본문 바로가기

Big Data/Visualization13

[Matplotlib] 여러 그래프 출력, subplots Matplotlib를 사용하여 여러 개의 그래프를 한 번에 그릴 때, plt.subplots() 함수를 사용하여 ax 객체를 정의할 수 있습니다. plt.subplots() 함수는 Figure와 그에 속하는 여러 개의 축 (Axes) 객체를 생성합니다. 다음은 그 예제입니다: import matplotlib.pyplot as plt # 2x2 서브플롯을 생성합니다. fig, ax = plt.subplots(ncols=2, nrows=2, figsize=(10, 10)) ax = ax.flatten() # 각각의 서브플롯에 그래프를 그립니다. for i, subplot in enumerate(ax): # 여기에 그래프 그리기 코드를 추가합니다. # 예를 들어, 각 서브플롯에 다른 데이터를 플로팅할 수 있습.. 2023. 9. 11.
[scikit-plot] plot_confusion_matrix skplt.metrics.plot_confusion_matrix는 scikit-learn(사이킷런)의 확장 패키지인 scikit-plot(skplt)을 사용하여 분류 모델의 혼동 행렬(confusion matrix)을 시각화하는 함수입니다. 혼동 행렬은 모델의 성능을 평가하는 데 사용되며, 실제 클래스와 모델이 예측한 클래스 간의 관계를 보여줍니다. 이 함수의 시그니처는 다음과 같습니다 skplt.metrics.plot_confusion_matrix(y_true, y_pred, labels=None, title='', normalize=False, figsize=(8, 6), cmap=None) y_true: 실제 타겟 클래스(레이블)의 배열 또는 리스트. y_pred: 모델의 예측 클래스(레이블)의 배.. 2023. 9. 7.
Matplotlib GridSpec GridSpec는 Matplotlib 라이브러리에서 제공하는 도구로, 서로 다른 크기와 비율로 레이아웃된 여러 개의 서브플롯(subplot)을 생성하는 데 사용됩니다. 이를 통해 복잡한 그래프 레이아웃을 만들거나 여러 그래프를 서로 다른 비율로 배열할 수 있습니다. # GridSpec 설정 gs = gridspec.GridSpec(1, 2, width_ratios=[2, 1]) # 1행 2열, 첫 번째 그래프 폭을 두 번째 그래프 폭의 2배로 지정 ax1 = fig.add_subplot(gs[0]) ax2 = fig.add_subplot(gs[1]) 위의 코드 샘플은 GridSpec를 사용하여 하나의 행에 두 개의 서브플롯을 생성하고, 첫 번째 서브플롯의 폭을 두 번째 서브플롯의 2배로 지정한 예시입니다.. 2023. 8. 25.
sns.heatmap() 알파값 조정 아래의 코드는 sns.heatmap()를 사용하여 히트맵을 그리고, 그 히트맵의 알파값을 조정하여 투명도를 설정하는 방법을 보여줍니다. import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # Sample scaled data (replace this with your data) scaled_data = np.random.randn(5, 5) scaled_df = pd.DataFrame(scaled_data) plt.figure(figsize=(8, 6)) # Create the heatmap using sns.heatmap() heatmap = sns.heatmap(scaled_df, ann.. 2023. 8. 25.
Dash Plotly의 Dash는 웹 기반 대시보드를 구축하기 위한 파이썬 프레임워크입니다. Dash를 사용하면 파이썬으로 데이터 시각화 및 대시보드를 만들고, 웹 브라우저에서 이를 보여줄 수 있습니다. Dash는 Plotly 그래프와 컴포넌트들을 결합하여 상호작용성 있는 대시보드를 생성할 수 있는 강력한 도구입니다. 아래는 Dash의 주요 특징과 작동 방식에 대한 간단한 설명입니다: 컴포넌트 기반 구성: Dash 대시보드는 HTML, CSS, JavaScript를 사용하지 않고 파이썬만으로 작성됩니다. 컴포넌트들은 대시보드 내에서 다양한 역할을 하며, 그래프, 표, 입력 필드 등 다양한 유형의 컴포넌트를 조합하여 대시보드 레이아웃을 만들 수 있습니다. Plotly 그래프 통합: Dash는 Plotly 그래프를 .. 2023. 8. 17.
Plotly Plotly는 인터랙티브한 데이터 시각화를 제공하는 파이썬 라이브러리입니다. 데이터 시각화를 위한 다양한 유형의 그래프와 차트를 만들고, 웹 기반의 인터페이스를 통해 이를 상호작용적으로 탐색할 수 있게 해줍니다. Plotly는 데이터 과학자, 엔지니어, 비즈니스 전문가 등 다양한 분야에서 사용되며, 데이터의 패턴과 관계를 시각화하여 효과적으로 이해하고 전달하는 데 도움을 줍니다. 주요한 특징과 기능은 다음과 같습니다: 다양한 그래프와 차트: Plotly는 막대 그래프, 선 그래프, 산점도, 히트맵, 등고선 플롯, 3D 차트 등 다양한 종류의 시각화를 지원합니다. 인터랙티브한 기능: 생성한 그래프와 차트는 웹 환경에서 상호작용적으로 조작할 수 있습니다. 이동, 확대, 축소, 마우스 호버 등의 기능을 통해 .. 2023. 8. 17.
seaborn barplot() ChatGPT 기준으로 가지고 있는 정보까지 기반하여, Seaborn 라이브러리의 barplot 함수에 대한 시그니처와 간단한 설명을 제공해드리겠습니다. 하지만 혹시 Seaborn의 새로운 버전이 나와서 변경된 사항이 있다면, 최신 문서를 참고하시는 것이 좋습니다. Seaborn의 barplot 함수는 범주형 데이터의 막대 그래프를 그리기 위해 사용되는 함수입니다. 주로 범주형 변수의 분포를 시각화하거나, 다른 변수에 대한 그룹별 비교를 표현할 때 사용됩니다. barplot 함수의 시그니처는 다음과 같습니다 seaborn.barplot(x=None, y=None, data=None, order=None, hue=None, orient=None, color=None, palette=None, saturat.. 2023. 8. 16.
matplotlib 그래프 종류 Matplotlib는 파이썬 프로그래밍 언어를 사용하여 데이터 시각화를 위한 강력한 라이브러리입니다. 다양한 종류의 그래프를 생성하고 시각화하는 데 사용됩니다. 아래에서는 Matplotlib에서 출력 가능한 몇 가지 주요 그래프 유형과 각각의 사용 상황에 대해 설명해보겠습니다. 선 그래프 (Line Plot) 데이터 포인트를 연결하여 추세와 패턴을 보여줍니다. 연속적인 데이터 시계열, 경향, 변화를 시각화하는 데 유용합니다. plt.plot(x, y, label="label_text") 산점도 그래프 (Scatter Plot) 두 변수 간의 관계를 나타내기 위해 데이터 포인트를 점으로 표시합니다. 변수 간의 상관 관계, 분포를 확인하는 데 사용됩니다. plt.scatter(x, y, label="labe.. 2023. 8. 11.
Matplotlib Locator Matplotlib에서 Locator는 축의 눈금 위치를 결정하는 데 사용되는 객체입니다. 눈금 위치는 축에 표시되는 값의 위치를 나타냅니다. Locator를 사용하여 눈금의 간격과 위치를 조정하여 그래프의 눈금이나 레이블을 적절하게 배치할 수 있습니다. 주요 Locator 클래스 matplotlib.ticker.AutoLocator: 자동으로 눈금 위치를 결정합니다. matplotlib.ticker.FixedLocator: 미리 정의된 위치에 눈금을 배치합니다. matplotlib.ticker.MultipleLocator: 특정 간격의 배수 위치에 눈금을 배치합니다. matplotlib.ticker.MaxNLocator: 최대 눈금 수를 유지하면서 눈금을 배치합니다. matplotlib.ticker.I.. 2023. 8. 10.

티스토리툴바