#파이썬 기초 10일차_2

1. Matplotlib 개요

1-1. Matplotlib란?

Matplotlib는 파이썬에서 플롯(그래프)을 그릴 때 주로 쓰이는 2D, 3D 플롯팅 패키지(모듈)입니다. 이 패키지는 저명한 파이썬 라이브러리 개발자인 John Hunter에 의해 개발되었습니다. 2003년 version 0.1이 발표된 이후 현재까지 꾸준히 발전해온 약 20년의 역사를 가진 패키지입니다. 산업과 교육계에서 널리 쓰이는 수치해석 소프트웨어인 MATLAB과 유사한 사용자 인터페이스를 가지고 있어 각 업계에서 쉽게 접근 가능합니다.

1-2. Matplotlib의 장점

• 운영 체제에 구애받지 않음: 다양한 운영 체제에서 동작합니다.
• 세부 서식 설정 가능: 다양한 그래프와 그 구성 요소에 대해 상세한 서식을 설정할 수 있습니다.
• 다양한 출력 형식 지원: PNG, SVG, JPG 등 여러 출력 형식을 지원합니다.
• MATLAB과 유사한 인터페이스: MATLAB과 비슷한 사용자 인터페이스를 제공하여 MATLAB 사용자들이 쉽게 접근할 수 있습니다.

1-3. 데이터 시각화

데이터 시각화는 정보를 그래프로 나타내는 과정입니다. 차트, 그래프, 맵과 같은 시각적 요소를 사용하여 데이터를 시각적으로 표현함으로써 데이터에서 추세, 이상 값 및 패턴을 보고 이해할 수 있게 해줍니다. 데이터 시각화는 데이터 분석에 쉽게 접근할 수 있도록 하는 방법으로, 특히 빅 데이터의 세계에서 막대한 양의 정보를 분석하고 데이터 기반 의사 결정을 내리는 데 필수적입니다.

1-4. 데이터 시각화의 필요성

• 시각적 정보의 중요성: 인간은 시력을 통해 얻는 정보량이 다른 감각 기관을 통해 얻는 정보량보다 훨씬 많습니다.
• 데이터 관리와 이해의 어려움: 지나치게 많은 데이터로 인해 이를 관리하고 이해하는 어려움이 계속해서 증가하고 있습니다.
• 통계 데이터의 인지적 어려움: 대부분의 사람들은 통계 데이터에 대해 잘 알지 못하며, 기본적인 통계 방법(평균, 중위수, 범위 등)은 인간의 인지적 특성과 맞지 않습니다.
• 규칙의 명확한 인지: 통계 방법에 따라 규칙을 보는 것은 어렵지만, 데이터가 시각화되면 규칙은 매우 명확히 인지할 수 있습니다. 예를 들어, 안스콤비의 4중주(Anscombe's Quartet)와 같은 사례에서 데이터 시각화는 데이터의 특성을 명확히 파악하는 데 큰 도움을 줍니다.

a를 보면 어떤 데이터를 의미하는지 한 눈에 알아보기 어려운데

b처럼 데이터 시각화를 통하면 데이터가 어떤식으로 구성되어있는지를 파악하기 쉽다.

 

2. 환경설정

import matplotlib.pyplot as plt

# 그래프를 그리기 위한 데이터 설정

x = [-3, -2, -1, 0, 1, 2, 3, 4, 5]

y = [3, 2, -1, 1, 0, -2, -1, 3, 1]

plt.figure(figsize=(8,4))

plt.title('오늘도 즐거운 하루', fontsize=20)

plt.scatter(x, y)

plt.show()

/usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 50724 (\N{HANGUL SYLLABLE O}) missing from current font. fig.canvas.print_figure(bytes_io, **kw) /usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 45720 (\N{HANGUL SYLLABLE NEUL}) missing from current font. fig.canvas.print_figure(bytes_io, **kw) /usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 46020 (\N{HANGUL SYLLABLE DO}) missing from current font. fig.canvas.print_figure(bytes_io, **kw) /usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 51600 (\N{HANGUL SYLLABLE JEUL}) missing from current font. fig.canvas.print_figure(bytes_io, **kw) /usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 44144 (\N{HANGUL SYLLABLE GEO}) missing from current font. fig.canvas.print_figure(bytes_io, **kw) /usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 50868 (\N{HANGUL SYLLABLE UN}) missing from current font. fig.canvas.print_figure(bytes_io, **kw) /usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 54616 (\N{HANGUL SYLLABLE HA}) missing from current font. fig.canvas.print_figure(bytes_io, **kw) /usr/local/lib/python3.10/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 47336 (\N{HANGUL SYLLABLE RU}) missing from current font. fig.canvas.print_figure(bytes_io, **kw)

• 쓸데없는 경고가 많이 나오는 문제 해결하기 위해 import warnings 이용

# warning메시지 무시

import warnings

warnings.filterwarnings('ignore')

plt.figure(figsize=(8,4))

plt.title('오늘도 즐거운 하루', fontsize=20)

plt.scatter(x, y)

plt.show()

• 한글이 깨지는 문제
  • 이유: 한글 폰트가 설치되어 있지 않기 때문

 

# 현재 사용중인 폰트 확인

plt.rcParams['font.family']

['sans-serif']

# 한글폰트 설치하기 위해 필요한 모듈

import matplotlib.font_manager as fm

# 나눔바른고딕 폰트 설치 - 런타임 연결이 다시 될 때마다 다시 폰트를 설치해야 한글이 보인다.

!apt install fonts-nanum

fm.fontManager.addfont('/usr/share/fonts/truetype/nanum/NanumBarunGothic.ttf')

plt.rcParams['font.family'] = "NanumBarunGothic"

plt.figure(figsize=(8,4))

plt.title('오늘도 즐거운 하루', fontsize=20)

plt.scatter(x, y)

plt.show()

폰트매니저를 통해 나눔바른고딕 폰트 설치 후 이를 활용해서 한글폰트 오류 해결함

• 갑자기 음수 부호(-)가 표시되지 않음
  • 한글폰트와 유니코드의 음수 부호가 충돌을 일으키기 때문임

# 마이너스(음수)부호 설정

plt.rc("axes", unicode_minus = False)

plt.figure(figsize=(8,4))

plt.title('오늘도 즐거운 하루', fontsize=20)

plt.scatter(x, y)

plt.show()

유니코드가 아니라 데이터가 가진 코드를 아스키코드를 이용해서 출력함

• 그래프를 그릴때 별도의 창이 열리고 그 위에서 그려지는 문제
  • Colab을 이용하는 경우
    • Colab은 기본적으로 현재 창에서 그래프가 그려지므로 따로 조치할 필요가 없음
  • 개인 환경에서 Jupyter Notebook/Lab을 이용하는 경우
    • %matplotlib inline 명령어를 통해서 해결 가능
      %matplotlib inline

 

3. 그래프의 기본 구성

figure : 그래프를 그리는 전체 큰 영역

axes : 그림을 그린 그래프 1개의 영역

 

4. 기본 그래프 그리기

import numpy as np

 

4-1. Figure

수식 표현

- $-5 < x < 5$ , (x의 간격은 0.1)

- $y_1=x^2+3$

• −5<x<5 , (x의 간격은 0.1)
• y1=x2+3

x = np.arange(-5, 5, 0.1) # 위 범위 지정한 값

x

array([-5.00000000e+00, -4.90000000e+00, -4.80000000e+00, -4.70000000e+00,
       -4.60000000e+00, -4.50000000e+00, -4.40000000e+00, -4.30000000e+00,
       -4.20000000e+00, -4.10000000e+00, -4.00000000e+00, -3.90000000e+00,
       -3.80000000e+00, -3.70000000e+00, -3.60000000e+00, -3.50000000e+00,
       -3.40000000e+00, -3.30000000e+00, -3.20000000e+00, -3.10000000e+00,
       -3.00000000e+00, -2.90000000e+00, -2.80000000e+00, -2.70000000e+00,
       -2.60000000e+00, -2.50000000e+00, -2.40000000e+00, -2.30000000e+00,
       -2.20000000e+00, -2.10000000e+00, -2.00000000e+00, -1.90000000e+00,
       -1.80000000e+00, -1.70000000e+00, -1.60000000e+00, -1.50000000e+00,
       -1.40000000e+00, -1.30000000e+00, -1.20000000e+00, -1.10000000e+00,
       -1.00000000e+00, -9.00000000e-01, -8.00000000e-01, -7.00000000e-01,
       -6.00000000e-01, -5.00000000e-01, -4.00000000e-01, -3.00000000e-01,
       -2.00000000e-01, -1.00000000e-01, -1.77635684e-14,  1.00000000e-01,
        2.00000000e-01,  3.00000000e-01,  4.00000000e-01,  5.00000000e-01,
        6.00000000e-01,  7.00000000e-01,  8.00000000e-01,  9.00000000e-01,
        1.00000000e+00,  1.10000000e+00,  1.20000000e+00,  1.30000000e+00,
        1.40000000e+00,  1.50000000e+00,  1.60000000e+00,  1.70000000e+00,
        1.80000000e+00,  1.90000000e+00,  2.00000000e+00,  2.10000000e+00,
        2.20000000e+00,  2.30000000e+00,  2.40000000e+00,  2.50000000e+00,
        2.60000000e+00,  2.70000000e+00,  2.80000000e+00,  2.90000000e+00,
        3.00000000e+00,  3.10000000e+00,  3.20000000e+00,  3.30000000e+00,
        3.40000000e+00,  3.50000000e+00,  3.60000000e+00,  3.70000000e+00,
        3.80000000e+00,  3.90000000e+00,  4.00000000e+00,  4.10000000e+00,
        4.20000000e+00,  4.30000000e+00,  4.40000000e+00,  4.50000000e+00,
        4.60000000e+00,  4.70000000e+00,  4.80000000e+00,  4.90000000e+00])

y1 = x**2 + 3  # 위 범위 지정한 값

y1

array([28.  , 27.01, 26.04, 25.09, 24.16, 23.25, 22.36, 21.49, 20.64,
       19.81, 19.  , 18.21, 17.44, 16.69, 15.96, 15.25, 14.56, 13.89,
       13.24, 12.61, 12.  , 11.41, 10.84, 10.29,  9.76,  9.25,  8.76,
        8.29,  7.84,  7.41,  7.  ,  6.61,  6.24,  5.89,  5.56,  5.25,
        4.96,  4.69,  4.44,  4.21,  4.  ,  3.81,  3.64,  3.49,  3.36,
        3.25,  3.16,  3.09,  3.04,  3.01,  3.  ,  3.01,  3.04,  3.09,
        3.16,  3.25,  3.36,  3.49,  3.64,  3.81,  4.  ,  4.21,  4.44,
        4.69,  4.96,  5.25,  5.56,  5.89,  6.24,  6.61,  7.  ,  7.41,
        7.84,  8.29,  8.76,  9.25,  9.76, 10.29, 10.84, 11.41, 12.  ,
       12.61, 13.24, 13.89, 14.56, 15.25, 15.96, 16.69, 17.44, 18.21,
       19.  , 19.81, 20.64, 21.49, 22.36, 23.25, 24.16, 25.09, 26.04,
       27.01])

# figure 크기 조정하기

plt.figure(figsize=(5,5))

plt.title('그래프를 그려보자', fontsize=15)

plt.scatter(x, y1)

plt.show()

 

 

4-2. 그래프 여러 개 그리기

1. Figure 객체와 axes를 직접 생성 후 생성된 axes에 대한 plot 멤버를 직접 호출하는 방법

fig = plt.figure()  

axs = fig.subplots(1,2)

 

2. pyplot.subplots 으로 Figure와 axes를 생성하는 방법

fig, axs = plt.subplots(1,2)

 

3. Figure 객체 생성 후, axes 추가하는 방법

fig = plt.figure()  

ax1 = fig.add_subplot(1, 2, 1)  

ax2 = fig.add_subplot(1, 2, 2)

 

위 3가지 방법 다 이 모양이 나옴

 

• −5<x<5 , (x의 간격은 0.1)
• y1=x2+3
• y2=x+2

y2 = x+2

y2

array([-3.0000000e+00, -2.9000000e+00, -2.8000000e+00, -2.7000000e+00,
       -2.6000000e+00, -2.5000000e+00, -2.4000000e+00, -2.3000000e+00,
       -2.2000000e+00, -2.1000000e+00, -2.0000000e+00, -1.9000000e+00,
       -1.8000000e+00, -1.7000000e+00, -1.6000000e+00, -1.5000000e+00,
       -1.4000000e+00, -1.3000000e+00, -1.2000000e+00, -1.1000000e+00,
       -1.0000000e+00, -9.0000000e-01, -8.0000000e-01, -7.0000000e-01,
       -6.0000000e-01, -5.0000000e-01, -4.0000000e-01, -3.0000000e-01,
       -2.0000000e-01, -1.0000000e-01, -1.0658141e-14,  1.0000000e-01,
        2.0000000e-01,  3.0000000e-01,  4.0000000e-01,  5.0000000e-01,
        6.0000000e-01,  7.0000000e-01,  8.0000000e-01,  9.0000000e-01,
        1.0000000e+00,  1.1000000e+00,  1.2000000e+00,  1.3000000e+00,
        1.4000000e+00,  1.5000000e+00,  1.6000000e+00,  1.7000000e+00,
        1.8000000e+00,  1.9000000e+00,  2.0000000e+00,  2.1000000e+00,
        2.2000000e+00,  2.3000000e+00,  2.4000000e+00,  2.5000000e+00,
        2.6000000e+00,  2.7000000e+00,  2.8000000e+00,  2.9000000e+00,
        3.0000000e+00,  3.1000000e+00,  3.2000000e+00,  3.3000000e+00,
        3.4000000e+00,  3.5000000e+00,  3.6000000e+00,  3.7000000e+00,
        3.8000000e+00,  3.9000000e+00,  4.0000000e+00,  4.1000000e+00,
        4.2000000e+00,  4.3000000e+00,  4.4000000e+00,  4.5000000e+00,
        4.6000000e+00,  4.7000000e+00,  4.8000000e+00,  4.9000000e+00,
        5.0000000e+00,  5.1000000e+00,  5.2000000e+00,  5.3000000e+00,
        5.4000000e+00,  5.5000000e+00,  5.6000000e+00,  5.7000000e+00,
        5.8000000e+00,  5.9000000e+00,  6.0000000e+00,  6.1000000e+00,
        6.2000000e+00,  6.3000000e+00,  6.4000000e+00,  6.5000000e+00,
        6.6000000e+00,  6.7000000e+00,  6.8000000e+00,  6.9000000e+00])

2번 방법 이용 그림 그리기

fig, axs = plt.subplots(2,3)

axs[0, 0].plot(x, y2)

axs[0, 1].plot(x, y1)

axs[0, 2].plot(x, y2)

plt.show()

 

 

# 사이즈 조절 figsize=(,)

fig, axs = plt.subplots(1,2, figsize=(10,5))

axs[0].plot(x, y2) 

axs[1].plot(x, y1)

plt.show()

 

 

fig = plt.figure(figsize=(10,5))

ax1 = fig.add_subplot(1, 2, 1)

ax2 = fig.add_subplot(1, 2, 2)

ax1.plot(x, y2)

ax2.plot(x, y1)

plt.show()

 

# [참고] pyplot API 방식. 위 그래프와 같다

# 사이즈 설정

plt.rcParams["figure.figsize"] = (10,5) # figure.figsize에 값이 들어가있다.

plt.subplot(1,2,1)

plt.plot(x, y2)

plt.subplot(1,2,2)

plt.plot(x, y1)

plt.show()

 

앞에 크기잡는것은 동일하지만, 앞에서는 서브플롯 크기를 지정했다면 이번에는 값을 집적 넣어주는 형식

plt.rcParams["figure.figsize"] = (6, 6)

fig, axs = plt.subplots()

axs.plot([1,2,3,4], [100,200,300,400])

plt.show()

• 세로로 화면을 분할하여 그래프를 그려보기
• x값이 없어서 기존 y값 100개까지만 그려짐

fig=plt.figure() # 기존에 지정한 값이 지정됨

ax1=fig.add_subplot(2,1,1)

ax2=fig.add_subplot(2,1,2)

ax1.plot(y1)

ax2.plot(y2)

plt.show()

 

 

• 그래프에 가로선 그어보기
• x = range(0, 10)
• y1=v2       (→ y1 = [v*v for v in x] )
• y2=log(v)       (→ y2 = [np.log(v) for v in x] )

x = np.arange(0, 10, 0.1)

y1 = x ** 2

y2 = np.log(x)

fig = plt.figure()

axs = fig.subplots(1,2)

axs[0].plot(x, y1)

axs[1].plot(x, y2)

axs[0].axvline(x=0, color = 'k') # draw x=0 axes (Y축)

axs[0].axhline(y=80, color = 'r') # draw y=0 axes (X축)

axs[1].axvline(x=0, color = 'k') # draw x=0 axes (Y축)

axs[1].axhline(y=0, color = 'r') # draw y=0 axes (X축)

plt.show()

 # 대부분 R, G, B , K(블랙) 많이 사용됨

 

• 2행 1열의 axes에 sin(x) 그래프와 cos(x) 그래프 그려보기
  • x축을 표시하시오
  • x의 범위는 0부터 2*pi까지, 0.1 간격으로
  • sin_y=np.sin(x)
  • cos_y=np.cos(x)

fig = plt.figure(figsize=(9,3))

axs = fig.subplots(2, 1)

x=np.arange(0, 2*np.pi, 0.1)

sin_y=np.sin(x)

cos_y=np.cos(x)

axs[0].plot(x,sin_y, 'b--')

axs[0].axhline(y=0, color='k')

axs[1].plot(x,cos_y)

axs[1].axhline(y=0, color = 'r')

plt.show()

 

3-3. Axis

 

 

3.3.1 xlim, ylim

ax.set_xlim([0, 10])

ax.set_ylim([0, 20])

 

# x값은 0~10, 1단위로

# y값은 x+10

x = np.arange(10)

y = x+10 # yticks에는 [0,1,2,...9,10,11,12...,19]

fig, axs = plt.subplots() # 피규어가 axs 가지고와서 axs 설정

axs.plot(x, y)

axs.set_xlim([0, 10])

axs.set_ylim([0, 20])

plt.show()

 

# [참고] pyplot API 방식. 위 그래프와 같다

plt.plot(x,y) # plt에서 직접 설정하는 방식

#plt.axis([0, 10, 0, 20]) 아래 내용과 동일한것임

plt.xlim([0, 10])

plt.ylim([0, 20])

plt.show()

 

 

나중에는 plt를 바로 쓰는것 보다 axis 조절해서 하는것이 더 좋을 경우가 많다.

3.3.2 ticks

• 지정해주는데로 넣어줄 수 있다.

# x값은 0~10, 1단위로

# y값은 x+10

x = np.arange(10)

y = x+10 # yticks에는 [0,1,2,...9,10,11,12...,19]

fig, axs = plt.subplots()

axs.plot(x, y)

axs.set_xlim([0, 10])

axs.set_ylim([0, 20])

axs.set_xticks([0,2,4,6,8,10])

axs.set_yticks(range(0, 20))

axs.set_xticklabels(['A','B','C','D','E','F'])

plt.show()

 

 

3-4. Legend

x = np.arange(-np.pi, np.pi, 0.02)

y1 = np.sin(x)

y2 = np.cos(x)

fig, ax = plt.subplots()

ax.plot(x, y1, label = 'sin')

ax.plot(x, y2, label = 'cos')

ax.legend(loc='center')

#ax.legend([line1, line2, line3], ['label1', 'label2', 'label3'])

plt.show()

# [참고] pyplot API 방식. 위 그래프와 같다

x = np.arange(-np.pi, np.pi, 0.02)

y1 = np.sin(x)

y2 = np.cos(x)

plt.plot(x, y1, label = 'sin')

plt.plot(x, y2, label = 'cos')

plt.legend(loc='center')

plt.show()

 

• 범례(Legend) 위치 표시 코드

 

 

plt.plot(x, y1, label = 'sin')

plt.plot(x, y2, label = 'cos')

plt.legend(loc='best')

plt.show()

 

3-5. Text

3.5.1 fig와 axes의 title

x = np.arange(-np.pi, np.pi, 0.02)

y1 = np.sin(x)

y2 = np.cos(x)

fig,axs = plt.subplots(1,2)

axs[0].plot(x, y1)

axs[1].plot(x, y2)

axs[0].set_title('sin')

axs[1].set_title('cos')

fig.suptitle('삼각함수')

plt.show()

 

 

3.5.2 x, y label

# [참고] pyplot API 방식. label 달기

plt.plot([1, 2, 3, 4], [2, 3, 5, 10])

plt.xlabel('X-Axis')

plt.ylabel('Y-Axis')

plt.show()

 

x = np.arange(-np.pi, np.pi, 0.02)

y1 = np.sin(x)

y2 = np.cos(x)

fig,axs = plt.subplots(1,2)

axs[0].plot(x, y1)

axs[1].plot(x, y2)

axs[0].set_title('sin')

axs[1].set_title('cos')

fig.suptitle('삼각함수')

axs[0].set_xlabel('x값', ha='left', va = 'top')

axs[1].set_xlabel('x값')

axs[0].set_ylabel('sin값')

axs[1].set_ylabel('cos값')

plt.show()

라벨 위치 바꾸기

# label 위치 바꾸기

fig, ax = plt.subplots()

ax.set_xticks(np.arange(0,6,1))

label = ax.set_xlabel('Xlabel', horizontalalignment='left', fontsize = 20)

#label = ax.set_xlabel('Xlabel', ha='right', fontsize = 20)

ax.xaxis.set_label_coords(1,1) # 0~1

#ax.xaxis.set_label_position('bottom')

plt.show()

 

 

3.5.3 text

x = np.arange(8)

y = x**2

fig, ax = plt.subplots()

ax.plot(x, y, 'ro')

 

x = np.arange(8)

y = x**2

fig, ax = plt.subplots()

ax.plot(x, y, 'ro')

for x_, y_ in zip(x, y):

    t = '(%d, %d)'%(int(x_), int(y_))

    ax.text(x_+0.1, y_+0.1,t)

 

3.5.4 annotate

특정점을 찾아서 알려주는것(화살표)

x = np.arange(-1, 3, 0.01)

y = -x**4+4*x**3-4*x**2

fig, ax = plt.subplots()

ax.plot(x, y, lw=2)

ax.annotate('local mininmum', xy=(1, -1), xytext=(0, -3.5),

            arrowprops=dict(facecolor='red'))

ax.set_ylim(-10,2)

plt.show()