[python] matplotlib으로 그래프 만들기- 다변량그래프+3d, 밀집도그래프, 육각그래프, 패턴, 텍스트 설정까지

Matplotlib 그래프 2

1편은 아래에서 확인하실 수 있습니다:)

https://wonhwa1.blogspot.com/2022/11/python-matplotlib.html

데이터 준비

1편에서 사용한 csv데이터를 준비해 주세요.

또는 아래의 링크에서 다운받으실 수 있습니다.

https://www.kaggle.com/imakash3011/customer-personality-analysis

다변량 그래프 그리기

다변량 그래프는 변수가 여러 개 있는 그래프입니다.

이번 포스팅에는 변수를 4개를 추가하여 그래프를 그리는 방법을 알아보도록 하겠습니다.

x축: MntMeatProducts(육류구매량)
y축: MntWines(와인구매량)
색구분: Edu_level(학력)
사이즈구분: NumWebPurchases(웹사이트구매횟수)

이렇게 4개의 변수를 그래프로 표현해 보겠습니다.

기존 csv를 불러온 df에서 null 값이 있으면 0으로 일괄대체를 해준 후 나머지 과정을 진행합니다.

먼저 학력별로 색 구분을 하려면 str데이터인 학력을 문자에서 숫자로 변환하는 작업이 필요합니다.

이 작업을 아래의 함수를 써서 학력을 숫자로 바꾼 후,

바꾼 숫자들을 'Edu_level'이라는 학력 컬럼을 새로 만들어 입력 하겠습니다.

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager,rc

# 한글 폰트 설정
font_location = 'C:/Windows/Fonts/MALGUNSL.TTF' #맑은고딕
font_name = font_manager.FontProperties(fname=font_location).get_name()
rc('font',family=font_name)
#데이터 셋 불러오기
df = pd.read_csv('marketing_campaign.csv',sep='\t')
# null값 0으로 대체
df = df.fillna(0)

########## 다변량 그래프 그리기 ###########
#다변량 그래프(3개 이상의 변수 사용)

# 학력부분 숫자로 바꾸기
def recode_edu(education_level):
    if education_level == 'Basic':
        return 0
    elif education_level == 'Graduation':
        return 1
    elif education_level == '2nCycle':
        return 2
    elif education_level == 'Master':
        return 3
    else:
        return 4

df['Edu_level'] = df['Education'].apply(recode_edu)
df.head()

맨 끝 컬럼에 Edu_level이 잘 추가되었음을 확인할 수 있습니다.

그 후 다변량 그래프를 그려주도록 합니다.

c = color(색)을, s = size(사이즈)를 의미합니다.

# x축: MntMeatProducts(육류구매량)
# y축: MntWines(와인구매량)
# c(컬러): Edu_level(학력)
# s(사이즈): NumWebPurchases(웹사이트구매횟수)

#그래프틀생성
scatter_plot = plt.figure()
axes1 = scatter_plot.add_subplot(1,1,1)
#산점도 다변량 그래프 그리기
axes1.scatter(
    x=df['MntMeatProducts'],
    y=df['MntWines'],
    c=df['Edu_level'],
    s=df['NumWebPurchases']*10,
    alpha=0.5
) #alpha는 투명도 조절
axes1.set_title('다변량 그래프(학력별 다른색상, 웹사이트구매횟수는 사이즈별')
axes1.set_xlabel('육류구매량')
axes1.set_ylabel('와인구매량')
plt.show()

이렇게 4개의 변수를 그래프로 시각화하였습니다.

3D 그래프

다변량 그래프에서 사용했던 데이터를 가지고 이번에는 3D로 scatter plot을 그려보겠습니다.

3D로 그래프를 그릴 때는 mpl_toolkits을 import 한 후, X,Y,Z 값을 차례로 넣어 주셔야 합니다.

#3D그래프 그리기
from mpl_toolkits.mplot3d import axes3d
fig = plt.figure()
ax = fig.add_subplot(111,projection='3d')

ax.scatter(df['MntMeatProducts'],df['MntWines'],df['Edu_level'], c='pink', s=50)
plt.show()

위의 그래프에서 x는 육류구매량, y는 와인구매량, z는 학력으로 설정하였습니다.

밀집도 그래프

이번에는 'NumStorePurchases'(매장구매량)컬럼을 밀집도 그래프로 나타내 보겠습니다.

밀집도 그래프는 plot.kde()를 이용하여 생성할 수 있습니다.

####밀집도 그래프#####
ax1 = plt.subplot()
ax1 = df['NumStorePurchases'].plot.kde() #매장구매량
plt.show()

육각형 그래프

다음으로, 육각형 그래프를 그려보도록 하겠습니다.

plot.hexbin을 사용하여 육각 그래프를 그릴 수 있고, gridsize 파라미터로 그래프 육각형의 크기를 조절할 수 있습니다.

x축은 'Income'(수입) 컬럼으로, y축은 'MntWines'(와인구매량) 컬럼으로 하여 육각형 그래프를 만들어 보겠습니다.

####육각형 그래프#####
fig2,ax2 = plt.subplots()
ax2 = df.plot.hexbin(x='Income',y='MntWines',ax=ax2,gridsize=10) #gridsize: 육각형크기조절
plt.show()

위와 같이 벌집모양의 육각형 그래프가 만들어졌습니다.

+ 막대 그래프에 패턴 추가하기

그래프를 그리는 것 외에도 matplotlib을 사용하여 막대 그래프에 패턴을 추가 할 수 있어 그 방법을 알아보도록 하겠습니다.

우선 이번에 시각화 할 내용은 고객 중 학력(Education)이 같은 사람이 각각 몇명 있는지를 나타내 보는 것 입니다. 때문에 각 학력을 가지고 있는 사람들을 groupby를 사용하여 카운팅 후 막대그래프로 표시해 보도록 하겠습니다.

일반 막대 그래프는 밋밋하므로 막대에 별 패턴을 추가해서 시각화해 보겠습니다.

'hatch'를 사용하여 어떤 패턴을 그릴지 설정할 수 있습니다.

여기서 별은 * 로 hatch='*' 을 사용하여 나타낼 수 있습니다.

#####패턴추가#####
fig, ax = plt.subplots()

#그래프 크기 및 폰트 크기 지정
plt.rcParams['figure.figsize'] = (5, 5)
plt.rcParams['font.size'] = 10
# 바그래프 그리기
bar_graph = ax.bar(count.index, count,hatch='*')
plt.show()

이렇게 막대그래프에 별모양이 추가되었습니다.

패턴은 또한 막대마다 다르게 설정이 가능합니다.

set_hatch를 사용해 변경해 줄 수 있습니다.

fig, ax = plt.subplots()

#그래프 크기 및 폰트 크기 지정
plt.rcParams['figure.figsize'] = (5, 5)
plt.rcParams['font.size'] = 10

# 바그래프 그리기
bar_graph = ax.bar(count.index, count)
#그래프 안 패턴 설정
bar_graph[0].set_hatch('//')
bar_graph[1].set_hatch('o')
bar_graph[2].set_hatch('.')
bar_graph[3].set_hatch('*')
bar_graph[4].set_hatch('x')
plt.show()

이렇게 각각의 막대마다 패턴이 다르게 설정되었습니다.

+ 그래프에 텍스트 추가하기, 스타일 설정하기

또한 그래프 안에 텍스트를 추가할 수 있습니다.

plt.text(x좌표, y좌표, '표시할 텍스트')

를 사용하여 그래프 안에 텍스트를 입력할 수 있습니다.

이에 더해,

rotation을 사용하면 기울기를 설정할 수 있고,

bbox를 사용하여 텍스트 상자의 스타일을 설정할 수 있습니다.

bbox 안에는 딕셔너리 타입으로 설정사항을 입력하면 됩니다.

예로, boxstyle은 텍스트의 테두리 모양을 설정할 수 있고,

facecolor는 텍스트 배경색을,

alpha는 텍스트 상자의 투명도 설정이 가능합니다.

fig, ax = plt.subplots()
bar_graph = ax.bar(count.index, count)
#rotation: 기울기, bbox:스타일,boxstyle:텍스트테두리모양,facecolor:텍스트배경색,alpha:투명도
# 텍스트 추가
plt.text(-0.2,230,'203명',rotation=0, bbox=dict(boxstyle='round',facecolor='red',alpha=0.5)) #둥근모서리
plt.text(0.8,100,'54명',rotation=0, bbox=dict(boxstyle='circle',facecolor='skyblue',alpha=0.5)) #원
plt.text(1.7,1140,'1127명',rotation=0, bbox=dict(boxstyle='square',facecolor='pink',alpha=0.5)) #사각형
plt.text(2.7,390,'370명',rotation=0, bbox=dict(boxstyle='DArrow',facecolor='yellow',alpha=0.5)) #양쪽화살표 #왼쪽화살표:LArrow,오른쪽화살표:RArrow
plt.text(3.8,510,'486명',rotation=0, bbox=dict(boxstyle='Sawtooth',facecolor='green',alpha=0.5)) #톱니모양테두리
plt.show()

이렇게 그래프 안에 텍스트를 추가하여 더욱 보기 쉽게 시각화할 수 있습니다.

전체코드

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager,rc

# 한글 폰트 설정
font_location = 'C:/Windows/Fonts/MALGUNSL.TTF' #맑은고딕
font_name = font_manager.FontProperties(fname=font_location).get_name()
rc('font',family=font_name)
#데이터 셋 불러오기
df = pd.read_csv('marketing_campaign.csv',sep='\t')
# null값 0으로 대체
df = df.fillna(0)

########## 다변량 그래프 그리기 ###########
#다변량 그래프(3개 이상의 변수 사용)

# 학력부분 숫자로 바꾸기
def recode_edu(education_level):
    if education_level == 'Basic':
        return 0
    elif education_level == 'Graduation':
        return 1
    elif education_level == '2nCycle':
        return 2
    elif education_level == 'Master':
        return 3
    else:
        return 4

df['Edu_level'] = df['Education'].apply(recode_edu)
print(df.head())

# x축: MntMeatProducts(육류구매량)
# y축: MntWines(와인구매량)
# c(컬러): Edu_level(학력)
# s(사이즈): NumWebPurchases(웹사이트구매횟수)

#그래프틀생성
scatter_plot = plt.figure()
axes1 = scatter_plot.add_subplot(1,1,1)
#산점도 다변량 그래프 그리기
axes1.scatter(
    x=df['MntMeatProducts'],
    y=df['MntWines'],
    c=df['Edu_level'],
    s=df['NumWebPurchases']*10,
    alpha=0.5
) #alpha는 투명도 조절
axes1.set_title('다변량 그래프(학력별 다른색상, 웹사이트구매횟수는 사이즈별')
axes1.set_xlabel('육류구매량')
axes1.set_ylabel('와인구매량')
plt.show()

###3D그래프 그리기###
from mpl_toolkits.mplot3d import axes3d
fig = plt.figure()
ax = fig.add_subplot(111,projection='3d')

ax.scatter(df['MntMeatProducts'],df['MntWines'],df['Edu_level'], c='pink', s=50)
plt.show()

####밀집도 그래프#####
ax1 = plt.subplot()
ax1 = df['NumStorePurchases'].plot.kde() #매장구매량
plt.show()

####육각형 그래프#####
fig2,ax2 = plt.subplots()
ax2 = df.plot.hexbin(x='Income',y='MntWines',ax=ax2,gridsize=10) #gridsize: 육각형크기조절
plt.show()

#####패턴추가#####
fig, ax = plt.subplots()

#그래프 크기 및 폰트 크기 지정
plt.rcParams['figure.figsize'] = (5, 5)
plt.rcParams['font.size'] = 10
# 바그래프 그리기
bar_graph = ax.bar(count.index, count,hatch='*')
plt.show()

##개별 막대에 패턴 추가##
fig, ax = plt.subplots()

#그래프 크기 및 폰트 크기 지정
plt.rcParams['figure.figsize'] = (5, 5)
plt.rcParams['font.size'] = 10

# 바그래프 그리기
bar_graph = ax.bar(count.index, count)
#그래프 안 패턴 설정
bar_graph[0].set_hatch('//')
bar_graph[1].set_hatch('o')
bar_graph[2].set_hatch('.')
bar_graph[3].set_hatch('*')
bar_graph[4].set_hatch('x')
plt.show()

###텍스트 추가###
fig, ax = plt.subplots()
bar_graph = ax.bar(count.index, count)
#rotation: 기울기, bbox:스타일,boxstyle:텍스트테두리모양,facecolor:텍스트배경색,alpha:투명도
# 텍스트 추가
plt.text(-0.2,230,'203명',rotation=0, bbox=dict(boxstyle='round',facecolor='red',alpha=0.5)) #둥근모서리
plt.text(0.8,100,'54명',rotation=0, bbox=dict(boxstyle='circle',facecolor='skyblue',alpha=0.5)) #원
plt.text(1.7,1140,'1127명',rotation=0, bbox=dict(boxstyle='square',facecolor='pink',alpha=0.5)) #사각형
plt.text(2.7,390,'370명',rotation=0, bbox=dict(boxstyle='DArrow',facecolor='yellow',alpha=0.5)) #양쪽화살표 #왼쪽화살표:LArrow,오른쪽화살표:RArrow
plt.text(3.8,510,'486명',rotation=0, bbox=dict(boxstyle='Sawtooth',facecolor='green',alpha=0.5)) #톱니모양테두리
plt.show()

참고자료

책 Do it! 데이터 분석을 위한 판다스 입문 - 이지스퍼블리싱

matplotlib 문서

마무리

저번 편에 이어 matplotlib으로 그릴 수 있는 다른 그래프들을 더 알아보았습니다.

데이터 분석 시 시각화가 필요한 그래프가 있으면 위의 내용들을 활용하여 분석을 진행하면

데이터 인사이트를 얻기에도 쉬우리라 생각됩니다.

[python] geopy를 사용하여 주소를 위,경도 값으로 바꾸기 & 위,경도 값을 주소로 바꾸기

geopy란? geopy는 파이썬 라이브러리로, 주소를 위,경도 숫자 값으로 바꿔 주거나(지오코딩), 반대로 위,경도 값을 사람이 읽을 수 있는 주소로 바꿔줍니다. (이를 역 지오코딩이라 합니다.) 예를 들어, 우리 지역에 있는 카페의 위치를 시각화 한다고 생각해 봅시다. 이 때, 카페 위치를 입력하기 위해서는 컴퓨터가 인식할 수 있도록 위도, 경도의 숫자 값이 필요합니다. 하지만 데이터에 문자 주소만 있다면 이를 바꿔주는 작업이 필요합니다. 이때 geopy를 사용하면 여러 지오코딩 서비스를 연결하여 사용할 수 있습니다. 이중에 OpenStreetMap을 사용하면 따로 api 키를 발급받지 않아도 위경도 변환이 가능합니다. geopy 설치 터미널에 pip install geopy 를 입력하여 설치해 줍니다. 지오코딩 주소 -> 위도, 경도 데이터준비 데이터는 공공데이터 포탈의 '강서구 커피샵 현황'을 사용해 보도록 하겠습니다. 커피샵현황 다운로드 다운받은 csv파일을 열어 주도록 하겠습니다. import pandas as pd df = pd.read_csv('서울특별시 강서구_카페 현황_20220210.csv',encoding='cp949') df.head() 이렇게 한글 도로명주소, 지번주소만 있는 것을 확인할 수 있습니다. 이 주소를 가지고 위도, 경도 값으로 변환해 보겠습니다. 그 전에 주소를 한 번 정리해 주어야 합니다. ( ) 안에 있는 상세 주소 또는 , 뒤에 있는 상세주소를 제거해 주어야 위도, 경도 변환 시 오류가 나지 않습니다. 전처리 데이터 프레임에 있는 도로명 주소, 지번 주소에서 동단위 로만 주소를 남겨 보겠습니다. 예) 서울특별시 강서구 000로 00 -> 000로 00 서울특별시 강서구 00동 000-00 -> 00동 000-0 함수를 하나 만들어 apply를 사용해 주소를 다듬어 준 후, 각각 새로운 열에 추출한 주소를 저장해 줍니다. #주소데이터 전처리

자세한 내용 보기

WONA

이 블로그 검색