[AITech] 20220211 - Python Visualization Libraries

학습 내용

라이브러리 다운로드 및 버전 확인

# !pip install --upgrade pip
# !pip install missingno squarify pywaffle matplotlib_venn

import missingno as msno
import squarify
import pywaffle
import matplotlib_venn

MissingNo

missingno 라이브러리는 결측치(NaN)를 시각화하는 파이썬 시각화 라이브러리입니다.

• ResidentMario/missingno

missingno 실습을 위해 결측치가 있는 titanic dataset를 사용하겠습니다.

titanic = sns.load_dataset('titanic')
titanic.head()

	survived	pclass	sex	age	sibsp	parch	fare	embarked	class	who	adult_male	deck	embark_town	alive	alone
0	0	3	male	22.0	1	0	7.2500	S	Third	man	True	NaN	Southampton	no	False
1	1	1	female	38.0	1	0	71.2833	C	First	woman	False	C	Cherbourg	yes	False
2	1	3	female	26.0	0	0	7.9250	S	Third	woman	False	NaN	Southampton	yes	True
3	1	1	female	35.0	1	0	53.1000	S	First	woman	False	C	Southampton	yes	False
4	0	3	male	35.0	0	0	8.0500	S	Third	man	True	NaN	Southampton	no	True

titanic.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 15 columns):
 #   Column       Non-Null Count  Dtype   
---  ------       --------------  -----   
 0   survived     891 non-null    int64   
 1   pclass       891 non-null    int64   
 2   sex          891 non-null    object  
 3   age          714 non-null    float64 
 4   sibsp        891 non-null    int64   
 5   parch        891 non-null    int64   
 6   fare         891 non-null    float64 
 7   embarked     889 non-null    object  
 8   class        891 non-null    category
 9   who          891 non-null    object  
 10  adult_male   891 non-null    bool    
 11  deck         203 non-null    category
 12  embark_town  889 non-null    object  
 13  alive        891 non-null    object  
 14  alone        891 non-null    bool    
dtypes: bool(2), category(2), float64(2), int64(4), object(5)
memory usage: 80.6+ KB

import missingno as msno

missingno는 결측치를 matrix로 나타내어 흰 부분으로 표시합니다.

msno.matrix(titanic)

row당 결측치의 개수가 다르기 때문에 다음과 같이 정렬을 진행할 수 있습니다.

msno.matrix(titanic, 
            sort='descending', # ascending
           ) 

위의 방법 외에는 개수를 직접적으로 bar chart를 그려주는 방법이 있습니다.

msno.bar(titanic)

Squarify

Squarify는 계층적 데이터를 표현하는 시각화인 Treemap을 위한 라이브러리입니다.

• laserson/squarify

import squarify

values = [100, 200, 300, 400]
squarify.plot(values)

다음과 같은 파라미터들로 커스텀할 수 있습니다.

• label : 텍스트 라벨을 달아줍니다. (Pie차트와 유사)
• color : 색을 개별적으로 지정 가능
• pad
• text_kwargs : 텍스트 요소를 딕셔너리로 전달

fig, ax = plt.subplots()
values = [100, 200, 300, 400]
label = list('ABCD')
color = ['#4285F4', '#DB4437', '#F4B400', '#0F9D58']

squarify.plot(values, label=label, color=color, pad=0.2, 
               text_kwargs={'color':'white', 'weight':'bold'}, ax=ax)

ax.axis('off')
plt.show()

PyWaffle

PyWaffle이 만들어주는 Waffle Chart는 와플 형태로 discrete하게 값을 나타내는 차트로, 기본적인 형태는 정사각형이나 원하는 벡터 이미지로도 사용이 가능합니다. 다양한 Icon을 활용하여 인포그래픽에서 유용하게 사용할 수 있습니다.

• gyli/PyWaffle

기본 Waffle

• rows와 coloums로 사각형의 전체 형태를 지정할 수 있습니다.
• values로 값 전달

from pywaffle import Waffle

fig = plt.figure(
    FigureClass=Waffle, 
    rows=5, 
    columns=10, 
    values=[48, 46, 6],
    figsize=(5, 3)
)
plt.show()

legend

• legend는 딕셔너리로 전달합니다. 우측 상단 또는 중앙 하단을 추천합니다.

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()

Color

• cmap_name : 컬러맵을 전달해서 색을 변경할 수 있습니다.

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

fig = plt.figure(
    FigureClass=Waffle, 
    rows=5, 
    values=data, 
    cmap_name='tab10',
    legend={'loc': 'lower left', 'bbox_to_anchor': (0, -0.4), 'ncol': len(data), 'framealpha': 0},
)

plt.show()

• colors : 각 범주의 색을 전달할 수도 있습니다.

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

fig = plt.figure(
    FigureClass=Waffle, 
    rows=5, 
    values=data, 
    colors=["#232066", "#983D3D", "#DCB732"],
    legend={'loc': 'lower left', 'bbox_to_anchor': (0, -0.4), 'ncol': len(data), 'framealpha': 0},
)

plt.show()

Block Arraging Style

• starting_location : 네 꼭지점을 기준으로 시작점을 잡을 수 있습니다.

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

fig = plt.figure(
    FigureClass=Waffle, 
    rows=5, 
    values=data, 
    legend={'loc': 'lower left', 'bbox_to_anchor': (0, -0.4), 'ncol': len(data), 'framealpha': 0},
    starting_location='SE' # NW, SW, NE and SE
)

plt.show()

• vertical : 기본적으로는 가로로 진행합니다. 세로로 진행하고 싶다면 True를 전달하면 됩니다.

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

fig = plt.figure(
    FigureClass=Waffle, 
    rows=5, 
    values=data, 
    legend={'loc': 'lower left', 'bbox_to_anchor': (0, -0.4), 'ncol': len(data), 'framealpha': 0},
    vertical=True
)

plt.show()

• block_arranging_style : 어떤 식으로 나열 할지 정할 수 있습니다. 기본은 snake 방식입니다.

fig = plt.figure(
    FigureClass=Waffle,
    rows=7,
    values=data, 
    legend={'loc': 'lower left', 'bbox_to_anchor': (0, -0.4), 'ncol': len(data), 'framealpha': 0},
    block_arranging_style= 'new-line',
)

Icon

Font Awesome의 아이콘을 사용할 수 있습니다.

• icons : 아이콘 명칭
• icon_legend : 아이콘을 범례로 사용할 것인가
• font_size : 아이콘 사이즈

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()

Matplotlib_venn

Venn은 집합 등에서 사용하는 익숙한 벤 다이어그램을 나타냅니다. EDA보다는 출판 및 프레젠테이션에 사용하고, 디테일한 사용이 draw.io나 ppt에 비해 어렵습니다.

• konstantint/matplotlib-venn

2개의 Subset

이진법을 사용하여 각각에 들어갈 값을 정할 수 있습니다.

• 01 : 1번째 Set에 들어갈 내용
• 10 : 2번째 Set에 들어갈 내용
• 11 : 교집합에 들어갈 내용

from matplotlib_venn import venn2
venn2(subsets = (3, 2, 1))

<matplotlib_venn._common.VennDiagram at 0x243d2beeb50>

3개의 서브셋

• 1개만 포함되는 인덱스
  • 1 : 001
  • 2 : 010
  • 4 : 100
• 2개가 포함되는 인덱스
  • 3 : 011
  • 5 : 101
  • 6 : 110
• 3개가 포함되는 인덱스
  • 7 : 111

from matplotlib_venn import venn3
venn3(subsets = (1, 2, 3, 4, 5, 6, 7), set_labels = ('Set1', 'Set2', 'Set3'))

<matplotlib_venn._common.VennDiagram at 0x243d2335e20>

Set으로 전달하기

set을 전달하면 자동적으로 counting 하여 표현해줍니다.

set1 = set(['A', 'B', 'C', 'D'])
set2 = set(['B', 'C', 'D', 'E'])
set3 = set(['C', 'D',' E', 'F', 'G'])

venn3([set1, set2, set3], ('Set1', 'Set2', 'Set3'))
plt.show()

참고 자료

• ResidentMario/missingno
• laserson/squarify
• gyli/PyWaffle
• konstantint/matplotlib-venn