다양한 그래프와 응용 - Matplotlib 활용

이번 강의에서는 히스토그램, 산점도, 파이 차트, 서브플롯을 통해 다양한 방식으로 데이터를 표현하는 방법을 알아보겠습니다.

히스토그램은 데이터의 분포를 분석할 때 유용한 그래프입니다.

Copy
import matplotlib.pyplot as plt
import numpy as np

# 랜덤 데이터 생성 (정규 분포)
data = np.random.randn(1000)

# 히스토그램 그리기
plt.hist(data, bins=30, color='purple', alpha=0.7)

# 그래프 설정
plt.title("데이터 분포 히스토그램")
plt.xlabel("값")
plt.ylabel("빈도")

plt.show()

• bins=30: 데이터를 30개의 구간(bin)으로 나누어 표시

• alpha=0.7: 그래프의 투명도 조절 (0.0: 투명, 1.0: 불투명)

히스토그램을 활용하면 데이터가 특정 값에 집중되는지, 정규 분포를 따르는지 등을 분석할 수 있습니다.

산점도는 두 개의 변수 간 상관관계를 시각적으로 표현할 때 사용됩니다.

Copy
import matplotlib.pyplot as plt
import numpy as np

# 랜덤 데이터 생성
x = np.random.rand(50)
y = np.random.rand(50)

# 산점도 그리기
plt.scatter(x, y, color='blue', alpha=0.5)

# 그래프 설정
plt.title("산점도 그래프")
plt.xlabel("X 값")
plt.ylabel("Y 값")

plt.show()

• plt.scatter(x, y): x축과 y축 데이터의 관계를 점으로 표현

• alpha=0.5: 점의 투명도를 조절하여 겹치는 부분을 확인하기 쉽게 함

산점도는 변수 간의 상관관계를 확인하거나 이상치를 탐색할 때 유용합니다.

파이 차트는 데이터의 비율을 시각적으로 표현할 때 사용됩니다.

Copy
import matplotlib.pyplot as plt

labels = ["A", "B", "C", "D"]
values = [30, 20, 40, 10]

plt.pie(values, labels=labels, autopct="%1.1f%%", colors=['red', 'blue', 'green', 'orange'])

plt.title("비율을 나타내는 파이 차트")

plt.show()

• labels: 각 조각의 이름 지정

• autopct="%1.1f%%": 퍼센트 값을 표시 (소수점 첫째 자리까지)

• colors: 각 조각의 색상 지정

파이 차트는 데이터의 상대적인 크기를 표현할 때 효과적입니다.

Matplotlib에서는 한 화면에 여러 개의 그래프를 배치할 수 있습니다.

Copy
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 4))

# 첫 번째 그래프 (sin 그래프)
plt.subplot(1, 2, 1)
plt.plot(x, y1, color='blue')
plt.title("Sine 함수")

# 두 번째 그래프 (cos 그래프)
plt.subplot(1, 2, 2)
plt.plot(x, y2, color='red')
plt.title("Cosine 함수")

plt.tight_layout()
plt.show()

• plt.subplot(행, 열, 위치): 여러 개의 그래프를 배치

• figsize=(10, 4): 전체 그래프 크기 조절

• plt.tight_layout(): 그래프 간 간격을 자동 조정

서브플롯을 활용하면 여러 개의 데이터를 한눈에 비교할 수 있습니다.

---

Matplotlib을 활용하면 데이터 분석이 더욱 직관적이고 효율적으로 이루어질 수 있습니다.

• Matplotlib 공식 문서