Seaborn Python 라이브러리

출처 : http://chatgptai.mobi 

ChatGPTAI

Seaborn은 Matplotlib 라이브러리 위에 구축된 인기 있는 Python 데이터 시각화 라이브러리입니다. 유익하고 매력적인 통계 그래픽을 만들기 위한 높은 수준의 인터페이스를 제공합니다.

Seaborn은 다음을 포함하여 데이터 시각화에 유용한 몇 가지 기능을 제공합니다.

1. 다중 플롯 그리드, 히트맵 및 시계열과 같은 복잡한 시각화를 쉽게 생성합니다.
2. 시각화의 모양을 사용자 지정하는 데 사용할 수 있는 기본 제공 테마입니다.
3. 선형 회귀 및 커널 밀도 추정과 같은 일반적인 통계 모델의 자동 추정 및 플로팅.
4. 쉬운 데이터 조작 및 플로팅을 위해 Pandas 데이터 구조와 통합.
5. 범주형 데이터 및 여러 차원의 데이터 시각화를 지원합니다.

Seaborn은 과학 연구, 데이터 저널리즘 및 산업 분야에서 데이터 탐색, 데이터 분석 및 결과 전달에 널리 사용됩니다. 또한 기계 학습 및 인공 지능 프로젝트에서 데이터를 이해하고 시각화하는 데 자주 사용됩니다.

Seaborn 라이브러리에 포함된 유용한 기능

Python의 Seaborn 라이브러리에는 데이터 시각화를 위한 다양한 기능이 포함되어 있습니다. 가장 일반적으로 사용되는 기능 중 일부는 다음과 같습니다.

1. sns.distplot(): 관측치의 일변량 분포를 그리는 데 사용됩니다. 히스토그램과 커널 밀도 추정치를 결합합니다.
2. sns.scatterplot(): 회귀선과 함께 두 변수의 산점도를 그릴 때 사용합니다.
3. sns.lineplot(): 다른 변수에 대한 한 변수의 선 플롯을 그리는 데 사용됩니다.
4. sns.barplot(): 다른 숫자 변수에 대해 하나의 범주형 변수의 막대 그래프를 그리는 데 사용됩니다.
5. sns.countplot(): 범주형 변수의 각 범주에 대한 관측 개수를 플롯하는 데 사용됩니다.
6. sns.boxplot(): 하나의 변수를 다른 변수로 묶은 박스 플롯을 그릴 때 사용합니다.
7. sns.heatmap(): 상관행렬이나 기타 2차원 데이터의 히트맵을 그릴 때 사용합니다.
8. sns.jointplot(): 일변량 분포를 측면에 두고 두 변수의 공동 분포를 그리는 데 사용됩니다.
9. sns.pairplot(): 데이터셋에서 여러 변수 사이의 쌍별 관계를 플롯하는 데 사용됩니다.

이것들은 Seaborn에서 가장 일반적으로 사용되는 기능 중 일부일 뿐이며, 다양하고 유익하고 매력적인 시각화를 만드는 데 사용할 수 있는 다른 많은 기능과 사용자 지정 옵션이 있습니다.

Seaborn 라이브러리에 포함된 sns.distplot() 사용 방법

sns.distplot()관측치의 일변량 분포를 그리는 데 사용할 수 있는 Seaborn의 함수입니다. 히스토그램과 커널 밀도 추정 플롯을 결합합니다.

다음은 사용 방법에 대한 단계별 가이드입니다 sns.distplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어, 평균이 0이고 표준편차가 1인 정규분포에서 1000개 샘플의 무작위 데이터 세트를 생성해 보겠습니다.

import numpy as np
data = np.random.normal(0, 1, size=1000)

• sns.distplot()분포를 플로팅하는 데 사용합니다 . 색상, 레이블, 빈 수와 같은 다양한 인수를 지정하여 플롯을 사용자 지정할 수 있습니다.

sns.distplot(data, color='blue', bins=20, label='Normal Distribution')

• Matplotlib 라이브러리의 , , 및 함수를 plt.legend()사용 plt.xlabel()하여 plt.ylabel()범례 , 축 레이블 및 플롯에 제목을 추가합니다 .plt.title()

plt.legend()
plt.xlabel('Data Values')
plt.ylabel('Density')
plt.title('Distribution of Data')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

다음을 사용하여 분포를 플로팅하는 전체 코드는 sns.distplot()다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

data = np.random.normal(0, 1, size=1000)
sns.distplot(data, color='blue', bins=20, label='Normal Distribution')
plt.legend()
plt.xlabel('Data Values')
plt.ylabel('Density')
plt.title('Distribution of Data')
plt.show()

이 코드는 데이터 분포도를 생성합니다. 함수에 전달된 인수를 수정하여 sns.distplot()요구 사항에 따라 플롯을 사용자 지정할 수 있습니다.

Seaborn 라이브러리에 포함된 sns.lineplot() 사용 방법

sns.lineplot()다른 변수에 대한 한 변수의 선 플롯을 그리는 데 사용할 수 있는 Seaborn의 함수입니다. 다음은 사용 방법에 대한 단계별 가이드입니다 sns.lineplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 x 및 y 값의 간단한 데이터 세트를 만들어 보겠습니다.

x = [1, 2, 3, 4, 5]
y = [3, 5, 2, 7, 1]

• sns.lineplot()라인 플롯을 플롯하는 데 사용합니다 . 함수에 대한 인수로 x 및 y 값을 전달할 수 있으며 색상 및 레이블과 같은 다양한 인수를 지정하여 플롯을 사용자 정의할 수 있습니다.

sns.lineplot(x=x, y=y, color='blue', label='Line Plot')

• Matplotlib 라이브러리의 , , 및 함수를 plt.legend()사용 plt.xlabel()하여 plt.ylabel()범례 , 축 레이블 및 플롯에 제목을 추가합니다 .plt.title()

plt.legend()
plt.xlabel('X Values')
plt.ylabel('Y Values')
plt.title('Line Plot of Data')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

다음을 사용하여 라인 플롯을 플로팅하는 전체 코드는 sns.lineplot()다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [3, 5, 2, 7, 1]

sns.lineplot(x=x, y=y, color='blue', label='Line Plot')
plt.legend()
plt.xlabel('X Values')
plt.ylabel('Y Values')
plt.title('Line Plot of Data')
plt.show()

이 코드는 x 및 y 값의 선 플롯 플롯을 생성합니다. 함수에 전달된 인수를 수정하여 sns.lineplot()요구 사항에 따라 플롯을 사용자 지정할 수 있습니다.

Seaborn 라이브러리에 포함된 sns.scatterplot() 사용 방법

sns.scatterplot()두 변수의 산점도를 그리는 데 사용할 수 있는 Seaborn의 함수입니다. 다음은 사용 방법에 대한 단계별 가이드입니다 sns.scatterplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 x 및 y 값의 간단한 데이터 세트를 만들어 보겠습니다.

x = [1, 2, 3, 4, 5]
y = [3, 5, 2, 7, 1]

• sns.scatterplot()산점도를 그리는 데 사용합니다 . x 및 y 값을 인수로 함수에 전달할 수 있고 색상 및 마커 유형과 같은 다양한 인수를 지정하여 플롯을 사용자 지정할 수 있습니다.

sns.scatterplot(x=x, y=y, color='blue', marker='o')

• Matplotlib 라이브러리의 plt.xlabel(), plt.ylabel()및 함수를 사용하여 플롯에 축 레이블과 제목을 추가합니다 .plt.title()

plt.xlabel('X Values')
plt.ylabel('Y Values')
plt.title('Scatter Plot of Data')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

다음을 사용하여 산점도를 플로팅하는 전체 코드는 sns.scatterplot()다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [3, 5, 2, 7, 1]

sns.scatterplot(x=x, y=y, color='blue', marker='o')
plt.xlabel('X Values')
plt.ylabel('Y Values')
plt.title('Scatter Plot of Data')
plt.show()

이 코드는 x 및 y 값의 산점도 플롯을 생성합니다. 함수에 전달된 인수를 수정하여 sns.scatterplot()요구 사항에 따라 플롯을 사용자 지정할 수 있습니다. 예를 들어 세 번째 변수를 사용하여 색조 매개변수를 색상 포인트에 추가할 수 있습니다.

Seaborn 라이브러리에 포함된 sns.barplot() 사용 방법

sns.barplot()다른 변수에 대해 한 변수의 막대 그래프를 그리는 데 사용할 수 있는 Seaborn의 함수입니다. 다음은 사용 방법에 대한 단계별 가이드입니다 sns.barplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 x 및 y 값의 간단한 데이터 세트를 만들어 보겠습니다.

x = ['A', 'B', 'C', 'D', 'E']
y = [3, 5, 2, 7, 1]

• sns.barplot()막대 그래프를 그리는 데 사용합니다 . 함수에 대한 인수로 x 및 y 값을 전달할 수 있으며 색상 및 레이블과 같은 다양한 인수를 지정하여 플롯을 사용자 정의할 수 있습니다.

sns.barplot(x=x, y=y, color='blue', label='Bar Plot')

• Matplotlib 라이브러리의 , , 및 함수를 plt.legend()사용 plt.xlabel()하여 plt.ylabel()범례 , 축 레이블 및 플롯에 제목을 추가합니다 .plt.title()

plt.legend()
plt.xlabel('X Values')
plt.ylabel('Y Values')
plt.title('Bar Plot of Data')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

다음을 사용하여 막대 그래프를 플로팅하는 전체 코드는 sns.barplot()다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

x = ['A', 'B', 'C', 'D', 'E']
y = [3, 5, 2, 7, 1]

sns.barplot(x=x, y=y, color='blue', label='Bar Plot')
plt.legend()
plt.xlabel('X Values')
plt.ylabel('Y Values')
plt.title('Bar Plot of Data')
plt.show()

이 코드는 x 및 y 값의 막대 그래프 플롯을 생성합니다. 함수에 전달된 인수를 수정하여 sns.barplot()요구 사항에 따라 플롯을 사용자 지정할 수 있습니다. 예를 들어 색조 매개변수를 추가하여 그룹화된 막대 그래프를 만들거나 estimator함수를 적용하여 값을 요약할 수 있습니다.

Seaborn 라이브러리에 포함된 sns.countplot() 사용 방법

sns.countplot()하나의 범주형 변수의 카운트 도표를 그리는 데 사용할 수 있는 Seaborn의 함수입니다. 다음은 사용 방법에 대한 단계별 가이드입니다 sns.countplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 범주형 변수의 간단한 데이터 세트를 만들어 보겠습니다.

categories = ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B']

• sns.countplot()카운트 플롯을 플롯하는 데 사용합니다 . 범주형 변수를 함수의 인수로 전달할 수 있으며 색상 및 레이블과 같은 다양한 인수를 지정하여 플롯을 사용자 정의할 수 있습니다.

sns.countplot(x=categories, color='blue', label='Count Plot')

• Matplotlib 라이브러리의 , , 및 함수를 plt.legend()사용 plt.xlabel()하여 plt.ylabel()범례 , 축 레이블 및 플롯에 제목을 추가합니다 .plt.title()

plt.legend()
plt.xlabel('Categories')
plt.ylabel('Count')
plt.title('Count Plot of Data')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

다음을 사용하여 카운트 플롯을 플로팅하는 전체 코드는 sns.countplot()다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

categories = ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B']

sns.countplot(x=categories, color='blue', label='Count Plot')
plt.legend()
plt.xlabel('Categories')
plt.ylabel('Count')
plt.title('Count Plot of Data')
plt.show()

이 코드는 범주형 변수의 카운트 플롯을 생성합니다. 함수에 전달된 인수를 수정하여 sns.countplot()요구 사항에 따라 플롯을 사용자 지정할 수 있습니다. 예를 들어 색조 매개변수를 추가하여 누적 카운트 도표를 만들거나 를 사용하여 범주 순서를 변경할 수 있습니다 order.

Seaborn 라이브러리에 포함된 sns.boxplot() 사용 방법

sns.boxplot()하나 이상의 변수의 박스 플롯을 그리는 데 사용할 수 있는 Seaborn의 함수입니다. 다음은 사용 방법에 대한 단계별 가이드입니다 sns.boxplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 숫자 변수의 간단한 데이터 세트를 만들어 보겠습니다.

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

• sns.boxplot()상자 그림을 그리는 데 사용합니다 . 변수를 함수의 인수로 전달할 수 있고 색상 및 레이블과 같은 다양한 인수를 지정하여 플롯을 사용자 정의할 수 있습니다.

sns.boxplot(y=data, color='blue', label='Box Plot')

• Matplotlib 라이브러리의 , , 및 함수를 plt.legend()사용 plt.xlabel()하여 plt.ylabel()범례 , 축 레이블 및 플롯에 제목을 추가합니다 .plt.title()

plt.legend()
plt.xlabel('Variable')
plt.ylabel('Values')
plt.title('Box Plot of Data')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

다음을 사용하여 상자 그림을 그리기 위한 전체 코드는 sns.boxplot()다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

sns.boxplot(y=data, color='blue', label='Box Plot')
plt.legend()
plt.xlabel('Variable')
plt.ylabel('Values')
plt.title('Box Plot of Data')
plt.show()

이 코드는 변수의 박스 플롯 플롯을 생성합니다. 함수에 전달된 인수를 수정하여 sns.boxplot()요구 사항에 따라 플롯을 사용자 지정할 수 있습니다. 예를 들어 x매개변수를 사용하여 두 변수의 상자 그림을 그리거나 매개 hue변수를 추가하여 그룹화된 상자 그림을 만들 수 있습니다.

Seaborn 라이브러리에 포함된 sns.heatmap() 사용 방법

sns.heatmap()행렬 또는 2D 데이터 세트의 히트맵을 그리는 데 사용할 수 있는 Seaborn의 함수입니다. 다음은 사용 방법에 대한 단계별 가이드입니다 sns.heatmap().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 간단한 2D 데이터 세트를 만들어 보겠습니다.

data = [[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]]

• sns.heatmap()히트맵을 그리는 데 사용합니다 . 데이터 집합을 함수에 대한 인수로 전달할 수 있으며 색상 맵 및 축 레이블과 같은 다양한 인수를 지정하여 플롯을 사용자 지정할 수 있습니다.

sns.heatmap(data, cmap='Blues', annot=True, fmt='d', cbar=False)

• Matplotlib 라이브러리의 plt.colorbar(), plt.xlabel(), plt.ylabel()및 함수 를 사용하여 색상 막대, 축 레이블 및 제목을 플롯에 추가합니다 .plt.title()

plt.colorbar()
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.title('Heatmap of Data')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

다음을 사용하여 히트맵을 그리는 전체 코드는 sns.heatmap()다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

data = [[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]]

sns.heatmap(data, cmap='Blues', annot=True, fmt='d', cbar=False)
plt.colorbar()
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.title('Heatmap of Data')
plt.show()

이 코드는 데이터 세트의 히트맵 플롯을 생성합니다. 함수에 전달된 인수를 수정하여 sns.heatmap()요구 사항에 따라 플롯을 사용자 지정할 수 있습니다. 예를 들어 xticklabels및 yticklabels매개변수를 사용하여 x 및 y축에 대한 사용자 지정 레이블을 지정하거나 annot매개변수를 로 설정하여 False히트맵에서 주석을 제거할 수 있습니다.

Seaborn 라이브러리에 포함된 sns.jointplot() 사용 방법

sns.jointplot()Seaborn의 함수로 두 변수의 주변 분포와 함께 공동 분포를 그리는 데 사용할 수 있습니다. 다음은 사용 방법에 대한 단계별 가이드입니다 sns.jointplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 난수로 구성된 두 개의 배열을 만들어 보겠습니다.

import numpy as np

x = np.random.normal(size=100)
y = np.random.normal(size=100)

• sns.jointplot()결합 분포를 플로팅하는 데 사용합니다 . 두 개의 배열을 함수에 대한 인수로 전달할 수 있고 색상 및 레이블과 같은 다양한 인수를 지정하여 플롯을 사용자 정의할 수 있습니다.

sns.jointplot(x=x, y=y, color='blue', label='Joint Plot')

• Matplotlib 라이브러리의 plt.legend()및 함수를 사용하여 플롯에 범례와 제목을 추가합니다 .plt.title()

plt.legend()
plt.title('Joint Plot of Data')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

다음을 사용하여 공동 분포를 플로팅하는 전체 코드는 sns.jointplot()다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

x = np.random.normal(size=100)
y = np.random.normal(size=100)

sns.jointplot(x=x, y=y, color='blue', label='Joint Plot')
plt.legend()
plt.title('Joint Plot of Data')
plt.show()

이 코드는 두 배열의 공동 분포 플롯을 생성합니다. 함수에 전달된 인수를 수정하여 sns.jointplot()요구 사항에 따라 플롯을 사용자 지정할 수 있습니다. 예를 들어 kind매개변수를 사용하여 hexbin 플롯 또는 커널 밀도 추정 플롯과 같이 표시할 플롯 유형을 지정할 수 있습니다. 또한 marginal_kws매개 변수를 사용하여 색상이나 레이블과 같은 키워드 인수를 주변 그림에 전달할 수 있습니다.

Seaborn 라이브러리에 포함된 sns.pairplot() 사용 방법

sns.pairplot()데이터 세트에서 쌍별 관계를 그리는 데 사용할 수 있는 Seaborn의 함수입니다. 다음은 사용 방법에 대한 단계별 가이드입니다 sns.pairplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 Seaborn에 포함된 홍채 데이터셋을 로드해 보겠습니다.

iris = sns.load_dataset('iris')

• sns.pairplot()쌍별 관계를 플로팅하는 데 사용합니다 . 데이터셋을 함수의 인수로 전달할 수 있고 색상 및 대각선 플롯 유형과 같은 다양한 인수를 지정하여 플롯을 사용자 정의할 수 있습니다.

sns.pairplot(iris, hue='species', palette='husl', diag_kind='hist')

• plt.suptitle()Matplotlib 라이브러리의 함수를 사용하여 플롯에 제목을 추가합니다 .

plt.suptitle('Pairwise Relationships in Iris Dataset')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

다음을 사용하여 쌍별 관계를 플로팅하는 전체 코드는 sns.pairplot()다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

iris = sns.load_dataset('iris')

sns.pairplot(iris, hue='species', palette='husl', diag_kind='hist')
plt.suptitle('Pairwise Relationships in Iris Dataset')
plt.show()

이 코드는 붓꽃 데이터 세트에서 쌍별 관계의 플롯을 생성합니다. 함수에 전달된 인수를 수정하여 sns.pairplot()요구 사항에 따라 플롯을 사용자 지정할 수 있습니다. 예를 들어 vars매개변수를 사용하여 플롯할 특정 변수를 선택하거나 corner매개변수를 사용하여 플롯의 아래쪽 또는 위쪽 삼각형만 표시할 수 있습니다. 또한 plot_kws매개 변수를 사용하여 색상 또는 표식 스타일과 같은 키워드 인수를 산점도 및 선 도표에 전달할 수 있습니다.

Seaborn 라이브러리에 포함된 색조 매개변수 사용 방법

Seaborn의 매개 hue변수는 범주형 변수로 데이터를 그룹화하고 각 그룹에 대해 서로 다른 색상을 표시하는 데 사용됩니다. sns.scatterplot(), sns.lineplot(), sns.barplot(), sns.boxplot()등과 같은 Seaborn의 대부분의 플로팅 기능에서 사용할 수 있습니다 .

hue다음은 기능 과 함께 Seaborn에서 매개변수를 사용하는 방법의 예입니다 sns.scatterplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 Seaborn에 포함된 팁 데이터 세트를 로드해 보겠습니다.

tips = sns.load_dataset('tips')

• sns.scatterplot()각 그룹에 대해 서로 다른 색상으로 데이터를 플롯하는 데 사용합니다 . hue매개변수를 함수에 전달하고 그룹화할 범주형 변수의 이름을 지정할 수 있습니다.

sns.scatterplot(x='total_bill', y='tip', hue='sex', data=tips)

• Matplotlib 라이브러리의 plt.legend()및 함수를 사용하여 플롯에 범례와 제목을 추가합니다 .plt.title()

plt.legend()
plt.title('Scatter Plot of Tips')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

Seaborn의 매개변수를 사용하여 각 그룹에 대해 서로 다른 색상으로 산점도를 그리는 전체 코드는 hue다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

sns.scatterplot(x='total_bill', y='tip', hue='sex', data=tips)
plt.legend()
plt.title('Scatter Plot of Tips')
plt.show()

이 코드는 각 성별 그룹에 대해 서로 다른 색상으로 팁 데이터 세트의 산점도를 생성합니다. 매개변수에 전달된 범주형 변수의 이름을 수정 hue하고 요구 사항에 따라 도표를 사용자 정의할 수 있습니다. 예를 들어 palette매개변수를 사용하여 각 그룹에 사용되는 색상을 지정하거나 style매개변수를 사용하여 각 그룹에 대해 서로 다른 마커를 표시할 수 있습니다.

Seaborn 라이브러리에 포함된 xticklabels 및 yticklabels 매개변수를 사용하는 방법

Seaborn의 및 매개변수는 각각 플롯의 x 및 y축에 있는 눈금 표시의 레이블을 사용자 지정하는 데 사용됩니다 xticklabels. 이러한 매개변수는 , , , 등과 yticklabels같은 Seaborn의 대부분의 플로팅 함수에서 사용할 수 있습니다 .sns.scatterplot()sns.lineplot()sns.barplot()sns.boxplot()

다음은 함수 와 함께 Seaborn에서 xticklabels및 매개변수를 사용하는 방법의 예입니다 .yticklabelssns.barplot()

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 Seaborn에 포함된 팁 데이터 세트를 로드해 보겠습니다.

tips = sns.load_dataset('tips')

• sns.barplot()데이터를 플로팅하고 x 및 y 눈금 레이블을 사용자 지정하는 데 사용합니다 . xticklabels및 yticklabels매개변수를 함수에 전달하고 각 축에 표시할 레이블 목록을 지정할 수 있습니다.

sns.barplot(x='day', y='total_bill', data=tips)
plt.xticks(rotation=45, ha='right', fontsize=12)
plt.yticks(fontsize=12)

• plt.title()Matplotlib 라이브러리의 함수를 사용하여 플롯에 제목을 추가합니다 .

plt.title('Bar Plot of Total Bill by Day')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

xticklabelsSeaborn의 및 매개변수 를 사용하여 사용자 지정 x 및 y 눈금 레이블이 있는 막대 그래프를 그리기 위한 전체 코드는 yticklabels다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

sns.barplot(x='day', y='total_bill', data=tips)
plt.xticks(rotation=45, ha='right', fontsize=12)
plt.yticks(fontsize=12)
plt.title('Bar Plot of Total Bill by Day')
plt.show()

이 코드는 사용자 지정된 x 및 y 눈금 레이블이 있는 팁 데이터 세트의 막대 그래프를 생성합니다. xticklabels및 매개 변수 에 전달된 레이블 목록을 수정 yticklabels하고 요구 사항에 따라 플롯을 사용자 정의할 수 있습니다. 예를 들어 및 rotation매개 ha변수를 사용하여 x 눈금 레이블을 회전하고 정렬하거나 매개 fontsize변수를 사용하여 눈금 레이블의 크기를 조정할 수 있습니다.

Seaborn 라이브러리에 포함된 종류 매개변수 사용 방법

Seaborn의 매개 변수 kind는 생성하려는 플롯 유형을 지정하는 데 사용됩니다. sns.relplot()이 매개변수는 , sns.catplot()및 와 같은 많은 Seaborn 플로팅 함수에서 사용할 수 있습니다 sns.jointplot(). 매개 kind변수는 각각 다른 유형의 플롯에 해당하는 다양한 값을 가질 수 있습니다.

kind다음은 기능 과 함께 Seaborn에서 매개변수를 사용하는 방법의 예입니다 sns.catplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 Seaborn에 포함된 팁 데이터 세트를 로드해 보겠습니다.

tips = sns.load_dataset('tips')

• sns.catplot()범주형 그림을 만들고 매개변수를 지정하는 데 사용합니다 kind. kind매개변수를 함수에 전달하고 만들려는 플롯의 유형을 지정할 수 있습니다. kind='bar'예를 들어 데이터의 막대 그래프를 생성하도록 설정할 수 있습니다 .

sns.catplot(x='day', y='total_bill', data=tips, kind='bar')

• plt.title()Matplotlib 라이브러리의 함수를 사용하여 플롯에 제목을 추가합니다 .

plt.title('Bar Plot of Total Bill by Day')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

Seaborn의 매개 변수를 사용하여 막대 그래프를 그리는 전체 코드는 kind다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

sns.catplot(x='day', y='total_bill', data=tips, kind='box')
plt.title('Bar Plot of Total Bill by Day')
plt.show()

이 코드는 팁 데이터 세트의 막대 그래프를 생성합니다. kind매개변수를 수정하여 박스 플롯, 바이올린 플롯, 스웜 플롯 또는 포인트 플롯과 같은 다른 유형의 플롯을 생성 할 수 있습니다. 사용 가능한 값은 kind생성하려는 플롯 유형에 따라 다르므로 사용 중인 특정 기능에 대한 Seaborn 설명서를 확인하십시오.

Seaborn 라이브러리에 포함된 marginal_kws 파라미터 사용 방법

이 매개변수는 및 를 marginal_kws포함하여 여러 Seaborn 플로팅 함수에 포함되어 있습니다 . 이 매개변수는 이러한 함수에서 한계 도표를 생성하는 함수에 추가 키워드 인수를 전달하는 데 사용됩니다.sns.jointplot()sns.pairplot()

주변 플롯은 메인 플롯의 측면에 있는 히스토그램 또는 밀도 플롯입니다. 기본적으로 Seaborn은 를 사용하여 sns.histplot()이러한 한계 플롯을 생성하지만 marginal_kws매개변수를 사용하여 이 함수에 추가 인수를 전달할 수 있습니다.

marginal_kws다음은 기능 과 함께 Seaborn에서 매개변수를 사용하는 방법의 예입니다 sns.jointplot().

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 Seaborn에 포함된 팁 데이터 세트를 로드해 보겠습니다.

tips = sns.load_dataset('tips')

• sns.jointplot()주변 히스토그램이 있는 산점도를 만들고 매개변수를 지정하는 데 사용합니다 marginal_kws. marginal_kws함수에 매개변수를 전달하고 전달할 추가 키워드 인수를 지정할 수 있습니다 sns.histplot(). 예를 들어 20개의 빈으로 히스토그램을 생성하도록 설정할 수 있습니다 marginal_kws={'bins': 20}.

sns.jointplot(x='total_bill', y='tip', data=tips, marginal_kws={'bins': 20})

• plt.suptitle()Matplotlib 라이브러리의 함수를 사용하여 플롯에 제목을 추가합니다 .

plt.suptitle('Scatter Plot with Marginal Histograms')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

Seaborn의 매개변수를 사용하여 한계 히스토그램이 있는 산점도를 플로팅하는 전체 코드는 marginal_kws다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

sns.jointplot(x='total_bill', y='tip', data=tips, marginal_kws={'bins': 20})
plt.suptitle('Scatter Plot with Marginal Histograms')
plt.show()

이 코드는 한계 히스토그램이 있는 팁 데이터 세트의 산점도를 생성합니다. marginal_kws매개변수를 수정하여 다른 인수를 전달하고 sns.histplot()빈 수, 색상 또는 밀도 플롯에 사용되는 추정기 유형과 같은 다른 속성을 사용하여 히스토그램 또는 밀도 플롯을 생성할 수 있습니다 .

Seaborn 라이브러리에 포함된 vars 매개변수 사용 방법

이 매개변수는 및 와 vars같은 여러 Seaborn 플로팅 함수에 포함되어 있습니다 . 이 매개변수는 플롯에 포함하려는 데이터 세트의 변수를 지정하는 데 사용됩니다.sns.pairplot()sns.catplot()

Seaborn 플로팅 함수에 데이터 세트를 전달하면 여러 변수가 포함될 수 있으며 기본 동작은 모든 변수를 플로팅하는 것입니다. 그러나 vars매개변수를 사용하여 플롯에 포함할 변수의 하위 집합을 선택할 수 있습니다.

vars다음은 Seaborn에서 매개변수를 사용하는 방법의 예입니다 .

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 Seaborn에 포함된 팁 데이터 세트를 로드해 보겠습니다.

tips = sns.load_dataset('tips')

• , 및 변수를 사용 sns.pairplot()하여 산점도 행렬을 만드는 데 사용합니다 . 변수 이름 목록을 파라미터에 전달하여 플롯에 포함할 변수를 선택할 수 있습니다.total_billtipsizevars

sns.pairplot(data=tips, vars=['total_bill', 'tip', 'size'])

• plt.suptitle()Matplotlib 라이브러리의 함수를 사용하여 플롯에 제목을 추가합니다 .

plt.suptitle('Scatter Plot Matrix with Total Bill, Tip, and Party Size')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

Seaborn의 매개변수를 사용하여 산점도 행렬을 생성하는 전체 코드는 vars다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

sns.pairplot(data=tips, vars=['total_bill', 'tip', 'size'])
plt.suptitle('Scatter Plot Matrix with Total Bill, Tip, and Party Size')
plt.show()

total_bill이 코드는 , tip및 변수가 있는 팁 데이터 세트의 산점도 매트릭스를 생성합니다 size. vars매개변수를 수정하여 플롯에 포함할 변수의 다른 하위 집합을 선택할 수 있습니다. x일부 Seaborn 플로팅 함수는 의 및 y매개변수 와 같이 포함할 변수를 지정하는 다른 방법도 허용합니다 sns.catplot().

Seaborn 라이브러리에 포함된 코너 파라미터 사용 방법

이 corner매개변수는 Seaborn의 함수에 포함되어 있습니다 sns.pairplot(). 데이터 세트에서 각 변수의 분포를 보여주는 한계 축의 배치를 제어하는 ​​데 사용됩니다.

기본적으로 corner=False, 및 주변 축은 플롯의 위쪽과 오른쪽에 배치됩니다. 그러나 를 설정하면 corner=True주변 축이 플롯의 아래쪽과 왼쪽에 배치됩니다.

corner다음은 Seaborn에서 매개변수를 사용하는 방법의 예입니다 .

• 필요한 라이브러리를 가져옵니다.

import seaborn as sns
import matplotlib.pyplot as plt

• 플로팅하려는 데이터를 로드하거나 생성합니다. 예를 들어 Seaborn에 포함된 팁 데이터 세트를 로드해 보겠습니다.

tips = sns.load_dataset('tips')

• , 및 변수를 사용 sns.pairplot()하여 산점도 행렬을 만드는 데 사용합니다 . 주변 축을 플롯의 아래쪽과 왼쪽으로 이동하도록 설정합니다 .total_billtipsizecorner=True

sns.pairplot(data=tips, vars=['total_bill', 'tip', 'size'], corner=True)

• plt.suptitle()Matplotlib 라이브러리의 함수를 사용하여 플롯에 제목을 추가합니다 .

plt.suptitle('Scatter Plot Matrix with Total Bill, Tip, and Party Size')

• 함수를 사용하여 플롯을 표시합니다 plt.show().

plt.show()

Seaborn의 매개변수를 사용하여 산점도 행렬을 생성하는 전체 코드는 corner다음과 같습니다.

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset('tips')

sns.pairplot(data=tips, vars=['total_bill', 'tip', 'size'], corner=True)
plt.suptitle('Scatter Plot Matrix with Total Bill, Tip, and Party Size')
plt.show()

total_bill이 코드는 , tip및 변수가 있는 팁 데이터 세트의 산점도 매트릭스를 생성합니다 size. 주변 축은 매개변수로 인해 플롯의 아래쪽과 왼쪽에 배치됩니다 corner=True. 이 매개변수는 sns.pairplot()다른 Seaborn 플로팅 함수와 함께만 작동하고 작동하지 않는다는 점에 유의하십시오.