[BoostCamp AI Tech] 데이터 시각화

# Polar 

이건 포켓몬스터에서 많이 나오는 지표이다. 

 

대충 내 지표로 보자면 다음과 같다. 

 

fig = plt.figure(figsize=(4, 4))
ax = fig.add_subplot(111, projection='polar')

values = [8, 9, 10, 7, 10, 9]
# values.append(values[0])

stats = ["IQ", "GPA", "passion", "Coding", "Creativity", "Communication"]
theta = np.linspace(0, 2*np.pi, 6, endpoint=False)

ax.plot(theta, values, color='forestgreen')
ax.fill(theta, values, color='forestgreen', alpha=0.3)

ax.set_thetagrids([n*60 for n in range(6)], stats)
ax.set_theta_offset(np.pi/2)

plt.title("Hyeonwoo's Stat")
plt.show()

 

열정은 10점을 주었다.

 

# Pie

파이 차트의 경우 비율에 대한 정보를 줄 수 있지만, 구체적인 정보를 비교하긴 힘들다. 

 

 

파이 차트의 한 부분을 강조하기 위해 다음과 같은 기법을 사용할 수 있다. 

 

fig, ax = plt.subplots(1, 1, figsize=(7, 7))
explode = [0, 0, 0.2, 0]

ax.pie(data, labels=labels, explode=explode, startangle=90,
      shadow=True, autopct='%1.1f%%')
plt.show()

 

이렇게 하면 숫자 정보까지 볼 수 있따. autopct 가 숫자 정보이다. 

 

변형으로는 도넛모양도 있는데, 많이 쓸거 같진 않다.

fig, ax = plt.subplots(1, 1, figsize=(7, 7))


ax.pie(data, labels=labels, startangle=90,
      shadow=True, autopct='%1.1f%%', pctdistance=0.85, textprops={'color':"w"})

# 좌표 0, 0, r=0.7, facecolor='white'
centre_circle = plt.Circle((0,0),0.70,fc='white')
ax.add_artist(centre_circle)

plt.show()

 

 

저기 있는 centre_circle을 통해서 구멍을 뚫어주나 보다. 

 

# missingno 

missngno 라이브러리를 사용하면 결측값을 시각적으로 파악할 수 있다.

(text로 보는게 나아보인다. 시각적으로 보면 실수로 놓칠 수 있지 않나?)

 

사용법은 무척 간단하다.

msno.matrix(titanic)

 

# Waffle Chart

이건 깃허브 잔디다! 꽤나 유용하게 쓸 수 있을 것 같다는 느낌이 든다. 

data = {'A': 50, 'B': 45, 'C': 15}

fig = plt.figure(
    FigureClass=Waffle,
    rows=5,
    values=data,
    legend={'loc': 'upper left', 'bbox_to_anchor': (1.1, 1)}
)
plt.show()

 

이걸 아이콘을 사용해서 표현할 수도 있다. 굉장히 마음에 든다. 왜냐하면 직관적이기 떄문이다. 

fig = plt.figure(
    FigureClass=Waffle,
    rows=10,
    values=data,
    legend={'loc': 'lower left', 'bbox_to_anchor': (0, -0.4), 'ncol': len(data), 'framealpha': 0},
    icons='child',
    icon_legend=True,
    font_size=15,
)
plt.show()

 

# plt 기교 

여기 부터는 기교에 가깝다.

사실 여기까지 알 필요는 없다고 생각되는데, 그 이유는 너무 복잡하기 떄문이다. 

물론 상황에 따라 강력할 수 있다. 하지만, 그 상황은 너무나 제한적이다. 

대부분의 상황에서는 간단한 plt로 해결될 것이다. 

 

아래 코드 정도는 유용할 수 있으니 기억하자. 

너무 많은 Feature 가 나오면 for문 돌리는게 유리할 것이다. 

n, m = 2, 3

fig, axes = plt.subplots(n, m, figsize=(m*2, n*2))

for i, ax in enumerate(axes.flatten()):
    ax.set_title(i)
    ax.set_xticks([])
    ax.set_yticks([])


plt.show()

 

여기부터는 기교다. 

그리드를 만들고, 그 그리드 안에 subplot을 넣는다. 

fig = plt.figure(figsize=(8, 5)) # initialize figure

ax = [None for _ in range(6)] # list to save many ax for setting parameter in each

ax[0] = plt.subplot2grid((3,4), (0,0), colspan=4)
ax[1] = plt.subplot2grid((3,4), (1,0), colspan=1)
ax[2] = plt.subplot2grid((3,4), (1,1), colspan=1)
ax[3] = plt.subplot2grid((3,4), (1,2), colspan=1)
ax[4] = plt.subplot2grid((3,4), (1,3), colspan=1,rowspan=2)
ax[5] = plt.subplot2grid((3,4), (2,0), colspan=3)


for ix in range(6):
    ax[ix].set_title('ax[{}]'.format(ix)) # make ax title for distinguish:)
    ax[ix].set_xticks([]) # to remove x ticks
    ax[ix].set_yticks([]) # to remove y ticks

fig.tight_layout()
plt.show()

 

이건 유용할 수도 있다. 차트 안에 차트를 넣는 것이다. 

 

fig, ax = plt.subplots()

color=['royalblue', 'tomato']
ax.bar(['A', 'B'], [1, 2],
       color=color
      )

ax.margins(0.2)
axin = ax.inset_axes([0.8, 0.8, 0.2, 0.2])
axin.pie([1, 2], colors=color,
         autopct='%1.0f%%')
plt.show()