시각화관련

May 5, 2022

python을 사용하다보면 시각화를 하기위해 막대그래프, 꺾은선 그래프 등 다양하게 그리게 된다. 그래서 자주 사용되는 시각화 코드를 공유한다.

0. matplotlib 사용시 필수

import  matplotlib.pyplot  as  plt
from  matplotlib  import  rc

rc('font', family='AppleGothic') # 한글 사용가능
plt.rcParams['axes.unicode_minus'] = False # 마이너스 사용가능

1. boxplot

1) 수준 :3개일 경우 인덱스로 들어간 데이터프레임형태

tmp: 데이터 테이블명
행정동에 따른 성별의 연령별 boxplot

tmp = tmp.reset_index()
name = ['읍면동', '성별', '연령대'] #변수이름
boxes = []
for  i  in  range(len(tmp)):
	boxes.append({
		'label' : "{}".format(tmp[name].iloc[i][-1]),
		'q1' : tmp[(codedict.get(target), '1분위수')].iloc[i],
		'med' : tmp[(codedict.get(target), '중앙값')].iloc[i],
		'q3' : tmp[(codedict.get(target), '3분위수')].iloc[i],
		'mean': tmp[(codedict.get(target), 'mean')].iloc[i],
		'whislo': tmp[(codedict.get(target), '1분위수')].iloc[i],
		'whishi': tmp[(codedict.get(target), '3분위수')].iloc[i],
		'fliers': [],
	})

# 시각화하기
fig, ax = plt.subplots(1, 2, figsize=(12, 4))
for  i  in  range(2):
	# 연령에 따라서보여주고 싶어서+ boxplot의 중앙값 파랑색으로 라인설정
	ax[i].bxp(boxes[len(age_dict) * i : len(age_dict) * (i + 1)], positions = np.arange(len(age_dict)), medianprops=dict(linewidth=4, color='royalblue'))
	
	ax[i].tick_params(axis='x', labelsize=17, rotation=90)
	ax[i].tick_params(axis='y', labelsize=17)
	ax[i].set_xlabel('', fontsize=17)
	
	if  i == 0:
		ax[i].set_ylabel(codedict.get(target), fontsize=19)
		ax[i].set_title('남자', fontsize=17)
	
	else:
		ax[i].set_title('여자', fontsize=17)
	ax[i].set_ylim([np.min(tmp[(codedict.get(target), '1분위수')])*0.9, max(tmp[(codedict.get(target), '3분위수')])*1.1])
plt.suptitle('{}'.format(' '.join(list(tmp[name].iloc[i])[0])), fontsize=20)
plt.savefig('~.png',dpi=100, bbox_inches="tight", pad_inches=0.1)
plt.show()

2. 꺽은선

figure

1) fig=plt.figure() :ax없는 빈 figure생성 2) fig, ax= plt.subplots() : 하나의 ax만을 가지는 하나의 figure 3) fig, axes =plt.subplots(2,2): 4개의 ax들을 가지는 하나의 figure

다운로드

1) 꺾은선 그래프 직접 지정

plt.figure(figsize=(10,5))
plt.plot(list(set(data['연령'])),data[data['성별'] == '남자']["근로소득없음"],marker='o')
plt.plot(list(set(data['연령'])),data[data['성별'] == '여자']["근로소득없음"],marker='o')
plt.legend(['남자', '여자'])
plt.xticks( fontsize=10, rotation=90)
plt.show()

2) ax를 활용해 꺾은선 그리기

plt.style.use("ggplot")
fig, ax = plt.subplots(figsize = (10, 5))
ax.plot(list(set(data['연령'])), data[data['성별'] == '남자']['근로소득없음'], 
        marker='o', linewidth=2, markersize=10, label='남자', color='royalblue')
ax.plot(list(set(data['연령'])), data[data['성별'] == '여자']['근로소득없음'], 
        marker='o', linewidth=2, markersize=10, label='여자', color='indianred')
plt.title('성별에 따른 연령의 근로소득없음 비교')
plt.xlabel('연령대', fontsize=18)
plt.ylabel('평균', fontsize=18)
plt.xticks(fontsize=13, rotation=90)
plt.yticks(fontsize=13)
plt.legend()
plt.savefig('{}.png'.format('평균'), dpi=100, bbox_inches="tight", pad_inches=0.1)
plt.show()
plt.close()

3) subplot이용

plt.figure(figsize=(15,10))
plt.suptitle('method', fontsize = 20, y=1.3) 

plt.subplot(2,2,1)
plt.plot(list(set(data['연령'])),data[data['성별'] == '남자']["근로소득없음"],marker='o')
plt.title('1st plot') # 제목
plt.xticks(fontsize=9, rotation=90)
plt.xlabel('연령') # x축 이름 지정
plt.ylabel('평균', fontdict = {'size':15, 'color': 'blue'})

plt.subplot(2,2,2)
plt.plot(list(set(data['연령'])),data[data['성별'] == '남자']["저소득"],marker='o')
plt.title('2nd plot')
plt.xticks(fontsize=9, rotation=90)

plt.subplot(2,2,3)
plt.plot(list(set(data['연령'])),data[data['성별'] == '남자']["중위소득"],marker='o')
plt.title('3rd plot')
plt.xticks(fontsize=9, rotation=90)

plt.subplot(2,2,4)
plt.plot(list(set(data['연령'])),data[data['성별'] == '남자']["중상이상"],marker='o')
plt.title('4th plot')
plt.xticks(fontsize=9, rotation=90)

plt.subplots_adjust(top=1.2, bottom=0.2, left=0.10, right=0.95, hspace=0.5, wspace=0.2)  # subplot layout 조절 /hspace : subplot간 위아래 공간, wspace : subpot간 좌우 공간
plt.show()

4) subplots 이용하는 법

fig, ax = plt.subplots(2,1,figsize = (10, 5))
ax[0].plot(list(set(data['연령'])), data[data['성별'] == '남자']['근로소득없음'], marker='o', color='royalblue')
ax[0].set_title('남자')
ax[0].set_xlabel("연령")
ax[0].set_ylabel("평균")

ax[1].plot(list(set(data['연령'])), data[data['성별'] == '여자']['근로소득없음'], marker='o', color='indianred')
ax[1].set_title('여자')
ax[1].set_xlabel("연령")
ax[1].set_ylabel("평균")

plt.tight_layout()
plt.show()

3. 지도

shp파일 또는 위치정보(geometry)가 있는 데이터를 이용해 지도 시각화

fig = plt.figure()
jisu_df.plot('시각화 변수', legend=True, cmap='YlGn', edgecolor="k",legend_kwds={'label':'지수'})
plt.axis('off')         
plt.tight_layout()
plt.savefig('example.png')
plt.show()

4. 산점도

5. 막대그래프

6. 이미지에서 서브플롯

가끔 각 이미지를 생성하는 코드는 짰고 그대로 붙이는 법이 없을까? 라는 생각을 했다면 이 방법을 시도하기를!!
1) 2x3의 형태로 붙이기

```python from PIL import Image

for i in range(0,24): #이미지 수 img = [] column = 데이터이름.columns[i]

#이미지 데이터 불러오기
for j in range(6):#연령이 총 6가지
    img.append(Image.open('{}_{}.png'.format(column, j)))

# 이미지 데이터 서브플롯 만들기 plt.figure(figsize=(24, 20)) for j in range(len(img)): plt.subplot(3, 3, j+1) plt.imshow(img[j])
plt.axis(‘off’) plt.tight_layout()

# 이미지 저장    
plt.savefig('{}.png'.format(column),
        dpi=200, bbox_inches="tight", pad_inches=0.1)
plt.show()
plt.close() ``` ![연락_전수](https://user-images.githubusercontent.com/45659433/174972751-d87945f9-ba07-474e-9a5a-3f3118f062b3.png)

2) 3x2의 형태로 붙이기

for i in range(0,24):  #이미지 수
    img = []
    column = 데이터명.columns[i]
    
    #이미지 데이터 불러오기
    for j in range(6):
        img.append(Image.open('{}_{}_.png'.format(column, j)))
   
   # 이미지 데이터 서브플롯 만들기 
   plt.figure(figsize=(24, 20))
    for j in range(len(img)):
        plt.subplot(3, 2, j+1)
        plt.imshow(img[j])    
        plt.axis('off')
        plt.tight_layout(pad=0.02) 
        plt.subplots_adjust(wspace=0, hspace=0)
  
  #저장
    plt.savefig('{}.png'.format(column),
            dpi=200, bbox_inches="tight", pad_inches=0.1)
    plt.show()
    plt.close()

보고서_연락_전수

Twitter Facebook LinkedIn

시각화관련

0. matplotlib 사용시 필수

1. boxplot

2. 꺽은선

figure

1) 꺾은선 그래프 직접 지정

2) ax를 활용해 꺾은선 그리기

3) subplot이용

4) subplots 이용하는 법

3. 지도

4. 산점도

5. 막대그래프

6. 이미지에서 서브플롯

1) 2x3의 형태로 붙이기

2) 3x2의 형태로 붙이기

공유하기

댓글남기기

참고

[swea] 4828. 1일차 min, max

유용한 코드

Geopandas분석(5) 주변 폴리곤 선택하는 알고리즘

Geopandas분석(4) 행정동안에 속하는지