin']=='europe']['mpg']],
            labels = ['USA', 'JAPAN', 'EU'], vert=False) #vert=False : 박스그래프를 가로 표시
ax1.set_title('제조국가별 연비 분포(수직 박스 플롯)')
ax2.set_title('제조국가별 연비 분포(수직 박스 플롯)')
plt.show()

########## 6. origin 컬럼으로 그룹화하기
# df 데이터를 origin 컬럼으로 그룹화하여 그룹별 합계 출력하기
df_origin = df.groupby("origin").sum() #합계
df_origin
# df 데이터를 origin 컬럼으로 그룹화하여 그룹별 건수 출력하기
df_origin = df.groupby("origin").count() #origin 데이터의 값의 순서로 출력
df_origin
df_origin.value_counts() #건수의 내림차순 출력
# df 데이터를 origin 컬럼으로 그룹화하여 그룹별 평균 출력하기
df_origin = df.groupby("origin").mean() #평균
df_origin
# df 데이터를 origin 컬럼으로 그룹화하여 그룹별 중간값 출력하기
df_origin = df.groupby("origin").median() #중간값
df_origin

########## 7. seaborn 모듈을 이용한 시각화 : matplot의 확장판
#                               시각화모듈 + 데이터셋
#선형회귀 그래프 : 산점도 + 회귀도 표시
import seaborn as sns
import matplotlib.pyplot as plt
titanic = sns.load_dataset("titanic")
titanic.info()
fig = plt.figure(figsize=(15, 5))
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
#regplot : 선형회귀그래프 : 산점도 + 회귀선표시
#fit_reg=False : 회귀선 표시 안함
#회귀선 : 모든점에서 가장 가까운 점들을 직선으로 표시
'''
    data = titanic : titanic 데이터의 값으로 그래프 출력
    x = 'age', y = 'fare' : titanic 데이터 중 x축의 값은 age 컬럼을 y축의 값은 fare 컬럼
    ax = ax1 : 그래프 영역    
    fit_reg=False : 회귀선 표시 안함                    
'''
sns.regplot(x = 'age', y = 'fare', data = titanic, ax = ax1)
sns.regplot(x = 'age', y = 'fare', data = titanic, ax = ax2, fit_reg=False)
plt.show()

#히스토그램 작성하기
fig = plt.figure(figsize=(15, 5))
ax1 = fig.add_subplot(1, 3, 1)
ax2 = fig.add_subplot(1, 3, 2)
ax3 = fig.add_subplot(1, 3, 3)
'''
    sns.distplot : 밀도, 빈도수 함께 출력할 수 있는 그래프프
    sns.kdeplot : 밀도를 출력할 수 있는 그래프프
    sns.histplot : 빈도수를 출력할 수 있는 그래프프
'''
# sns.distplot(titanic['fare'], ax = ax1) #kde(밀도), hist(빈도수) 출력
# sns.distplot(titanic['fare'], hist=False, ax = ax1) #kde(밀도) 출력
sns.distplot(titanic['fare'], kde=False, ax = ax1) #hist(빈도수) 출력
sns.kdeplot(x = 'fare', data = titanic, ax = ax2)
sns.histplot(x = 'fare', data = titanic, ax = ax3)
ax1.set_title('titanic fare - distplot')
ax2.set_title('titanic fare - kdeplot')
ax3.set_title('titanic fare - histplot')
plt.show()

# 히트맵 그래프 : 범주형 데이터의 수치를 색상과 값으로 표시
# pivot_table : 2개의 범주형 데이터를 행과 열로 재구분
# aggfunc = 'size' : 데이터의 갯수
table = titanic.pivot_table(index=['sex'], columns=['class'], aggfunc='size')
table

# 성별 인원수
titanic.sex.value_counts()
# 등급별 인원수
titanic['class'].value_counts()
'''
    table : 표시할 데이터값
    annot=True/False : 데이터값 표시여부, 표시/표시안함
    fmt='d' : 10진 정수로 표시
    cmap='YlGnBu' : 색상표 설정
    linewidth=5 : 여백
    cbar=True/False : 컬러바 표시/표시안함
'''
sns.heatmap(table, annot=True, fmt='d', cmap='YlGnBu', linewidth=5, cbar=True)
plt.show()