[Python]파이썬 데이터 시각화: 그래프 종류와 활용법 알아보기

데이터 시각화는 데이터 분석의 핵심 요소 중 하나로, 데이터를 이해하고 효과적으로 전달하는 데에 필수적입니다. python에서는 Mathplotlib 라이브러리를 활용하여 다양한 그래프를 그릴 수 있으며, 이를 통해 데이터를 직관적으로 이해할 수 있습니다.

≣ 목차

• 꺾은 선형 그래프 (Plot)📈
• 막대그래프 (Bar)📊
• 산포 그래프 (Scatter)🌧
• 원형 그래프 (Pie)🕒
• 핵심 내용👀

---

1. 꺾은 선형 그래프📈 (Plot)

꺾은 선형 그래프는 데이터의 추이를 시각적으로 파악하는 데에 많이 활용합니다. python에서는Mathplotlib를 사용하여 데이터를 효과적으로 시각화하고, 그래프를 꾸미는 다양한 방법을 살펴보겠습니다.

▶꺾은 선형 그래프 1개 만들기

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure() # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정
x = [0, 1, 2, 3, 4]  # x축 값
y = [4, 1, 3, 5, 2]  # y축 값

# 꺾은 선 그래프 그리기
axes.plot(x, y)

# 그래프 출력
plt.show()

위 코드를 이용하여 아래와 같은 그래프를 출력할 수 있습니다.

▶꺾은 선형 그래프 2개 만들기

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure() # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정
x1 = [0, 1, 2, 3, 4]
y1 = [4, 1, 3, 5, 2]
x2 = [0, 1, 2, 3, 4]
y2 = [0, 8, 5, 3, 1]

# 꺾은 선 그래프 그리기
axes.plot(x1, y1) # 첫 번째 그래프
axes.plot(x2, y2) # 두 번째 그래프

# 그래프 출력
plt.show()

이렇게 데이터 설정을 추가하면 그래프를 추가로 만들 수가 있습니다.

▶꺾은 선형 그래프 꾸미기

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure() # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정 및 꾸미기
# 점선, 선 굵기
axes.plot([0, 1, 2, 3, 4], [0, 3, 0, 3, 0], linestyle='dotted', linewidth=5.0)

# 선 색 빨강, 표식 추가
axes.plot([0, 1, 2, 3, 4], [1, 2, 3, 4, 5], color='r', marker='v')

# 그래프 출력
plt.show()

이 코드에서 linestyle='dotted'은 선의 스타일을 점선으로 지정하고, linewidth=5.0은 선의 굵기를 5.0으로 설정합니다. 또한 color='r'은 선의 색상을 빨간색으로 지정하고 (대표 색상은 첫 글자만 표시) marker='v'는 마커를 삼각형으로 지정합니다. 이렇게 하면 데이터를 설정하고 꾸며진 그래프를 확인할 수 있습니다.

이번에는 월별 데이터를 담은 꺾은 선형 그래프를 나타내는 코드를 작성해 보겠습니다.

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure() # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정 및 꾸미기
# 선 스타일을 점선으로, 마커를 삼각형으로 지정하여 꺾은 선형 그래프를 그립니다.
x = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']
y = [1200, 800, 500, 400, 700, 800]
axes.plot(x, y, linestyle='--', marker='^')

# 그래프 출력
plt.show()

이 코드에서 linestyle='--'은 선의 스타일을 점선으로, marker='^'는 마커를 삼각형으로 지정합니다. 그 결과, 월별 데이터에 대한 꺾은 선형 그래프가 그려집니다.

---

2. 막대그래프 (Bar)📊

범주형 데이터를 시각화할 때 막대그래프는 매우 유용합니다. Mathplotlib를 사용하여 막대그래프를 그리고, 그에 필요한 제목과 축 레이블을 추가하는 방법을 알아보겠습니다.

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure() # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정 및 그래프 그리기
x = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
y = [8, 6, 5, 4, 7, 9, 5]
axes.bar(x, y)

# 그래프 타이틀, x축 제목, y축 제목 설정
plt.title('weekday call') # 차트 제목
plt.xlabel('week')        # x축 제목
plt.ylabel('call')        # y축 제목

# 그래프 출력
plt.show()

위 코드에서 plt.title(weekday call), plt.xlabel(week), plt.ylabel(call)은 각각 차트의 제목, x축 제목, y축 제목을 설정하는 부분입니다. 이를 통해 주간 통화량에 대한 막대그래프를 그립니다.

위에서 확인해 본 꺾은 선 그래프와 막대그래프를 함께 그리는 예제를 만들어 봅시다. 랜덤 한 y값을 생성하여 각각의 그래프에 대응하고 있습니다. 그래프 출력 후에는 그래프를 보여줍니다.

import random
import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure(figsize=(20, 6)) # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정 및 그래프 그리기
x = [n for n in range(101)] # 0부터 100까지의 값 리스트 생성
y1 = [] # 꺾은 선
y2 = [] # 막대
for i in range(101):
    y1.append(random.randint(0, 100)) # 0부터 100까지의 랜덤한 정수를 y1 리스트에 추가
    y2.append(random.randint(0, 100)) # 0부터 100까지의 랜덤한 정수를 y2 리스트에 추가
axes.plot(x, y1, color='r', marker='.') # 꺾은 선 그래프 그리기
axes.bar(x, y2, color='g') # 막대 그래프 그리기

# 그래프 출력
plt.show()

---

3. 산포 그래프 (Scatter)🌧

두 변수 간의 관계를 시각적으로 이해하는 데에는 산포 그래프가 효과적입니다. Mathplotlib를 사용하여 데이터의 패턴을 살펴보고, 점의 크기와 색상을 조절하여 더욱 명확하게 표현하는 방법을 확인해 봅시다.

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure() # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정 및 그래프 그리기
x = [1, 2, 3, 4, 5, 6]
y = [6, 4, 1, 2, 7, 5]
area = [50, 100, 150, 200, 250, 300] # 각 점의 크기
color = ['red', 'green', 'blue', 'orange', 'aqua', 'crimson'] # 색상
axes.scatter(x, y, s=area, c=color)  # 점 크기와 색상 설정

# 그래프 출력
plt.show()

scatter 함수를 사용하여 산포 그래프를 그렸습니다. s=area는 각 점의 크기를 설정하고, c=color는 각 점의 색상을 설정합니다. 그 결과, 점의 색상이 다른 산포 그래프가 출력됩니다.

소음에 따른 스트레스를 나타내는 그래프를 예제를 통해 확인해 보겠습니다.

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure() # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정 및 그래프 그리기
noise = [20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70]
stress = [10, 11, 15, 20, 30, 42, 55, 70, 88, 110, 150]
axes.scatter(noise, stress, s=50) # 각 점의 크기를 50으로 설정

# x축과 y축 라벨 설정
plt.xlabel('Noise')  # x축 제목
plt.ylabel('Stress') # y축 제목

# 그래프 출력
plt.show()

s=50은 각 점의 크기를 50으로 설정합니다. x축과 y축의 라벨도 각각 'Nosie'와 'Stress'로 설정했습니다. 그 결과 Nosie, Stress 간의 관계를 시각화한 그래프를 출력합니다.

---

4. 원형 그래프 (Pie)🕒

원형 그래프는 데이터의 상대적인 비율을 한눈에 파악하는 데에 유용합니다. Mathplotlib를 사용하여 원형 그래프를 그리고, 범례와 레이블을 추가하여 그래프를 더욱 명확하게 표현하는 방법을 확인해 보겠습니다.

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure() # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정 및 그래프 그리기
data = [1, 2, 3]
axes.pie(data)

# 그래프 출력
plt.show()

pie 함수를 사용하여 원형 그래프를 그렸습니다. data 변수에는 그래프에 표시될 데이터가 들어가며, 해당 데이터의 비율에 따라 원형 그래프가 그려집니다. 그래프 출력 후에는 그래프를 보여줍니다.

▶ 원형 그래프에 범례와 레이블을 추가하기

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure() # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정 및 그래프 그리기
data = [1, 2, 3]
label = ['Good', 'Bad', 'Normal']
axes.pie(data, labels=label, autopct='%d%%')  # 레이블 포함, 정수%로 표시

# 범례 추가
plt.legend(label, loc='center left')  # 범례 위치 설정

# 그래프 출력
plt.show()

labels 인자를 사용하여 각 섹션의 레이블을 설정하고, autopct='%d%%'를 사용하여 각 섹션의 비율을 정수 형식으로 표현합니다. 그리고 plt.legend() 함수를 사용하여 범례를 추가하고, loc=center left를 사용하여 범례 위치를 설정합니다. 그래프 출력 후에는 그래프를 보여줍니다.

영양제에 들어간 비타민의 함량을 소수점 아래 첫 째자리까지 표시하는 그래프 예제를 살펴보겠습니다.

import matplotlib.pyplot as plt

# Figure 객체 생성
figure = plt.figure(figsize=(12, 12)) # 전체 영역(도화지)

# Axes 객체 생성
axes = figure.add_subplot(111)  # 차트 영역 # 1행 1열 1번째

# 데이터 설정 및 그래프 그리기
vitamin = ['Vitamin A', 'Vitamin B1', 'Vitamin B2', 'Niacin', 'Vitamin B6', 'Vitamin C', 'Vitamin D', 'Vitamin E', 'Folate'] # 종류
data = [0.18, 0.3, 3.33, 3.75, 0.38, 25, 0.25, 2.75, 0.1] # 함량
axes.pie(data, labels=vitamin, autopct='%0.1f%%') # 소수점 아래 첫 번째 자리까지, 백분율로 표시

# 그래프 출력
plt.show()

---

5. 핵심 내용👀