파이썬으로 데이터 시각화하기: Matplotlib과 Seaborn 사용법

파이썬은 데이터 분석 및 시각화를 위한 강력한 언어 중 하나이며,

그 중에서도 Matplotlib와 Seaborn은 파이썬에서 가장 널리 사용되는 데이터 시각화 라이브러리입니다.

 

Matplotlib와 Seaborn 라이브러리를 활용하여 데이터 시각화를 어떻게 수행하는지에 대해 자세히 살펴보겠습니다.

1. Matplotlib
Matplotlib는 파이썬에서 가장 많이 사용되는 데이터 시각화 라이브러리 중 하나입니다.

이 라이브러리는 선 그래프, 산점도, 히스토그램 등 다양한 그래프를 그릴 수 있습니다.

1-1. 그래프 그리기
Matplotlib를 사용하여 그래프를 그리는 방법은 매우 간단합니다. 다음은 간단한 선 그래프를 그리는 예시입니다.

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 20, 30, 40, 50]

plt.plot(x, y)
plt.show()

 

위 코드는 x와 y 값을 지정한 후, plt.plot() 함수를 사용하여 선 그래프를 그리고, plt.show() 함수를 사용하여 그래프를 출력하는 예시입니다.

Matplotlib

1-2. 그래프 스타일 지정하기
Matplotlib를 사용하여 그래프를 그릴 때, 그래프의 색상, 선 스타일, 레이블 등 다양한 스타일을 지정할 수 있습니다.

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 20, 30, 40, 50]

plt.plot(x, y, color='red', linestyle='dashed', linewidth=2, marker='o', markersize=10, label='Data')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Sample Graph')
plt.legend()
plt.show()

위 코드는 색상, 선 스타일, 레이블 등을 지정한 후, plt.legend() 함수를 사용하여 범례를 추가하여 그래프를 출력하는 예시입니다.

graph

1-3. 다양한 그래프 그리기
Matplotlib를 사용하여 다양한 그래프를 그릴 수 있습니다.

다음은 산점도, 히스토그램, 막대 그래프를 그리는 예시입니다.

import matplotlib.pyplot as plt
import numpy as np

# 산점도 그리기
x = np.random.rand(50)
y = np.random.rand(50)

plt.scatter(x, y, s=100, c='red', alpha=0.5)
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Sample Graph')
plt.legend()
plt.show()

위 코드는 np.random.rand() 함수를 사용하여 랜덤한 값을 생성하고, plt.scatter() 함수를 사용하여 산점도를 그린 예시입니다.

산점도

 

import matplotlib.pyplot as plt
import numpy as np

# 히스토그램 그리기
x = np.random.randn(1000)

plt.hist(x, bins=30, density=True, alpha=0.5, color='green')
plt.xlabel('X')
plt.ylabel('Density')
plt.title('Histogram')
plt.show()

위 코드는 np.random.randn() 함수를 사용하여 랜덤한 값을 생성하고, plt.hist() 함수를 사용하여 히스토그램을 그린 예시입니다.

histogram

2. Seaborn
Seaborn은 Matplotlib에 비해 상대적으로 높은 수준의 인터페이스를 제공하여 더욱 쉽고 간편하게 데이터 시각화를 수행할 수 있도록 합니다. Seaborn은 다양한 종류의 그래프를 제공하며, Matplotlib보다 더욱 세련된 디자인을 제공합니다.

2-1. 그래프 그리기
Seaborn을 사용하여 그래프를 그리는 방법은 Matplotlib와 유사합니다. 다음은 간단한 선 그래프를 그리는 예시입니다.

import seaborn as sns
import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 20, 30, 40, 50]

sns.lineplot(x=x, y=y)
plt.show()

위 코드는 sns.lineplot() 함수를 사용하여 선 그래프를 그리고, plt.show() 함수를 사용하여 그래프를 출력하는 예시입니다.

Seaborn

2-2. 그래프 스타일 지정하기
Seaborn을 사용하여 그래프를 그릴 때, 그래프의 색상, 선 스타일, 레이블 등 다양한 스타일을 지정할 수 있습니다.

import seaborn as sns
import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 20, 30, 40, 50]

sns.lineplot(x=x, y=y, color='red', linestyle='dashed', linewidth=2, marker='o', markersize=10, label='Data')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Sample Graph')
plt.legend()
plt.show()

위 코드는 Seaborn을 사용하여 각각 히스토그램, 박스 그래프, 산점도 그래프를 그린 예시입니다.

3. Matplotlib과 Seaborn을 함께 사용하기
Matplotlib과 Seaborn은 서로 보완적인 기능을 제공하므로, 두 라이브러리를 함께 사용하여 더욱 다양하고 세부적인 데이터 시각화를 수행할 수 있습니다.

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

# 산점도 그리기
x = np.random.randn(1000)
y = np.random.randn(1000)

fig, ax = plt.subplots()
sns.scatterplot(x=x, y=y, ax=ax, color='red', alpha=0.5)

# 히스토그램 그리기
x = np.random.randn(1000)

fig, ax = plt.subplots()
sns.histplot(x, bins=30, ax=ax, color='green', kde=True)

plt.show()

종합하여 사용하면 보다 다양하고 풍부한 그래프를 그릴 수 있습니다. Matplotlib은 다양한 스타일과 그래프 유형을 제공하며, Seaborn은 통계적인 관점에서 보다 효과적인 그래프를 그리는 데 특화되어 있습니다.

 

또한 Matplotlib과 Seaborn은 다른 라이브러리들과도 연계하여 사용할 수 있습니다.

예를 들어, Pandas와 함께 사용하여 데이터를 처리하고 시각화하는 것이 가능합니다.

이번 글에서는 Matplotlib과 Seaborn의 기본적인 사용법과 함께 간단한 예시를 살펴보았습니다.

이제 Matplotlib과 Seaborn을 사용하여 데이터 시각화를 할 준비가 되었습니다.