4. 판다스에서 그래프 만들기(plot,)

목차

 

In [1]: import pandas as pd

In [2]: import matplotlib.pyplot as plt

In [3]: air_quality = pd.read_csv("data/air_quality_no2.csv", index_col=0, parse_dates=True)

In [4]: air_quality.head()
Out[4]: 
                     station_antwerp  station_paris  station_london
datetime                                                           
2019-05-07 02:00:00              NaN            NaN            23.0
2019-05-07 03:00:00             50.5           25.0            19.0
2019-05-07 04:00:00             45.0           27.7            19.0
2019-05-07 05:00:00              NaN           50.4            16.0
2019-05-07 06:00:00              NaN           61.9             NaN

index_col 및 parse_dates 매개변수를 사용하여 read_csv 함수에서 결과적으로 생성되는 DataFrame의 인덱스로 첫 번째(0번째) 열을 정의하고, 열에 있는 날짜를 각각 Timestamp 객체로 변환한다

 

 

1) 데이터를 빠르게 시각적으로 확인하기

In [5]: air_quality.plot()
Out[5]: <AxesSubplot: xlabel='datetime'>

In [6]: plt.show()

DataFrame에서 판다스는 기본적으로 숫자 데이터가 있는 각 열에 대해 하나의 선 그래프(line plot)를 생성한다.

 

2) 'Paris'에서 나온 데이터만 포함하는 데이터 테이블의 열만 그리기

In [7]: air_quality["station_paris"].plot()
Out[7]: <AxesSubplot: xlabel='datetime'>

In [8]: plt.show()

특정 열을 그리려면, 부분 데이터 선택 방법과 plot() 메서드를 함께 사용한다.

따라서 plot() 메소드는 Series와 DataFrame 모두에서 작동한다.

 

3) 런던과 파리에서 측정된 값을 시각적으로 비교하기

In [9]: air_quality.plot.scatter(x="station_london", y="station_paris", alpha=0.5)
Out[9]: <AxesSubplot: xlabel='station_london', ylabel='station_paris'>

In [10]: plt.show()

plot 함수를 사용하여 기본 선 그래프 외에도 데이터를 플롯하는 데 사용할 수 있는 여러 방법이 있다. 

In [11]: [
   ....:     method_name
   ....:     for method_name in dir(air_quality.plot)
   ....:     if not method_name.startswith("_")
   ....: ]
   ....: 
Out[11]: 
['area',
 'bar',
 'barh',
 'box',
 'density',
 'hexbin',
 'hist',
 'kde',
 'line',
 'pie',
 'scatter']

 

 이 코드는 air_quality.plot 객체에서 시작하는 "_"로 시작하지 않는 모든 메서드 이름을 찾아 리스트로 반환한다.

'area': 면적 그래프
'bar': 막대 그래프(수직 방향)
'barh': 수평 막대 그래프(수평 방향)
'box': 박스 플롯
'density': 밀도 그래프
'hexbin': 육각형 구간 그래프
'hist': 히스토그램
'kde': 커널 밀도 추정 그래프
'line': 선 그래프(기본)
'pie': 원(파이) 그래프
'scatter': 산점도 그래프

 

많은 개발 환경에서 IPython과 Jupyter Notebook과 같이 TAB 버튼을 사용하여 사용 가능한 메서드에 대한 개요를 얻을 수 있다. 예를 들어, air_quality.plot. + TAB입니다. 

 

옵션 중 하나는 DataFrame.plot.box()인데, 이는 박스 플롯을 의미합니다. 박스 메서드는 공기 질 예제 데이터에 적용 가능하다.

In [12]: air_quality.plot.box()
Out[12]: <AxesSubplot: >

In [13]: plt.show()

 

4) 각 열을 별도의 서브플롯에 그리기

In [14]: axs = air_quality.plot.area(figsize=(12, 4), subplots=True)

In [15]: plt.show()

플롯 함수에서 제공되는 subplots 인수를 사용하면 각 데이터 열에 대한 별도의 서브플롯을 지원할 수 있다. 판다스 내장 플롯 함수에서 가능한 옵션들은 모두 검토하는 것이 좋다.

 

5) 그래프를 커스터마이즈, 확장하여 저장하기

In [16]: fig, axs = plt.subplots(figsize=(12, 4))

In [17]: air_quality.plot.area(ax=axs)
Out[17]: <AxesSubplot: xlabel='datetime'>

In [18]: axs.set_ylabel("NO$_2$ concentration")
Out[18]: Text(0, 0.5, 'NO$_2$ concentration')

In [19]: fig.savefig("no2_concentrations.png")

In [20]: plt.show()

판다스에서 생성한 각 플롯 객체는 Matplotlib 객체다. Matplotlib는 다양한 옵션을 제공하여 그래프를 커스터마이징 할 수 있기 때문에, 판다스와 Matplotlib 간의 관계를 명확히 함으로써 Matplotlib의 모든 기능을 그래프에 적용할 수 있다. 이 전략은 이전 예시에서 사용되었다.

fig, axs = plt.subplots(figsize=(12, 4))        # Create an empty Matplotlib Figure and Axes
air_quality.plot.area(ax=axs)                   # Use pandas to put the area plot on the prepared Figure/Axes
axs.set_ylabel("NO$_2$ concentration")          # Do any Matplotlib customization you like
fig.savefig("no2_concentrations.png")           # Save the Figure/Axes using the existing Matplotlib method.
plt.show()                                      # Display the plot

 

 

정리

.plot.* 메서드는 Series와 DataFrames 모두에 적용 가능
기본적으로 각 열은 다른 요소(선, 박스플롯, ...)로 표시
판다스에서 생성된 모든 그래프는 Matplotlib 객체

 

 

 

본 내용은 공부 기록용으로 출처는 판다스의 공식문서(How do I create plots in pandas?) 입니다