python을 공부하는 초반이라, 탐색적 분석에 필요한 시각화 방법들을 익히고 있다. seaborn은 EDA를 효율적으로 할 수 있다는 점에서 무척 매력적인 패키지다. 그래서 처음으로 공식 문서를 샅샅이 읽어보며 정리해본다.

참조 : https://seaborn.pydata.org/introduction.html

왜 만들어졌나?

  • 데이터를 탐색하고 이해하는 과정에서 visualization이 핵심 역할을 하게끔 하려고

특징

  • 여러 변수 간의 관계를 탐색하는 데에 좋다.
  • 특히 범주형 변수를 이용해 분포를 살펴보거나 집계하는 작업을 잘 지원한다.
  • 데이터의 subset 간에 단일 변수 또는 2개 변수의 분포를 서로 비교하기 쉽다.
  • 빌트인된 테마를 이용해 matplotlib의 스타일링 요소들을 간단히 컨트롤할 수 있다.
  • 분석하고자 하는 내용에 따라 크게 relplot()(relation), catplot()(category)를 제공한다.

주요 argument

  • hue, style
    • 범주형 변수를 3번째 축으로 이용해 subset별로 살펴볼 때 상요
    • 각각 컬러/도형으로 반영
  • ci
    • relplot()은 신뢰구간(confidence interval)을 함께 보여줌
    • 데이터셋이 커서 계산 시간이 길어지면 ci=None으로 비활성화

1. 연속형 변수 x 연속형 변수

seaborn은 변수 간의 관계를 분석하기 위한 함수들을 relplot()으로 묶어서 제공하고 있다.

relplot()

  • 지원하는 plot의 종류 : scatter plot과 line plot
  • scatter plot : 디폴트로 되어 있음
  • line plot : kind='line'

1) Scatter plot

  • 산점도
  • 두 변수 간의 관계를 시각화한다.
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

tips = sns.load_dataset('tips')

# 결제금액과 팁 사이에 상관관계가 있는가?
sns.relplot(x='total_bill', y='tip', data=tips)
plt.show()

2) Linear regression

  • regplot() : scatter plot과 회귀선, 신뢰구간을 함께 그려줌
    • hue, col, row를 지원하지 않음
    • 회귀선만 그리고 싶다면 scatter=None으로 설정
  • lmplot() : regplot()과 FacetGrid를 결합한 것
    • hue, col, row를 지원함
sns.regplot(x='total_bill', y='tip', data=tips)
plt.show()


# 결제금액과 팁 간의 상관관계가 흡연자/비흡연자별로 차이가 있는가?
sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips)
plt.show()


sns.lmplot(x="total_bill", y="tip", data=tips)
plt.show()

3) Line plot

  • 시간축에 따른 변화의 추이를 살펴볼 때 사용
  • relplot()에서 kind='line'으로 설정
  • 또는 lineplot()
fmri = sns.load_dataset("fmri")
sns.relplot(x='timepoint', y='signal', kind='line', data=fmri, hue='event', style='event', ci=None)
plt.show()


# lineplot()
fmri = sns.load_dataset("fmri")
sns.lineplot(x='timepoint', y='signal', data=fmri, hue='event', style='event')
plt.show()

2. 범주형 변수 x 연속형 변수

범주형 변수를 기준으로 category별 subset 간의 경향을 비교하려면 catplot()을 사용한다. 문서에서는 이를 ‘범주형 plot을 FacetGrid에 그리기 위한 Figure-level interface’라고 설명하고 있다.

R에 비해 굉장히 효율적이라고 느껴지는 부분이다. 세부적인 설정도 default로 셋팅해둬 작업이 많이 자동화된다.

  • 한 개 이상의 범주형 변수를
  • plot과 FacetGrid를 리턴한다.

다음과 같은 axes-level function을 지원한다.

scatter plot

  • stripplot() (kind=”strip”, 디폴트)
  • swarmplot() (kind=”swarm”)

분산을 볼 수 있는 plot

  • boxplot() (kind=”box”)
  • violinplot() (kind=”violin”)
  • boxenplot() (kind=”boxen”)

Estimate plot

  • barplot() (with kind=”bar”)
  • countplot() (with kind=”count”)
  • pointplot() (with kind=”point”)

1) catplot(kind=strip)

  • jitter가 디폴트로 적용되어 있다.
  • 비활성화 : jitter=False
# 평일/주말에 따라 결제액이 다른가?
sns.catplot('day','total_bill', data=tips)
plt.show()

2) swarmplot()

  • 값들이 서로 overlapping되지 않도록 알고리즘을 적용한다.
  • 모든 값이 겹치지 않고 펼쳐지므로 추가적인 변수를 적용해 분석하기 좋다.
sns.catplot('day','total_bill', hue='time', kind='swarm', data=tips)
plt.show()

3) violinplot()

  • swarmplot에 hue를 적용한 경우, 두 그룹이 섞여서 표현될 수 있다. violinplot은 이 둘을 분리해서 표시한다.
sns.catplot('day','total_bill', hue='time', kind='violin', data=tips)
plt.show()


3. 어떤 함수를 쓸 것인가?

relplot() vs. violinplot()

  • lineplot(), violinplot() 등 axes-level 함수를 사용하는 것보다 catplot(), relplot() 등 Figure-level interface의 스타일 셋팅이 다름
  • 범례의 스타일 및 위치, x축의 높이, 범례/plot 영역 테두리 등
  • 가독성과 심미성을 위해 relplot(), catplot()에 kind argument를 사용하는 게 좋을 듯
# Figure-level Interface
sns.violinplot('day','total_bill', hue='time', data=tips)
plt.show()


# Axis-level Function
sns.catplot('day','total_bill', hue='time', kind='violin', data=tips)
plt.show()


4. Facet Grid

  • 그룹 간 비교
    • 데이터의 subset별로 선형회귀를 적용한다. (by applying a groupby operation)
    • hue, style : 범주형 변수 지정
    • pallette : 그룹별 컬러링할 컬러 팔레트 설정
sns.relplot('total_bill', 'tip', hue='smoker', style='smoker', data=tips)
plt.show()

  • subplot들을 Grid로 그려서 비교
    • row : n개의 row로 배치
    • col : n개의 column으로 배치
    • 둘 다 적용하면 n x n grid가 됨
sns.relplot('total_bill', 'tip', data=tips, col='sex', row='smoker')