seaborn

seaborn¶

---

• 기존 matplotlib에 기본 설정을 추가
• 복잡한 그래프를 간단하게 만들 수 있는 wrapper
• https://seaborn.pydata.org/tutorial.html

In [1]:

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

basic plots¶

• matplotlib와 같은 기본적인 plot
• 손쉬운 설정으로 데이터 산출
• lineplot,scatterplot,countplot등

In [2]:

# seaborn의 기본 데이터셋
tips = sns.load_dataset("tips")
fmri = sns.load_dataset("fmri")

In [3]:

tips.sample(n=10,random_state=1)

Out[3]:

	total_bill	tip	sex	smoker	day	time	size
67	3.07	1.00	Female	Yes	Sat	Dinner	1
243	18.78	3.00	Female	No	Thur	Dinner	2
206	26.59	3.41	Male	Yes	Sat	Dinner	3
122	14.26	2.50	Male	No	Thur	Lunch	2
89	21.16	3.00	Male	No	Thur	Lunch	2
218	7.74	1.44	Male	Yes	Sat	Dinner	2
58	11.24	1.76	Male	Yes	Sat	Dinner	2
186	20.90	3.50	Female	Yes	Sun	Dinner	3
177	14.48	2.00	Male	Yes	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

In [4]:

fmri.sample(n=10,random_state=1)

Out[4]:

	subject	timepoint	event	region	signal
806	s6	18	cue	parietal	0.019532
691	s5	15	cue	frontal	-0.019507
148	s5	8	stim	parietal	0.006805
676	s13	0	cue	parietal	-0.018394
156	s11	7	stim	parietal	0.254042
27	s1	17	stim	parietal	-0.038021
200	s11	4	stim	parietal	0.087175
262	s3	0	stim	parietal	-0.008576
94	s4	12	stim	parietal	-0.090036
339	s4	5	stim	frontal	0.455575

set style¶

• http://hleecaster.com/python-seaborn-set-style-and-context/

In [5]:

sns.set(style='darkgrid')
# sns.set_style('darkgrid')

lineplot¶

In [6]:

sns.lineplot(x="timepoint", y="signal", data=fmri)

Out[6]:

<AxesSubplot:xlabel='timepoint', ylabel='signal'>

위 그래프를 보면 중앙에 선으로 표시된 그래프와 영역으로 표시된부분으로 나타나게 된다. 이건 한 값에 여러개의 데이터가 있을 때 해당 값의 평균을 선으로 표시하고 나머지 값의 분포를 영역으로 그려주게 된다. 아래 0의 데이터 값을 확인해보면 56개의 데이터가 나온걸 확인 할 수 있다.

In [7]:

len(fmri[fmri['timepoint']==0])

Out[7]:

56

hue¶

In [8]:

print(fmri["event"].unique())
sns.lineplot(x="timepoint", y="signal", hue="event", data=fmri)

['stim' 'cue']

Out[8]:

<AxesSubplot:xlabel='timepoint', ylabel='signal'>

• hue인자는 카테고리 값을 넣어준다.

scatterplot¶

In [9]:

sns.scatterplot(x="total_bill", y="tip", data=tips)

Out[9]:

<AxesSubplot:xlabel='total_bill', ylabel='tip'>

In [10]:

sns.scatterplot(x="total_bill", y="tip", hue="time", data=tips)

Out[10]:

<AxesSubplot:xlabel='total_bill', ylabel='tip'>

regplot¶

In [11]:

sns.regplot(x="total_bill", y="tip", data=tips)

Out[11]:

<AxesSubplot:xlabel='total_bill', ylabel='tip'>

countplot¶

In [12]:

fig = plt.figure()  # figure 반환
fig.set_size_inches(10, 4)  # 크기지정

ax1 = fig.add_subplot(1, 2, 1)  # 두개의 plot 생성
ax2 = fig.add_subplot(1, 2, 2)  # 두개의 plot 생성
sns.countplot(x="smoker", data=tips,ax=ax1)
sns.countplot(x="smoker", hue="time", data=tips,ax=ax2)
plt.show()

barplot¶

In [13]:

sns.barplot(x="day", y="total_bill", data=tips)

Out[13]:

<AxesSubplot:xlabel='day', ylabel='total_bill'>

• 기본값은 평균을 계산해서 그려준다.

In [14]:

sns.barplot(x="day", y="total_bill", data=tips,estimator=len)

Out[14]:

<AxesSubplot:xlabel='day', ylabel='total_bill'>

• estimator인자에 집계함수를 써줘서 바꿔줄 수 있다.

displot¶

In [15]:

sns.displot(tips["total_bill"], bins=10)

Out[15]:

<seaborn.axisgrid.FacetGrid at 0x2e2a40525c8>

In [16]:

sns.displot(tips["total_bill"], bins=10, kde=True)

Out[16]:

<seaborn.axisgrid.FacetGrid at 0x2e2a4125688>

• kde값은 분포 곡선을 나타낸다.

multiple plots¶

• 한개이상의 도표를 하나의 plot에 작성
• Axes를 사용해서 grid를 나누는 방법

violinplot¶

In [17]:

fig = plt.figure()  # figure 반환
fig.set_size_inches(15, 4)  # 크기지정

ax1 = fig.add_subplot(1, 2, 1)  # 두개의 plot 생성
ax2 = fig.add_subplot(1, 2, 2)  # 두개의 plot 생성


sns.violinplot(x="day", y="total_bill", hue="smoker",data=tips, palette="muted",ax=ax1)
sns.boxplot(x="day", y="total_bill", hue="smoker",data=tips, palette="muted",ax=ax2)

Out[17]:

<AxesSubplot:xlabel='day', ylabel='total_bill'>

• boxplot과 비슷하지만 분포까지 같이 볼 수 있다.

swarmplot¶

In [18]:

sns.swarmplot(x="day", y="total_bill", hue="smoker",data=tips, palette="muted")

Out[18]:

<AxesSubplot:xlabel='day', ylabel='total_bill'>

• 개수를 산점도로 볼 수 있어 좀더 자세히 알수있다.

catplot¶

In [19]:

sns.catplot(x="day", y="total_bill", kind="swarm",data=tips)

Out[19]:

<seaborn.axisgrid.FacetGrid at 0x2e2a440f6c8>

• carplot를 사용하면 여러 그림을 그릴 수 있다. kind인자에 값을 넣어준다.
  ex) 'swarm', 'box'...

FacetGrid¶

In [20]:

tips['time'].unique(), tips['sex'].unique()

Out[20]:

(['Dinner', 'Lunch']
 Categories (2, object): ['Dinner', 'Lunch'],
 ['Female', 'Male']
 Categories (2, object): ['Female', 'Male'])

In [21]:

g = sns.FacetGrid(tips, col="time",  row="sex")

In [22]:

g = sns.FacetGrid(tips, col="time",  row="sex")
g.map(sns.scatterplot, "total_bill", "tip")

Out[22]:

<seaborn.axisgrid.FacetGrid at 0x2e2a560b508>

• map함수를 써서 각 grid에 그린다.

In [23]:

g = sns.FacetGrid(tips, col="time",  row="sex")
g.map_dataframe(sns.histplot, x="total_bill")

Out[23]:

<seaborn.axisgrid.FacetGrid at 0x2e2a421a6c8>