Python에서 간단한 차트 그리기

Python으로 간단한 차트 그리기

Python은 데이터 시각화 분야에서 매우 인기가 있으며, 다양한 라이브러리를 통해 쉽게 차트를 작성할 수 있습니다. 특히, Matplotlib와 Seaborn, Pandas와 같은 라이브러리를 활용하면 데이터의 시각적인 표현이 용이합니다. 이번 글에서는 이러한 라이브러리들을 이용하여 간단한 차트를 만드는 방법을 살펴보겠습니다.

필수 라이브러리 설치 및 설정

먼저 차트를 생성하기 위해 필요한 라이브러리를 설치해야 합니다. 필요한 라이브러리는 다음과 같습니다:

• Pandas
• Numpy
• Matplotlib
• Seaborn

위의 라이브러리를 설치한 후, 주피터 노트북에서 다음과 같이 설정합니다:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 그래프 표현 모드 설정
%matplotlib notebook 

한글 폰트 및 그래프 크기 설정

한글을 포함한 텍스트가 잘 보이도록 한글 폰트를 설정하고, 그래프의 크기를 조정합니다. 다음 코드를 사용하여 설정할 수 있습니다:

from matplotlib import font_manager, rc, rcParams
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font_name)
rcParams['axes.unicode_minus'] = False
rcParams["figure.figsize"] = (6, 4) # 그래프 크기 설정

차트 유형

이제 다양한 차트 유형에 대해 알아보겠습니다. 데이터 시각화에서 주로 사용하는 차트 유형은 선 그래프, 막대 그래프, 개수 그래프, 산점도, 히스토그램, 상자 그림 등이 있습니다.

1. 선 그래프 (Line Plot)

선 그래프는 시간에 따른 데이터의 변동을 시각적으로 표현하는 데 매우 유용합니다. 다음은 야구 타선의 타율과 장타율을 시각화한 예시입니다:

plt.figure() # 새로운 그래프 도화지 생성
x = df_lineup.index # 타순
y = df_lineup['타율'] # 타율
y2 = df_lineup['장타율'] # 장타율
plt.plot(x, y, label='타율')
plt.plot(x, y2, label='장타율')
plt.legend() # 범례 표시

2. 막대 그래프 (Bar Plot)

막대 그래프는 항목 간의 비교를 할 때 유용합니다. 다음은 타순의 선수별 홈런 개수를 보여주는 그래프입니다:

plt.figure() # 새로운 그래프 도화지 생성
x = df_lineup['선수명']
y = df_lineup['홈런']
plt.bar(x, y) # 세로 막대 그래프

3. 가로 막대 그래프 (Horizontal Bar Plot)

가로 막대 그래프는 항목의 이름이 길거나 많은 경우 유용합니다:

plt.figure()
x = df_lineup['선수명']
y = df_lineup['홈런']
plt.barh(x, y) # 가로 막대 그래프

4. 개수 그래프 (Count Plot)

특정 카테고리에서 데이터의 수를 보여주는 개수 그래프를 그려보겠습니다. 예를 들어, 팀별 선수 수를 시각화할 수 있습니다:

x = df['팀명'].unique()
y = df.groupby('팀명')['선수명'].count()
plt.figure()
plt.bar(x, y) # 팀별 선수 수 표시

5. 산점도 (Scatter Plot)

산점도는 두 변수 간의 관계를 시각적으로 표현합니다. 예를 들어, 삼진과 홈런의 관계를 확인할 수 있습니다:

x = df['삼진']
y = df['홈런']
plt.figure()
plt.scatter(x, y) # 산점도 생성

6. 히스토그램 (Histogram)

히스토그램은 데이터 분포를 시각화하는 방법입니다. 특정 변수의 빈도를 확인할 수 있습니다. 예를 들어, 타자의 타율 히스토그램을 생성할 수 있습니다:

plt.figure()
plt.hist(df['타율'], bins=15) # 타율 히스토그램

7. 상자 그림 (Box Plot)

상자 그림은 데이터의 분포, 범위, 이상값을 시각적으로 확인할 수 있게 해줍니다. 선수별 성적 데이터 등에 대해 활용할 수 있습니다.

Plotly를 통한 인터랙티브 차트 생성

차트를 더욱 발전시키고 싶다면, Plotly 라이브러리를 사용할 수 있습니다. Plotly는 인터랙티브한 차트를 쉽게 생성할 수 있는 도구입니다. 사용하기 위해서는 다음과 같이 설치해 주세요:

!pip install plotly

Plotly의 주요 라이브러리인 plotly.express를 사용하여 차트를 그리는 방법은 다음과 같습니다:

import plotly.express as px
df = pd.read_csv('데이터파일.csv') # 데이터 불러오기
fig = px.scatter(df, x='삼진', y='홈런') # 산점도 생성
fig.show() # 차트 출력

마무리

Python을 통해 다양한 차트를 쉽게 만들 수 있다는 것을 이해하셨나요? Matplotlib, Seaborn, Pandas, Plotly와 같은 강력한 도구를 활용하면 데이터를 시각적으로 표현하는 데 필요한 다양한 방법을 제공받을 수 있습니다. 이러한 기법들을 적절히 조합하여 데이터 분석 및 보고서 작성에 유용하게 사용하시기 바랍니다.

자주 묻는 질문 FAQ