Seaborn

1. Categorical plots
2. Joint plots
3. Regression plots
4. Matrixplots
5. Heatmaps
6. Customization of plots

 

자주 사용되는 seaborn Plots

• sns.lineplot(x='age', y='bmi', data=df)  
• sns.scatterplot(x='age', y='bmi', data=df)  
• sns.countplot(x='sex', data=df) : value_count (명목형)  
• sns.stripplot(x='sex', data=df) : value_count (명목형)  
• sns.boxplot(x='sex', y='bmi', data=df) : 4분위수 x: 명목형, y:연속형   
• sns.swarmplot(data=df, x="sex", y="age", hue="survived")  
• sns.violinplot(data=df, x="sex", y="age", hue="survived")  
• sns.displot(x='sex', data=df, bins=50) x가 연속형변수, 히스토그램  
• sns.histplot(x='sex', data=df, bins=50) x가 연속형변수, 히스토그램  
• sns.barplot(data=df, x="sex", y="age", hue="survived")  
• sns.jointplot(data=df, x="age", y="fare")  
• sns.lmplot(data=df, x="age", y="fare") : scatter과 line을 같이 표시.  
• sns.heatmap(df.corr(), annot=True) : 상관관계나, null 확인시  
• sns.heatmap(df.isnull()) : 상관관계나, null 확인시  
  
  

 

 

 

1. Categorical plots : 범주형 plot

      countplot

      stripplot

 

1) countplot

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.read_csv("titanic.csv")

plt.figure(figsize=(5,3))
sns.countplot(data=df, x="pclass", hue="survived")
plt.show()

countplot는 범주형 변수의 빈도수를 시각화 하는 플롯이다.

 

df.groupby("pclass").survived.value_counts().unstack()

value count

2)Stripplot

범주형 변수의 산점도를 시각화 하는 플롯이다.

영화에서 처럼 타이타닉의 여자와 아이먼저가 생존확률에 영향이 있음을 볼 수 있다.

sns.stripplot(data=df, x="sex", y="age", hue="survived", jitter=True)
plt.show()

 

3) Swarmplot

범주형 변수의 산점도를 시각화 하는 플롯으로 strip plot와 비슷한데 빈오가 많음을 시각적으로 좀더 표현해준다.

sns.swarmplot(data=df, x="sex", y="age", hue="survived")
plt.show()

4) Violinplot

범주형 변수의 산점도를 시각화 하는 플롯으로 swarm plot을 좀더 그래픽하게 표현하고 있다.

sns.violinplot(data=df, x="sex", y="age", hue="survived")
plt.show()

 

 

split=True로 옵션을 주면.

5) barplot

설명이 필요없는 bar plot이다. 일반적인 bar plo와 다르게 검은 직선이 있는데 신뢰구간(95%)을 의미한다.

sns.barplot(data=df, x="sex", y="age", hue="survived")
plt.show()

5) point plot

sns.pointplot(data=df, x="sex", y="age", hue="survived")
plt.show()

 

 

2. Jointplot / Regression

1) jointplot

scatter plot 과 히스토그램을 같이 표현할때 많이 사용된다.

 

sns.jointplot(data=df, x="age", y="fare")
plt.show()

2) lmplot

scatter와 회귀선을 표시하는 플롯이다.

선주변의 음영은 신뢰구간을 의미한다.

sns.lmplot(data=df, x="age", y="fare")
plt.show()

 

3. Matrixplot Heatmaps

1) heatmap

상관관계나 crosstab확인에 유용하다.

상관관계가 1에 가까울수록 밝은색으로, 상관관계가 -123에 가까울수록 어두운 색으로 표시된다.

sns.heatmap(df.corr(), annot=True)
plt.show()