ADP) 3-4. 파이썬 그래프 총정리 - 4탄: 히트맵, 체르노프 페이스, 스타차트(거미줄차트,방사형차트), 평형좌표계, 다차원척도법

비교 시각화 - 1. 히트맵

 여러가지 변수를 비교할 수 있다. 한칸의 색상으로 데이터 값을 표현한다. 하나의 대상에 해당하는 한 행을 왼쪽에서 오른쪽으로 보면서 모든 변수를 파악할 수 있고, 하나의 변수에 대응하는 한 열을 위에서 아래로 읽을 수도 있다.

 히트맵은 seaborn 패키지의 heatmap()함수로 구현한다. 데이터는 상관행렬 데이터를 입력해야 한다. 상관행렬 데이터는 데이터프레임객체에 .corr()함으로써 구한다. 그럼 짝지은 열 데이터 끼리의 상관계수를 반환해 준다.

 아래의 cmap 파라미터는 palette와 동일하다고 보면 된다.

파이썬 히트맵 heatmap with Seaborn - sns.heatmap

 

비교 시각화 - 2. 체르노프 페이스

 데이터를 사람의 얼굴 이미지로 표현하는 방법이다. 얼굴의 가로 너비, 세로높이, 눈, 코, 잎, 귀 등 각 부위를 변수로 대체해 데이터의 속성을 쉽게 파악할 수 있다. 통상 유용성보다는 전문가의 흥미가 주목적이다.

 인터넷 서칭을 통해 체르노프 페이스 예제를 찾긴 했는데 활용하기는 힘들어 보인다. (열값이 총 18개) 필요 시 함수에서 열 값을 조정해서 사용해야 한다. (출처: https://gist.github.com/dribnet/e26f52f423f0656c1bb8fc6f4e741cc2)

파이썬 체르노프 페이스 예제

 

비교 시각화 - 3. 스타차트 (거미줄차트, 방사형 차트)

 중앙에서 외부 링까지 이어지는 몇 개의 축을 그리고, 전체 공간에서 하나의 변수마다 축 위의 중앙으로부터의 거리로 수치를 나타낸다. 중심점은 축이 나타내는 값의 최소값을 가장 먼 끝 점은 최대값을 나타낸다.

 스타차트는 subplot(polar=True), plot(),  fill() 함수를 활용하여 그린다. 데이터는 각각 딕셔너리 형태로 준비한다. categories1이라는 빈 좌표값도 필요하다.

파이썬 스타차트, 거미줄차트, 방사형 차트 with plot, fill, subplot(polar=True)

 

비교 시각화 - 4. 평행 좌표계

 여러 축을 평행으로 배치해서 만든다. y축에서 윗부분은 변수 값 범위의 최대값, 아래는 변수 값 범위의 최소값을 나타낸다. 대상이 많은 데이터에서 집단적인 경향성을 쉽게 알아볼 수 있게 해준다.

 평행 좌표계는 from pandas.plotting import parallel_coordinates 로 불러온 parallel_coordinates 함수로 그릴 수 있다. pandas 패키지에서도 plotting 함수를 가지고 있는 줄 처음 알았다.

파이썬 평행좌표계(평형좌표계) 그리기 with parallel_coordinates

 

비교 시각화 - 5. 다차원척도법

 개별 데이터 간의 유사도를 바탕으로 시각화 한다. 표현하고자 하는 객체 간 간격이 발생하는 즉 거리행렬을 포함하는 데이터의 시각화에 유용하다. 유사성이 작은 대상끼리는 멀리, 유사성이 큰 대상끼리는 가까이 위치시킨다.

 Scikit Learn의 MDS 함수를 사용한다. 거리의 기준에 따라 스케일링한 값으로 그래프를 그릴 수도 있다.

 첫번째 그래프는 두 종류의 데이터로 거리를 그린 값이고, 두번째 그래프는 세 종류의 데이터로 거리를 그린 값이다. 두번째 그래프의 경우 거리 종류(맨해튼이냐 유클리드이냐)에 따라 그래프의 양상이 다르게 나타난다.

 

 

다음 포스팅에서는 서브플롯, 두개의 Y축을 가진 그래프 그리기, Seaborn palette 종류 살펴보기를 정리해보려고 한다. 링크는 다음과 같다: https://lovelydiary.tistory.com/423

ADP) 3-4. 파이썬 그래프 총정리 - 5탄: 서브플롯, 두개의 Y축을 가진 그래프 그리기, Seaborn palette 종