[seaborn] 데이터 시각화

≣ 목차

바 그래프 1

 

# seaborn 라이브러리를 통한 그래프 그리기 
p = ["#F4D13B","red"]
sns.set_palette(p)

plot1 = (sns.barplot(data=df33,x= "Gender",y= "Customer ID"))
# containers: 각 막대 / labels: 각 막대의 높이를 텍스트로 반환 
plot1.bar_label(plot1.containers[0], labels=df33['Customer ID'], fontsize=7, color='blue')
plot1.set_title("User - bar chart")

 

 

바 그래프 2

 

# seaborn 라이브러리를 통한 그래프 그리기 
plt.figure(figsize=(15, 8))
dplot1 = sns.barplot(x="Date", y="user count", data=df9, palette='rainbow')
dplot1.set_xticklabels(dplot1.get_xticklabels(), rotation=30)
dplot1.set(title='Monthly Active User') # title barplot

# 바차트에 텍스트 추가하기 
# patches 는 각 막대를 의미 .
for p in dplot1.patches:
    # 각 바의 높이 구하기
    height = p.get_height()
    # X 축 시작점으로부터, 막대넓이의 중앙 지점에 텍스트 표시 
    dplot1.text(x = p.get_x()+(p.get_width()/2), 
    # 각 막대 높이에 10 을 더해준 위치에 텍스트 표시             
    y = height+10, 
    # 값을 정수로 포맷팅
    s = '{:.0f}'.format(height),
    # 중앙 정렬
    ha = 'center')

 

카운트그래프

 

# seaborn 라이브러리를 통한 그래프 그리기 
# 시즌별 카테고리별 유저수(count 값과 동일) 구하기 
plt.figure(figsize=(6, 5))
# hue 는 범례입니다. 
dplot2 = sns.countplot(x='Category', hue='Gender', data=df2, palette='cubehelix')
dplot2.set(title='bar plot3')

 

히스토그램 그래프

 

# seaborn 라이브러리를 통한 그래프 그리기 
#나이별 데이터 count 나타내기 
#분포를 나타내는 그래프로 데이터 갯수를 세어 표시

sns.histplot(x=df2['Age'])

 

박스플롯 그리기

 

# seaborn 라이브러리를 통한 그래프 그리기 
# 최대(maximum), 최소(minimum), mean(평균), 1 사분위수(first quartile), 3 사분위수(third quartile)를 보기 위한 그래프
# 이상치 탐지에 용이(저번시간에 배운 IQR)
sns.boxplot(x = df2['Purchase Amount (USD)'],palette='Wistia')

# seaborn 라이브러리를 통한 그래프 그리기 
# 박스플롯 응용
dplot5 = sns.boxplot(y = df2['Purchase Amount (USD)'], x = df2['Gender'], palette='PiYG')
dplot5.set(title='box plot yeah')

 

상관관계 그래프

 

# 상관계수 구하기 
df10.corr()

# seaborn 라이브러리를 통한 그래프 그리기 
# annot: 각 셀의 값 표기,camp 는 팔레트 
dplot10 = sns.heatmap(df10.corr(), annot = True, cmap = 'viridis') # camp =PiYG 도 넣어서 색상을 비교해보세요.
dplot10.set(title='corr plot')

 

 

조인트 그래프

 

# seaborn 라이브러리를 통한 그래프 그리기 
#두 변수에 분포에 대한 분석시 사용
#hex 를 통해 밀도 확인
sns.jointplot(x=df2['Purchase Amount (USD)'], y=df10['Review Rating'], kind = 'hex', palette='cubehelix')