[Python] 파이썬 맷플롯립(Matplotlib) - 히스토그램(plt.hist())

matplotlib를 사용하여 히스토그램을 생성하는 것은 데이터의 분포를 시각화하는 데 효과적이다. 히스토그램은 주어진 데이터셋에서 각 구간(bin)에 속하는 데이터의 빈도를 막대로 나타낸다.

히스토그램을 생성하기 위해선 plt.hist() 함수를 사용한다. 이 함수는 데이터를 히입력으로 받아 데이터셋의 분포를 표현한다.

히스토그램을 이용하면 데이터의 분포를 눈으로 파악이 가능하다.
구간이 여러개 이면 bins라고 부른다.

히스토그램은, 똑같은 데이터를 가지고서 차트 모양이 전혀 다르게 나타낼 수 있으므로, 해석을 잘 해야한다.

아래 데이터로 히스토그램을 만들어보자.

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

plt.hist() 함수

speed  컬럼의 정보를 파악하여 구간을 설정하고 plt.hist() 히스토그램을 만들어보자.
bin 속성을 안쓰면 기본값으로 10개 구간으로 설정해준다.

>> df['speed'].describe()
count    807.000000
mean      65.830235
std       27.736838
min        5.000000
25%       45.000000
50%       65.000000
75%       85.000000
max      160.000000
Name: speed, dtype: float64
>> plt.hist(data= df, x= 'speed', rwidth=0.8)
>> plt.show()

 

bins의 갯수를 변경하는 방법

1. 파라미터 값 변경

bins 파라미터를  20으로 변경해주면 20개로 구간을 정해준다.

>> plt.hist(data= df, x= 'speed', rwidth=0.8, bins=20) 
>> plt.show()

 

2. 컬럼 조건 적용하여 변경

speed를 3단위로, 7단위로, 10단위로 최소값부터 최대값 사이로 설정한다.

먼저 최소값 5부터 최대값 160까지를 3단위로 numpy 라이브러리의 arange() 함수로 array 를 생성하여 변수 my_bins에 넣고
bins 속성에 my_bins 변수로 파라미터로 변경한다.

>> df['speed'].min()
5
>> df['speed'].max()
160
>> my_bins = np.arange(5,160+3,3) # 5부터 160까지 3단으로 포함하겠다
>> my_bins
array([  5,   8,  11,  14,  17,  20,  23,  26,  29,  32,  35,  38,  41,
        44,  47,  50,  53,  56,  59,  62,  65,  68,  71,  74,  77,  80,
        83,  86,  89,  92,  95,  98, 101, 104, 107, 110, 113, 116, 119,
       122, 125, 128, 131, 134, 137, 140, 143, 146, 149, 152, 155, 158,
       161])
>> plt.hist(data= df, x= 'speed', rwidth=0.8, bins=my_bins) # bins 파라미터 변경
>> plt.show()

 

다음은 구간을 10단위로 변경하여 히스토그램을 만들어 출력한다.

>> my_bins=np.arange(5,160+10,10)
>> plt.hist(data= df, x= 'speed', rwidth=0.8, bins=my_bins) # bins 파라미터 변경
>> plt.show()

 

하나의 차트 영역에 여러개의 차트(plot)을 그리기

>> plt.figure(figsize=(12,5)) # 차트 사이즈 조절

>> plt.subplot(1,2,1)

>> plt.title('speed his. bins 3')
>> plt.xlabel('Speed')
>> plt.ylabel('# of Characters')
>> my_bins = np.arange(5,160+3,3)
>> plt.hist(data= df, x= 'speed', rwidth=0.8, bins=my_bins)

>> plt.subplot(1,2,2)

>> plt.title('speed his. bins 10')
>> plt.xlabel('Speed')
>> plt.ylabel('# of Characters')

>> my_bins=np.arange(5,160+10,10)
>> plt.hist(data= df, x= 'speed', rwidth=0.8, bins=my_bins)

>> plt.show() #show는 하나만 하나의영역에 두개의 비교 차트가 보여진다.