Matplotlib 시각화

데이터 시각화: 정보를 효과적으로 표현하는 방법

데이터 시각화는 숫자, 텍스트(ASCII 코드), 이미지(RGBA), 사운드, 동영상 등의 정보를 그래픽 요소로 표현하는 기법입니다.
이를 통해 시간, 추세, 분포, 관계, 비교, 공간(GIS) 등의 패턴을 효과적으로 분석할 수 있습니다.

---

🔹 데이터 시각화의 핵심 개념

✅ 회귀 분석과 시각화

회귀 분석을 수행할 때 데이터의 특성을 파악하기 위해 다음과 같은 시각화 기법을 활용할 수 있습니다.

• 정규성 확인: Q-Q plot (Quantile-Quantile Plot)
• 등분산성 확인: Residual Plot (잔차 그래프)
• 독립성 확인: Time Series Plot (시계열 그래프)
• 선형성 확인: Scatter Plot (산점도)

import numpy as np import scipy.stats as stats import matplotlib.pyplot as plt # Q-Q plot 예제 (정규성 확인) data = np.random.normal(0, 1, 1000) # 정규분포 데이터 생성 stats.probplot(data, dist="norm", plot=plt) plt.show()

---

🔹 데이터 정보 표현 방식

데이터를 시각화할 때 다양한 방식으로 정보를 전달할 수 있습니다.

표현 방식	설명
Correlation	변수 간의 관계를 표현
Deviation	평균값에서의 편차를 강조
Ranking	데이터의 순위를 나타냄
Distribution	데이터의 분포를 시각적으로 표현
Composition	데이터의 구성 요소 비율 표시 (예: 원형 그래프)
Change	시간에 따른 변화를 나타냄
Groups	데이터의 그룹별 차이를 강조

---

🔹 Matplotlib 그래프의 구성 요소

Matplotlib을 이용한 시각화는 다음과 같은 요소로 구성됩니다.

• Figure : 전체 그래프를 그리는 캔버스
• Axes : 그래프의 도화지
• Axis : x축, y축을 의미
• Spines : 그래프의 테두리
• 그래픽 객체 : 시각화 요소 (점, 선, 면, 폰트, 컬러 등)
• 속성 설정 : 마커, 레이블, 범례, 축 속성 조정

fig, ax = plt.subplots() ax.plot([1, 2, 3], [4, 5, 6]) # 기본 라인 그래프 plt.show()

---

🔹 Matplotlib 시각화 종류

Matplotlib에서는 이산적 데이터와 연속적 데이터를 시각화하는 다양한 방법을 제공합니다.

✅ 이산적 데이터(Discrete Data) 시각화

함수	설명
bar()	막대 그래프
barh()	가로 막대 그래프
pie()	원형 그래프
scatter()	산점도 (점 그래프)

# 막대 그래프 예제 x = ['A', 'B', 'C', 'D'] y = [10, 20, 15, 25] plt.bar(x, y) plt.show()

✅ 연속적 데이터(Continuous Data) 시각화

함수	설명
plot()	선 그래프
hist()	히스토그램 (빈도 그래프)
boxplot()	박스 플롯 (분포 확인)
violinplot()	바이올린 플롯 (분포 확인)
scatter()	산점도
pcolormesh(), imshow()	행렬 기반의 색상 그래프

# 히스토그램 예제 data = np.random.randn(1000) plt.hist(data, bins=30) plt.show()

✅ 3D 시각화

함수	설명
scatterplot	3D 산점도
3d surface	3D 표면 그래프
wireframe	3D 와이어프레임

from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = fig.add_subplot(111, projection='3d') x = np.random.rand(100) y = np.random.rand(100) z = np.random.rand(100) ax.scatter(x, y, z) plt.show()

---

🔹 2D vs 3D 시각화

• 2D 시각화 : 두 개의 값(x, y)이 필요하지만, 하나만 입력되면 y값으로 간주됨
• 3D 시각화 : x, y, z 세 개의 값이 필요하며, 공간적인 관계를 나타낼 때 사용

---

🎯 데이터 시각화 활용

✔ 데이터의 분포 및 관계 파악
✔ 시계열 데이터 분석
✔ 비교 및 변화 추세 파악
✔ 공간 데이터(GIS) 분석

데이터 시각화는 데이터를 더욱 직관적으로 이해하고, 효과적인 인사이트를 도출하는 필수 기술입니다.
Matplotlib을 활용하여 다양한 데이터 시각화를 시도해 보세요!

---