시각화

1.시각화 라이브러리 : pandas, matplotlib, seaborm, pltly

 

2. 종류 

Relational plots (두 변수 간 관계)

lineplot : 두 변수의 관계를 선으로 표현. 변수간의 상관관계 추정, 신뢰구간 보기 가능. 

sns.lineplot(x='time', y='value', data=df)

scatterplot : 산점도, 두 수치형 변수의 관계

replot :선 그래프,  수치형변수 간 상관관계

lineplot	두 변수의 관계를 선으로 표현. 시계열 데이터나 경향 분석에 적합	sns.lineplot(x='time', y='value', data=df)
scatterplot	두 수치형 변수 간의 산점도. 변수 사이의 관계 확인	sns.scatterplot(x='height', y='weight', data=df)
relplot	scatter 또는 line plot을 FacetGrid 기반으로 시각화	sns.relplot(x='height', y='weight', hue='gender', kind='scatter', data=df)

 

 

Distirbution Plots(단일 변수의 분포)

histoplot : 히스토그램, 변수의 분포를 표현하기위한 막대그래프 

kdeplot : 커널밀도추정 그래프.히스토그램의 곡선ver

ecdfplot : 선으로 표현된 경험적 누적분포 함수 그래프. 계단형

rugplot : 모든 데이터 포인트를 축 위의 작은 선분(rug)로 나타낸 그래프. 분포를 선의 빼곡한 정도로 나타냄

displot(diistribution plot) : 변수 하나 또는 2개의 분포를 시각화

histplot	히스토그램, 데이터 분포를 막대로 표현	sns.histplot(data=df['age'], bins=10, kde=False)
kdeplot	커널 밀도 추정, 부드러운 곡선으로 분포 표현	sns.kdeplot(data=df['age'], fill=True)
ecdfplot	누적 분포 함수. 계단형 선 그래프	sns.ecdfplot(data=df['age'])
rugplot	데이터 위치를 축에 작은 선분으로 표현	sns.rugplot(data=df['age'])
displot	histplot, kdeplot, ecdfplot을 통합. Facet 지원	sns.displot(data=df, x='age', kind='kde')

 

Categorical Plots(범주형 vs 수치형)

barplot : 막대그래프, 직사각형 막대의 높이를 이용하여 값을 나타냄. y값에 숫자를 지정해서 유연한 사용 가능.
              회귀(regession) 분석에서 자주 사용.

countplot : 범주형 변수의 개수를 세어 직사각형 막대의 높이로 표현한 그래프. (x,y중 하나에 변수명 입력)
                 분류(classfication) 분석에서 사용

stripplot : 점그래프, 데이터의 실제 위치 점으로 표현할 그래프

swarmplot : 점그래프, 점 사이의 간격을 조정하여 보여주는 그래프

boxplot : 5가지 수치 요약 그래프(IQR), 이상치 정확한 값을 보여주는 목적일때 사용

violinplot : 바이올린 모양 그래프. boxplot + kdeplot 을 합친 그래프. 수치분석, 분포를 한눈에 확인 가능

boxenplot : boxplot + histogram.

pointplot : 범주형 변수의 평균값을 점으로 표시하는 꺾은 선 그래프. 하나이상의 범주형 변수 비교에 유용.

catplot : 범주형/수치형 변수의 관계 시각화.

barplot	범주형 x, 수치형 y. 평균값 막대 표현 (오차 막대 포함)	sns.barplot(x='gender', y='height', data=df)
countplot	범주형 변수의 개수 시각화	sns.countplot(x='gender', data=df)
stripplot	데이터의 실제 위치를 점으로 시각화	sns.stripplot(x='gender', y='height', data=df)
swarmplot	stripplot + 겹치지 않게 배치	sns.swarmplot(x='gender', y='height', data=df)
boxplot	5-number summary + 이상치 시각화	sns.boxplot(x='gender', y='height', data=df)
violinplot	boxplot + kdeplot (분포 시각화까지 가능)	sns.violinplot(x='gender', y='height', data=df)
boxenplot	대용량 데이터에 적합한 boxplot 확장	sns.boxenplot(x='gender', y='height', data=df)
pointplot	평균값 점과 오차 막대를 선으로 연결	sns.pointplot(x='day', y='total_bill', data=df)
catplot	위 모든 범주형 그래프를 FacetGrid로 시각화	sns.catplot(x='gender', y='height', kind='violin', data=df)

 

Regrresion(회귀분석 시각화)

replot, residplot : scatterplot(분포도) + lineplot(선). 회귀선을 기준으로 데이터들의 잔차를 시각화한 그래프

                            residplot은 회귀선(x)=0 일때.

Implot : 회귀 시각화에 사용하는 그래프. 두 연속형 수치변수, 연속형/비연속형 수치변수 등 시각화

regplot	회귀선 + 산점도 시각화	sns.regplot(x='age', y='income', data=df)
residplot	잔차를 시각화. 회귀 모델 성능 확인	sns.residplot(x='age', y='income', data=df)
lmplot	regplot + Facet 기능	sns.lmplot(x='age', y='income', hue='gender', data=df)

 

Matrix(상관관계, 결측 확인) (군집화 확인할 때 사용)

heatmap : 색상으로 정보를 열 분포형태의 이미지로 표현한 시각화

heatmap

색상으로 행렬 형태 데이터 시각화. 상관계수/결측 확인 등

sns.heatmap(df.corr(), annot=True, cmap='coolwarm')

 

Multi-Plot Grids

PairGrid / pairplot : 변수들의 상관관계를 하나의 코드로 한 번에 파악 가능.

   pairplot : 각 데이터 열에 대한 scatterplot을 그려주고, 같은 열이 만나는 부분은 해당 열에 대한 히스토그램 그려줌

   PairGrid : 그리드 생성. scatterplot과 histogram을 대신해 사용자가 변수에 적합한 그래프들로 Grid를 구성 가능 

JointGrid / jointplot : 두 변수에 대ㅐ한 2,3가지 종류의 시각화가 합쳐진 그래프

pairplot	수치형 변수 간 관계를 한눈에. 히스토그램 + 산점도	sns.pairplot(df, hue='gender')
PairGrid	사용자 정의 그리드 (plot, map, etc.)	g = sns.PairGrid(df); g.map_upper(sns.scatterplot); g.map_diag(sns.histplot)
jointplot	2변수 산점도 + 히스토그램 또는 회귀 등	sns.jointplot(x='age', y='income', data=df, kind='reg')
JointGrid	jointplot을 사용자 정의 구성	g = sns.JointGrid(data=df, x='age', y='income'); g.plot(sns.scatterplot, sns.histplot)

 

 

3. 변수 유형(범주형 / 수치형) 에 따른 시각화 분류

📂 범주형 변수 시각화

(범주형 vs 범주형 / 범주형 vs 수치형)

countplot	범주형 변수의 개수를 막대 높이로 표현	sns.countplot(x='gender', data=df)
barplot	범주형 변수별 수치형 변수의 평균값 (오차 막대 포함) 통계적 비교할 때 유용	sns.barplot(x='gender', y='height', data=df)
pointplot	범주형 변수별 평균값을 점과 선으로 표현	sns.pointplot(x='gender', y='score', data=df)
stripplot	실제 데이터를 점으로 표현 (겹침 존재)	sns.stripplot(x='gender', y='height', data=df)
swarmplot	stripplot + 겹치지 않게 배치	sns.swarmplot(x='gender', y='height', data=df)
boxplot	범주별 사분위수, 이상치 등 5-number summary	sns.boxplot(x='gender', y='height', data=df)
violinplot	boxplot + 분포 곡선 (kde)	sns.violinplot(x='gender', y='height', data=df)
boxenplot	큰 데이터셋에서 분포 상세히 표현 (boxplot 확장형)	sns.boxenplot(x='gender', y='height', data=df)
catplot	위 모든 범주형 그래프를 FacetGrid로 시각화	sns.catplot(x='gender', y='height', kind='violin', data=df)

 

📈 수치형 변수 시각화

(수치형 vs 수치형 or 단일 수치형)

displot()	단일 변수 분포 (히스토그램, KDE 등 가능)	sns.displot(data=df, x='age', kind='hist')
kdeplot	분포 곡선 시각화 (커널 밀도 추정)	sns.kdeplot(data=df['age'])
histplot	히스토그램 (단일 변수 빈도)	sns.histplot(data=df['age'], bins=10)
ecdfplot	누적 분포 함수(계단형)	sns.ecdfplot(data=df['age'])
rugplot	축에 데이터 위치를 작은 선분으로 표시	sns.rugplot(data=df['age'])
lineplot	시계열 또는 수치형 변수 간의 추세선	sns.lineplot(x='time', y='value', data=df)
scatterplot	두 수치형 변수 간의 관계를 점으로 시각화	sns.scatterplot(x='height', y='weight', data=df)
regplot	scatterplot + 회귀선	sns.regplot(x='age', y='income', data=df)
residplot	회귀선에 대한 잔차 시각화	sns.residplot(x='age', y='income', data=df)
lmplot	regplot + 그룹핑 + grid	sns.lmplot(x='age', y='income', hue='gender', data=df)
jointplot	산점도 + 분포 히스토그램 + (회귀, KDE 선택)	sns.jointplot(x='height', y='weight', kind='kde', data=df)

 

🧮 복수 수치형 변수 간 관계 (Pairwise)

pairplot	여러 수치형 변수 간 scatterplot + histogram 자동 생성	sns.pairplot(df, hue='gender')
PairGrid	사용자 정의로 다양한 plot 조합	g = sns.PairGrid(df); g.map_diag(sns.histplot); g.map_upper(sns.scatterplot)

🔥 Matrix 시각화

heatmap

상관계수, 결측값, 패턴 등을 컬러로 시각화

sns.heatmap(df.corr(), annot=True, cmap='coolwarm')

---

✅ 요약: 변수 조합별 추천 그래프

 

범주형 1개	countplot
범주형 + 수치형	barplot, pointplot, boxplot, violinplot, swarmplot
수치형 1개	displot, histplot, kdeplot, ecdfplot
수치형 + 수치형	scatterplot, lineplot, regplot, jointplot
수치형 여러 개	pairplot, heatmap

 

 

 

4. 시각화 시 주의점

• 채도관리 : 통일성
• y축 범위 통일 : plt.ylim(), plt.yticks() 로 y축 범위 조정
• 그래프 제목 : 그래프제목, 축 제목, 단위 설명 함께 출력
• 한 페이지 내 시각화 개수 : 한 페이지 4~5개 지양.