[Python] 파이썬 맷플롯립(Matplotlib) - 막대기 바 차트(Bar Charts)

Matplotlib를 사용하여 막대 차트(Bar Chart)를 간단하게 만들 수 있다. 주로 plt.bar() 함수를 사용하며, 데이터를 막대로 시각화할 수 있다. 

우선 라이브러리들을 임포트(import) 해준다.

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sb

이번엔 csv 실제 포켓몬 데이터를 가져와서 데이터프레임을 만들어 활용해본다.

>> df = pd.read_csv('../data/pokemon.csv')
>> df

데이터 프레임 describe() 함수로 정보를 확인해보니
generation_id는 데이터 값이 중복되는 걸 확인해볼 수 있다.
이 처럼 중복되는 데이터 값이 있는 것을 카테고리컬 데이터(Categorical Data)라고 한다.

>> df.describe()

 

nunique() 함수와 unique() 함수를 사용해서 카테고리컬 데이터 갯수와 어떤 데이터가 있는 지 확인할 수 있다.
그리고 generation_id 컬럼의 value_counts를 사용해서 아이디 별로 캐릭터가 몇개 씩 있는지 확인한다.

>> df['generation_id'].nunique()
7
>> df['generation_id'].unique()
array([1, 2, 3, 4, 5, 6, 7], dtype=int64)
>> # 각 제너레이션 아이디별로, 캐릭터가 몇 개씩 있는 것인가?
>> df['generation_id'].value_counts()
generation_id
5    156
1    151
3    135
4    107
2    100
7     86
6     72
Name: count, dtype: int64

 

seaborn 라이브러리란

Seaborn은 파이썬의 데이터 시각화 라이브러리 중 하나로, Matplotlib을 기반으로 만들어졌지만 더 간편하고 멋진 시각화를 위한 고수준 인터페이스를 제공한다.

Seaborn은 통계 그래픽스를 위한 고급 기능들을 제공하며, 특히 통계 모델의 이해를 돕기 위한 그래픽 기법들을 포함하고 있다. 다양한 종류의 그래프를 그릴 때 직관적이고 쉽게 사용할 수 있는 API를 제공하여 데이터 시각화 작업을 더욱 효율적으로 만들어 준다.

 

Seaborn 라이브러리의 secountplot 함수

Seaborn의 countplot() 함수는 범주형 데이터의 빈도를 시각화하기 위해 사용된다. 주어진 데이터의 각 범주에 속하는 관측치의 개수를 막대 그래프로 나타내는 기능을 제공한다.

특정 컬럼이 카테고리컬 데이터일 때,
각 테이터가 몇개 씩 있는지를 차트로 나타내고 싶으면
serborn의 countplot 함수를 사용하면 된다.

data 속성 파라미터는 꼭 명시해야한다.
이렇게 함수내에 속성과 속성값을 입력하고 show() 함수를 사용하면 
아래처럼 알록달록한 바 차트를 볼 수 있다.

>> sb.countplot(data= df, x='generation_id' ) # data 속성 파라미터 꼭 명시
>> plt.show()

바 컬러 변경하는 방법

seaborn 라이브러리에 포함된 color_palette() 함수는 컬러 팔레트를 생성하거나 미리 정의된 컬러 팔레트를 불러올 때 사용된다. 이 함수를 사용하여 시각화할 때 사용할 컬러들을 지정할 수 있다.

팔레트를 사용하여 인덱스 번호로 컬러 확인을 한 다음

>> sb.color_palette()

base_color 변수에 컬러 인덱스를 지정하여 넣어준다.
그리고 아까 사용한 countplot 함수 속성에 color를 추가한다.

그럼 아래처럼 원하는 색상으로 바뀐다.

>> base_color = sb.color_palette()[4]
>> sb.countplot(data= df, x='generation_id' , color = base_color)
>> plt.show()

데이터 값 높고 낮은 순서대로 바꾸기

제너레이션 아이디 컬럼에 value_count() 함수를 사용하고 그 다음 index 순서를 확인한다.
그리고 확인한 것을 변수에 넣어 준 다음
order 속성을 추가해서 데이터 순서가 높은 순으로 바뀌었는지 확인한다.

>> base_order= df['generation_id'].value_counts().index
>> base_order
Index([5, 1, 3, 4, 2, 7, 6], dtype='int64', name='generation_id')
>> sb.countplot(data= df, x='generation_id' , color = base_color, order=base_order) 
>> plt.show()

역순으로 바꾸는 방법은 파이썬의 reversed()함수를 사용하여 쉽게 바꿀 수 있다.

>> base_order=list(reversed(base_order)) 
>> sb.countplot(data= df, x='generation_id' , color = base_color, order=base_order) 
>> plt.show()

y좌표로 가로 바 차트 만들기

먼저 해당 컬럼의 데이터별 갯수를 확인한 후 변수에 넣는다.

>> df['type_1'].value_counts()
>> base_order2= df['type_1'].value_counts().index
type_1
water       114
normal      105
grass        78
bug          72
fire         53
psychic      53
rock         46
electric     40
poison       34
ground       32
dark         29
fighting     29
ghost        27
dragon       27
steel        24
ice          23
fairy        18
flying        3
Name: count, dtype: int64

그리고 x 대신 y로 바꾸고 order 함수에도 새로운 변수를 넣어준다.
그렇게 가로 바 형태로 차트를 완성할 수 있다!

>> sb.countplot(data= df, y='type_1', order = base_order2)
>> plt.xticks(rotation = 0)
>> plt.title('TYPE 01')	# 차트 제목을 넣을 수 있는 함수
>> plt.xlabel('COUNT')	# X축 라벨을 넣을 수 있는 함수
>> plt.ylabel('TYPE 1')	# y축 하벨을 넣을 수 있는 함수
>> sb.set(rc={"figure.figsize": (15,8)}) # seaborn 라이브러리의 사이즈 비율 조절할 수 있는 함수
>> plt.show()