늘 공부하는 딥린이

NLP Researcher

Day_7 02. Bar Plot 사용하기

작성일

2 분 소요

Bar Plot 사용하기

1. 기본 Bar plot

1.1 Bar Plot 이란?

  • Bar plot 이란 직사각형 막대를 사용하여 데이터의 값을 표현하는 차트/그래프
  • 막대 그래프, bar chart, bar graph 등의 이름으로 사용됨
  • 범주(category)에 따른 수치 값을 비교하기에 적합한 ㅂ아법
    • 개별 비교, 그룹 비교 모두 적합
  • 막대의 방향에 따른 분류 (.bar() / .barh())
    • 수직 (vertical) : x 축에 범주, y 축에 값을 표기 (default)
    • 수평 (horizontal) : y 축에 범주, x 축에 값을 표기 (범주가 많을 때 적합)

2. 다양한 Bar Plot

2.0 Raw Data

  • 임의의 그룹데이터를 시각화해보자
    • A, B, C, D, E 데이터가 2 그룹에 존재
    • Group Sky : [1, 2, 3, 4, 3]
    • Group Pink : [4, 3, 2, 5, 1]
  • 이 두 데이터를 비교하기 위해서 어떤 방법을 쓸 수 있을까?

2.1 Multiple Bar Plot

  • Bar Plot 에서는 범주에 대해 각 값을 표현 -> 즉 1개의 feature에 대해서만 보여줌
  • 여러 Group 을 보여주기 위해서는 여러가지 방법이 필요

  1. 플롯을 여러 개 그리는 방법

  2. 한 개의 플롯에 동시에 나타내는 방법 - 비교에 더 ㅎ효과적

    1. 쌓아서 표현하는 방법
    2. 겹쳐서 표현하는 방법
    3. 이웃에 배치하여 표현하는 방법

2.2 Stacked Bar Plot

  • 2개 이상의 그룹을 쌓아서(stack) 표현하는 bar plot

    • 각 bar에서 나타나는 그룹의 순서는 항상 유지

  • 맨 밑의 bar의 분포는 파악하기 쉽지만
    • 그 외의 분포들은 파악하기 어려움 -> 수치를 annotation 해주는 것을 추천!!
    • 2개의 그룹이 positive/negative 라면 축 조정 가능
  • .bar() 에서는 bottom 파라미터를 사용`

  • .barh() 에서는 left 파라미터를 사용

  • 응용하여 전체에서 비율을 나타내는 Percentage Stacked Bar Chart 가 있음

2.3 Overlapped Bar Plot

  • 2개 그룹만 비교한다면 겹쳐서 만드는 것도 하나의 선택지
    • 3개 이상에서는 파악이 어렵기 때문
  • 같은 축을 사용하니 비교가 쉬움
    • 투명도를 조정하여 겹치는 부분 파악(alpha)
  • Bar plot 보다는 Area plot 에서 더 표과적
    • 후에 seaborn 에서 다룰 예정

2.4 Grouped Bar Plot

  • 그룹별 버무에 따른 bar 를 이웃되게 배치하는 방법
  • Matplotlib 으로는 비교적 구현이 까다로움 (후에 seaborn에서 다룰 예정)
    • 적당한 테크닉 (.set_xticks(), .set_xtickslabels())
  • 앞서 소개한 내용 모두 그룹이 5개 ~ 7개 이하일 때 효과적
    • 그룹이 많다면 적은 그룹은 ETC로 처리

3. 정확한 Bar Plot

3.1 Priciple of Proportion Ink

  • 실제 값과 그에 표현되는 그래픽으로 표현되는 잉크 양은 비례해야함
  • 반드시 x 축의 시작은 zero(0) !!
    • 만약 차이를 나타내고 싶다면 plot의 세로 비율을 늘리기
  • 막대 그래프에만 한정되는 원칙은 아니다!
    • Area plot, Donut Chart 등등 다수의 시각화에서 적용됨

3.2 데이터 정렬하기

  • 더 정확한 정보를 전달하기 위해서는 정렬이 필수
    • Pandas 에서는 sort_values(), sort_index() 를 사용하여 정렬
  • 데이터의 종류에 따라 다음 기준으로 정렬
    1. 시계열 : 시간순
    2. 수치형 : 크기순
    3. 순서형 : 범주의 순서대로
    4. 명목형 : 범주의 값 따라
  • 여러 가지 기준으로 정렬을 하여 패턴을 발견
  • 대시보드에서는 Interactive 로 제공하는 것이 유용

3.3 적절한 공간 활용

  • 여백과 공간만 조정해도 가독성이 높아짐
  • Matplotlib 의 bar plot 은 ax 에 꽉 차서 살짝 답답함
  • Matplotlib techniques
    • X/Y axis Limit (.set_xlik(), .set_ylime())
    • Spines (.spines[spine].set_visible())
    • Gap (width)
    • Legend (.legend())
    • Margins (.margins())

3.4 복잡함과 단순함

  • 필요없는 복잡함은 NO!!!!
    • 무의미한 3D 는 Never….
    • 직사각형이 아닌 다른 형태의 bar 는 지양
  • 무엇을 보고 싶은가? (시각화를 보는 대상이 누구인가?)
    • 정확한 차이 (EDA)
    • 큰 틀에서 비교 및 추세 파악 (Dashboard)
  • 축과 디테일 등의 복잡함
    • Grid (.grid())
    • Tkcklabels (.set_ticklabels())
      • Major & Minor
    • Text 를 어디에 어떻게 추가할 것인가 (.text() or .annotate())
      • Bar 의 middle / upper

3.5 ETC

  • 오차 막대를 추가하여 Uncertainty 정보를 추가 가능 (errorbar)
  • Bar 사이 Gap 이 0이라면 -> 히스토그램(Histogram)
    • .hist() 를 사용하여 가능
    • 연속된 느낌을 줄 수 있음
  • 다양한 Text 정보 활용
    • 제목 (.set_title())
    • 라벨 (.set_xlabel(), .set_ylabel())

댓글남기기

참고