안녕하세요. SQLER의 코난 김대우입니다. 

이번 강좌에서는, Python 머신러닝 강좌 - 15. Matplotlib으로 데이터 시각화(visualization)를 진행토록 하겠습니다.

예제 노트북 파일 : 15. Matplotlib으로 데이터 시각화(visualization)

SQLER에서 진행되는 전체 Python / 머신러닝 강좌 목록

코드를 실행하기 위해서는, vscode에서 새로운 파일을 만들고 강좌 내용을 단계별로 copy&paste해서 실행하시면 됩니다. 또는, Jupyter notebook을 실행하고 단계별로 실행하셔도 됩니다.

예를 들어, 15_matplotlib.ipynb를 생성하고 vscode에서 실행하면, Jupyter notebook이 실행됩니다.(vscode에서 실행도 가능하며, 웹브라우저에서도 실행 가능합니다.)

또는, github 리포지토리를 clone 하신 후, vscode나 Jupyter notebook에서, 위의 노트북 파일을 열면 됩니다. 
 

상세한 환경 구성이 필요 하시다면, 개발자 커뮤니티 SQLER.com - Python 초급 강좌 목차 - 1. Python 개발 환경 구성 문서를 참조해 WSL, vscode, conda, jupyter notebook 설정을 모두 먼저 완료 하시길 권장해 드립니다.

Python 머신러닝 강좌 - 15. Matplotlib으로 데이터 시각화(visualization)

Matplotlib으로 데이터 시각화

Matplotlib는 데이터를 시각화에 사용할 수 있는 차트 그리기 기능을 제공합니다.

일반적인 도구와 함수

• pyplot MATLAB과 유사한 plot을 그리는 기능을 제공합니다.
• pyplot.plot 그래프 도식화(plot) 기능을 제공합니다.
• pyplot.show 그래프와 같은 이미지를 디스플레이합니다.
• pyplot.scatter는 산포도(scatter plot)를 생성할때 사용되며, 두 데이터셋의 관계를 디스플레이 할때 보통 사용합니다.

많은 경우, 그래프는 데이터를 시각화하는 최선의 방법입니다.

matplotlib 라이브러리를 사용하면 데이터를 시각화하는 그래프를 쉽게 그릴 수 있습니다.

데이터를 시각화하려면 데이터를 DataFrame에 로드해야 합니다.

import pandas as pd

# Load our data from the csv file
delays_df = pd.read_csv('Lots_of_flight_data.csv') 

plot을 디스플레이하려면 matplotlib 라이브러리를 import 해야 합니다.

import matplotlib.pyplot as plt

Data science에서 사용되는 일반적인 plot은 두 column들 사이의 관계를 확인할 때 사용하는 산포도(scatter plot)입니다. 만약, 점(point)들이 사방에 흩어져있는 경우, 두 column들은 상관 관계(correlation)가 적은 것이고, 선과 유사한 패턴이 보이면 상관 관계가 있는 것입니다.

DataFrame의 plot 메서드를 사용하여 scatter plot을 그릴 수 있습니다.

• kind - 그리려 하는 그래프의 타입
• x - x로 표시 할 값
• y - y로 표시 할 값
• color - 그래프 점(point)에 사용할 색상
• alpha - 투명도 - 산점도에서 점의 밀도(density)를 표시하는 데 유용합니다.
• title - 그래프의 제목

# 비행 거리(DISTANCE)와 비행기 도착 딜레이 시간(ARR_DELAY) feature 사이에 상관관계가 있는지 체크
delays_df.plot(
               kind='scatter',
               x='DISTANCE',
               y='ARR_DELAY',
               color='blue',
               alpha=0.3,
               title='Correlation of arrival and distance'
              )
plt.show()

점들이 흩어져있습니다. - 상관관계가 낮습니다.

# 항공편 출발 시간(DEP_DELAY)과 도착 딜레이 시간(ARR_DELAY) 사이에 상관관계가 있는지 체크
delays_df.plot(
               kind='scatter',
               x='DEP_DELAY',
               y='ARR_DELAY',
               color='blue',
               alpha=0.3,
               title='Correlation of arrival and departure delay'
              )
plt.show()

plot의 결과는 일정한 패턴을 보이고 있습니다.

scatter plot을 통해 거리와 도착 지연 시간 사이에는 상관관계가 없지만 출발 지연 시간과 도착 지연 시간 사이에는 상관 관계가 높다는 것을 확인할 수 있습니다.

수고하셨습니다.

이것으로, 기본 머신러닝 강좌가 모두 종료되었습니다. 이후 내용은 좀더 실무적인 내용과 실제 구현 과정을 토대로, 여러 포스팅으로 인사 드릴게요.

참고자료

개발자 커뮤니티 SQLER.com - Python 무료 강좌 - 기초, 중급, 머신러닝

c9-python-getting-started/even-more-python-for-beginners-data-tools/15 - Visualizing data with Matplotlib at master · CloudBreadPaPa/c9-python-getting-started (github.com)