[Python] 2-5) Matplotlib 2

 

 

 

 

imshow

 

imshow 데이터 처럼 행과 열을 갖는 2차원 데이터는 imshow 명령으로 2차원 자료의 크기를 색깔로 표시

from sklearn.datasets import load_digits

digits = load_digits()#손글씨데이터
X = digits.images[0]
X

 

 

array([[ 0.,  0.,  5., 13.,  9.,  1.,  0.,  0.],
       [ 0.,  0., 13., 15., 10., 15.,  5.,  0.],
       [ 0.,  3., 15.,  2.,  0., 11.,  8.,  0.],
       [ 0.,  4., 12.,  0.,  0.,  8.,  8.,  0.],
       [ 0.,  5.,  8.,  0.,  0.,  9.,  8.,  0.],
       [ 0.,  4., 11.,  0.,  1., 12.,  7.,  0.],
       [ 0.,  2., 14.,  5., 10., 12.,  0.,  0.],
       [ 0.,  0.,  6., 13., 10.,  0.,  0.,  0.]])

 

 

plt.title("mnist digits; 0")
#interpolation='nearest' 보간법
# cmap=plt.cm.bone_r 색깔설정  
plt.imshow(X, interpolation='bilinear', cmap=plt.cm.bone_r)
plt.xticks([])
plt.yticks([])
plt.grid(False)
#간격설정
plt.subplots_adjust(left=0.35, right=0.65, bottom=0.35, top=0.65)
plt.show()

 

dir(plt.cm)[:10]

 

['Accent',
 'Accent_r',
 'Blues',
 'Blues_r',
 'BrBG',
 'BrBG_r',
 'BuGn',
 'BuGn_r',
 'BuPu',
 'BuPu_r']

 

fig, axes = plt.subplots(1, 4, figsize=(12, 3),
                         subplot_kw={'xticks': [], 'yticks': []})
axes[0].set_title("plt.cm.Blues")
axes[0].imshow(X, interpolation='nearest', cmap=plt.cm.Blues)
axes[1].set_title("plt.cm.Blues_r")
axes[1].imshow(X, interpolation='nearest', cmap=plt.cm.Blues_r)
axes[2].set_title("plt.BrBG")
axes[2].imshow(X, interpolation='nearest', cmap='BrBG')
axes[3].set_title("plt.BrBG_r")
axes[3].imshow(X, interpolation='nearest', cmap='BrBG_r')
plt.show()

 

 

methods = [
    None, 'none', 'nearest', 'bilinear', 'bicubic', 'spline16',
    'spline36', 'hanning', 'hamming', 'hermite', 'kaiser', 'quadric',
    'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc', 'lanczos'
]
fig, axes = plt.subplots(3, 6, figsize=(12, 6),
                         subplot_kw={'xticks': [], 'yticks': []})
for ax, interp_method in zip(axes.flat, methods):
    ax.imshow(X, cmap=plt.cm.bone_r, interpolation=interp_method)
    ax.set_title(interp_method)
plt.show()

 

---

 

컨투어 플롯

 

입력변수가 x,y 두개가 출려변수가 z 하나인 3차원 자료

contour : 등고선 표시

contourf : 색깔로 표시

 

def f(x, y):
    return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)


n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
XX, YY = np.meshgrid(x, y)
ZZ = f(XX, YY)

plt.title("Contour plots")
plt.contourf(XX, YY, ZZ, alpha=.75, cmap='jet')
plt.contour(XX, YY, ZZ, colors='black')
plt.show()

 

 

 

Seaborn을 사용한 데이터 분포 시각화

 

1.1 차원 분포 플롯

rugplot 데이터 위치를 x축 위에0 작은 선분으로 나타내어 실제 데이터들의 위치를 보여줌

kdeplot : 커널이라는 함수를 겹치는 방법으로 히스토그램보다 부드러운 형태의 분포 곡선을 보여줌

distplot : 러그와 커널 밀도 표시기능이 있음

 

import seaborn as sns
iris = sns.load_dataset("iris")    # 붓꽃 데이터
titanic = sns.load_dataset("titanic")    # 타이타닉호 데이터
tips = sns.load_dataset("tips")    # 팁 데이터
flights = sns.load_dataset("flights")    # 여객운송 데이터

 

import numpy as np
x = iris.petal_length.values
print(x)

sns.rugplot(x)
plt.show()

 

[1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 1.5 1.6 1.4 1.1 1.2 1.5 1.3 1.4
 1.7 1.5 1.7 1.5 1.  1.7 1.9 1.6 1.6 1.5 1.4 1.6 1.6 1.5 1.5 1.4 1.5 1.2
 1.3 1.4 1.3 1.5 1.3 1.3 1.3 1.6 1.9 1.4 1.6 1.4 1.5 1.4 4.7 4.5 4.9 4.
 4.6 4.5 4.7 3.3 4.6 3.9 3.5 4.2 4.  4.7 3.6 4.4 4.5 4.1 4.5 3.9 4.8 4.
 4.9 4.7 4.3 4.4 4.8 5.  4.5 3.5 3.8 3.7 3.9 5.1 4.5 4.5 4.7 4.4 4.1 4.
 4.4 4.6 4.  3.3 4.2 4.2 4.2 4.3 3.  4.1 6.  5.1 5.9 5.6 5.8 6.6 4.5 6.3
 5.8 6.1 5.1 5.3 5.5 5.  5.1 5.3 5.5 6.7 6.9 5.  5.7 4.9 6.7 4.9 5.7 6.
 4.8 4.9 5.6 5.8 6.1 6.4 5.6 5.1 5.6 6.1 5.6 5.5 4.8 5.4 5.6 5.1 5.1 5.9
 5.7 5.2 5.  5.2 5.4 5.1]

 

sns.kdeplot(x)#kernel density plot
plt.show()

 

sns.distplot(x, kde=True, rug=True)
plt.show()

 

---

카운트 플롯

 

각카테고리 값별로 데이터가 얼마나 있는지 표시

sns.countplot(x="class", data=titanic)
plt.show()

 

sns.countplot(x="day", data=tips)
plt.show()

 

---

다차원 데이터

 

1. 분석하고자하는 데이터가 모두 실수 값인 경우
2. 분서하고자하는 데이터가 모두 카테고리 값인 경우
3. 분석하고자하는 데이터가 모두 실수값과 카테고리 값이 섞여있는 경우

 

2차원 실수형 데이터

데이터가 2차원이고 모두 연속적인 실수 값이라면 스캐터 플롯 사용

 

iris.head()

 

sns.jointplot(x="sepal_length", y="sepal_width", data=iris)
plt.suptitle("Joint Plot", y=1.02)
plt.show()

 

sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="kde")
plt.suptitle("Joint Plot and Kernel Density Plot", y=1.02)
plt.show()

 

---

다차원 실수형 데이터

 

3차원 이상의 데이터라면 pairplot 명령

데이터 프레임을 인수로 받아 그리드 형태로 각 데이터 열의 조합에 대해 스캐터 플롯을 그림

대각선 영역에는 데이터 히스토드램을 그림

sns.pairplot(iris)
plt.title("Iris Data의 Pair Plot")
plt.show()

 

 

---

2차원 카테고리 데이터

 

데이터가 2차원이고 모든 값이 카테고리값일때 hearmap 사용

heat + map : 데이터들의 배열을 색상으로 표현

titanic_size = titanic.pivot_table(
    index="class", columns="sex", aggfunc="size")
titanic_size

 

sns.heatmap(titanic_size, cmap=sns.light_palette(
    "gray", as_cmap=True), annot=True, fmt="d")
plt.title("Heatmap")
plt.show()

 

---

 

 

판다스의 시각화 기능

import pandas as pd
np.random.seed(0)
df1 = pd.DataFrame(np.random.randn(100, 3),
                   index=pd.date_range('1/1/2018', periods=100),
                   columns=['A', 'B', 'C']).cumsum()
df1.head()

 

df1.plot()
plt.title("Plot of pandas")
plt.xlabel("time")
plt.ylabel("Data")
plt.show()

 

iris = sns.load_dataset("iris")    # 붓꽃 데이터
titanic = sns.load_dataset("titanic")    # 타이타닉호 데이터

#꽃받침 길이 시각화
iris.sepal_length[:20].plot(kind='bar', rot=0)
plt.xlabel("Data")
plt.ylabel("length")
plt.show()

 

iris[:5].plot.bar(rot=0)#x축 라벨의 각도
plt.xlabel("Data")
plt.ylabel("Feature")
plt.ylim(0, 7)
plt.show()

 

df2 = iris.groupby(iris.species).mean()
df2.columns.name = "feature"
df2

 

df2.plot.bar(rot=0)
plt.xlabel("mean")
plt.ylabel("kind")
plt.ylim(0, 8)
plt.show()

 

df2.T.plot.bar(rot=0)
plt.xlabel("Feature")
plt.ylabel("mean")
plt.show()

 

titanic[["pclass"]].head()

 

df3 = titanic.pclass.value_counts()
df3.plot.pie(autopct='%.2f%%')
plt.axis('equal')
plt.show()

 

iris.plot.hist()
plt.xlabel("value")
plt.show()

 

iris.plot.kde()
plt.xlabel("value")
plt.show()

 

 

 

 

 

 

 

 

 

뭐지 numpy는 노잼이었는데

그래프는 왜 재미있냐...

난 공대가 맞았을ㅈ도....

 

 

 

 

#ABC부트캠프 #부트캠프 #유클리드소프트 #파이썬 #고용노동부 #한국산업인력공단 #서포터즈 #python #Ai #Bigdata #cloud #대외활동 #대학생 #daily