Data Visualize

Data Manipulation

 

그래프 영역 설정

- fig, ax = plt.subplots(figsize=(5,6))

 

seaborn.rugplot()

- rugplot : x,y축 위에 작은 rug로 실제 데이터들의 위치 보여줌

 

rugplot

 

seaborn.stripplot()

- jitter = True : 점들이 겹치는 현상 해결

 

 

그래프 색상 지정

Ex)

palette = {"Adelie":'#ff9ff3', "Gentoo":"#4000c7", "Chinstrap":'#1dd1a1'}

 

- 이미지 안에서 색상 코드 찾기

imagecolorpicker.com/

 

- palette 참조용 레퍼런스

colorhunt.co/

 

seaborn.FaceGrid()

 

- FacetGrid(data, row, col, hue) : 다중 플롯 그리드를 만들어서 여러가지 쌍 관계를 표현하기 위한 그리드 Class이다.

 

Ex1) 

g = sns.FacetGrid(iris, col='species', hue='species')

g.map(plt.hist, 'sepal_length')



Ex2)

sns.boxplot(x = 'time', y = 'tip', data = tips, hue = 'time', palette = {"Dinner": '#ff9ff3', "Lunch": '#1dd1a1'})

 

 

BI Tool

 

- Tableau

- Data Studio (Google)

위 두개는 실무에서 가장 많이 사용하는 시각화 Tool 이라고 하니 둘중 하나 공부해두기

 

사용 목적에 따른 시각화 예시

 

1. 분포 : Pie, Dount, Treemap, Stacked bar
2. 관계 : Scatter, Bubble, Hist - Bar
3. 비교 : Heatmap, Parallel coordinates, Chernoff face
4. 시간 : Line, Connected Scatter
5. 공간 : Map
6. 불확실성 : Error bar, Confidence band
   
   
   

https://github.com/ft-interactive/chart-doctor/tree/master/visual-vocabulary

(시각화 예시 참고)

dining-developer.tistory.com/30

(시각화 예시 참고2)

 

seaborn.pydata.org/index.html

(갤러리 참고)

데이터 유형에 따른 plot

레이블 및 주석(Label and Annotation)

 

# Label

plt.set_xlabel('text', weight = 'bold'(굵게), fontsize = 10)



# Annotation

ax.text(0, 0, 'TEXT 0, 0')ax.text(0, 1, 'TEXT 0, 1')

 

Annotation

 

 

 

---

 

시각화는 실무에서도 정말 중요할듯 하니 깊게 공부해야 할 것 같다.

결국 사람들이 원하는 건 결과니까 결과를 얼마나 보기 쉽게 표현하느냐가 시각화의 가장 중요한 목표인 듯

 

코드스테이츠 AI 부트캠프를 시작하고 깨달은 것

 

1. Computer는 잘못 없고 그냥 내가 오타 친거다.

2. 구글에 검색하면 다 나온다. 영어 공부 Good!

3. 역시 인생은 이론보단 실전

4. 동기분들이 질문에 매우 친절히 대답해주신다. 나도 아는 것이 있으면 친절히 답변하도록