04wk-2

seaborn(1)–seaborn특징,boxplot,lineplot

강의영상

https://youtube.com/playlist?list=PLQqh36zP38-yKl-lbn597pdBzbYRDj2i_

imports

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

seaborn 특징

- 특1: 입력으로 데이터프레임을 선호한다. (matplotlib은 array를 선호)

• 그렇다고 해서 데이터프레임이 아닌 경우 그림이 아예 안 그려지지는 않는다.
• 데이터프레임 형태는 long form 과 wide form 이 있다. (ref) // 참고로 long form이 더 우수한 저장형태에요!
• wide-df = [array1,array2,array3]
• long-df = [array_val, array_cat]

- 특2: matplotlib을 존경함. (ref)

sns boxplot

- 데이터: 전북고등학교

y1=[75,75,76,76,77,77,79,79,79,98] # A선생님에게 통계학을 배운 학생의 점수들
y2=[76,76,77,77,78,78,80,80,80,81] # B선생님에게 통계학을 배운 학생의 점수들 

plt 복습

plt.boxplot([y1,y2]);

sns wide df

df1=pd.DataFrame({1:y1,2:y2})
df1

	1	2
0	75	76
1	75	76
2	76	77
3	76	77
4	77	78
5	77	78
6	79	80
7	79	80
8	79	80
9	98	81

- 예시1

sns.boxplot(data=df1) 
#sns.boxplot(data=np.stack([y1,y2],axis=1))  # <- 잘 쓰진 않아요, 그냥 심심해서 해봤는데 되더라고요..?

<AxesSubplot:>

sns long df

df2=pd.DataFrame({'score':y1+y2,'class':['A']*len(y1)+['B']*len(y2)})
df2

	score	class
0	75	A
1	75	A
2	76	A
3	76	A
4	77	A
5	77	A
6	79	A
7	79	A
8	79	A
9	98	A
10	76	B
11	76	B
12	77	B
13	77	B
14	78	B
15	78	B
16	80	B
17	80	B
18	80	B
19	81	B

- 예시1

sns.boxplot(data=df2,x='class',y='score') 

<AxesSubplot:xlabel='class', ylabel='score'>

sns: array

- 예시1

sns.boxplot(data=y1)

<AxesSubplot:>

- 예시2

sns.boxplot(y=y1)

<AxesSubplot:>

- 예시3

sns.boxplot(x=y1)

<AxesSubplot:>

sns histplot

- 데이터

x= np.random.randn(10000) 
y= np.random.randn(10000) +1

plt 복습

- 예시1

plt.hist(x,alpha=0.5)
plt.hist(y,alpha=0.5);

- 예시2

plt.hist([x,y]);

sns: wide df

df1=pd.DataFrame({'x':x,'y':y})
df1

	x	y
0	-2.110587	0.712687
1	0.176404	1.587615
2	0.592212	0.362025
3	0.957655	0.485939
4	1.689412	0.582304
...	...	...
9995	-0.935895	0.047778
9996	1.521599	1.946658
9997	-0.595255	0.671715
9998	0.952991	2.263997
9999	0.850642	1.578771

10000 rows × 2 columns

- 예시1

sns.histplot(data=df1)

<AxesSubplot:ylabel='Count'>

- 예시2

sns.histplot(data=df1,bins=20)

<AxesSubplot:ylabel='Count'>

- 예시3

sns.histplot(data=df1,bins=20,kde=True)

<AxesSubplot:ylabel='Count'>

- 예시4

sns.histplot(data=df1,bins=20,kde=True,element="step")

<AxesSubplot:ylabel='Count'>

- 예시5

sns.histplot(data=df1,bins=20,kde=True,element="step",lw=5) # mpl에 대한 존경심 확인 

<AxesSubplot:ylabel='Count'>

sns: long df

df2=pd.DataFrame({'val':np.concatenate([x,y]), 'var':['x']*len(x) + ['y']*len(y)})
df2

	val	var
0	-2.110587	x
1	0.176404	x
2	0.592212	x
3	0.957655	x
4	1.689412	x
...	...	...
19995	0.047778	y
19996	1.946658	y
19997	0.671715	y
19998	2.263997	y
19999	1.578771	y

20000 rows × 2 columns

- 예시1

sns.histplot(data=df2,x='val',hue='var',bins=20,kde=True,lw=0)

<AxesSubplot:xlabel='val', ylabel='Count'>

- 예시2

sns.histplot(data=df2,y='val',hue='var',bins=20,lw=0,kde=True)

<AxesSubplot:xlabel='Count', ylabel='val'>

sns: array

- 예시1

sns.histplot(data=x)

<AxesSubplot:ylabel='Count'>

- 예시2

sns.histplot(x=x)

<AxesSubplot:ylabel='Count'>

- 예시3

sns.histplot(x=x,color='C0',bins=20,lw=0)
sns.histplot(x=y,color='C1',bins=20,lw=0)

<AxesSubplot:ylabel='Count'>

sns lineplot

- data

np.random.seed(43052)
ϵ = np.random.randn(100)

y = np.cumsum(ϵ)

plt 복습

plt.plot(ϵ,'--o')

plt.plot(y,'--o')

sns: array

- 예시1

sns.lineplot(data=ϵ)

<AxesSubplot:>

- 예시2

sns.lineplot(data=y)

<AxesSubplot:>

sns: wide df

df1=pd.DataFrame({'eps':ϵ, 'y':y})
df1

	eps	y
0	0.383420	0.383420
1	1.084175	1.467595
2	1.142778	2.610373
3	0.307894	2.918267
4	0.237787	3.156054
...	...	...
95	1.308688	-10.598788
96	0.405376	-10.193412
97	-0.185070	-10.378481
98	1.055388	-9.323094
99	1.187014	-8.136079

100 rows × 2 columns

- 예시1

sns.lineplot(data=df1)

<AxesSubplot:>

- 예시2

sns.lineplot(data=df1,dashes=False)

<AxesSubplot:>

- 예시3

# sns.lineplot(data=df1,dashes=[(3,1),(3,1)]) # 이코드는 최신버전의 sns에서 동작하지 않으므로 삭제합니다. (collab 에서는 정상동작)

- 예시4

# sns.lineplot(data=df1,dashes=[(3,1),(15,3)],markers=['o','o'])  # 이코드는 최신버전의 sns에서 동작하지 않으므로 삭제합니다. (collab 에서는 정상동작)

sns: long df

df2= pd.DataFrame({'idx':list(range(100))*2,'val':np.concatenate([ϵ,y]),'cat':['eps']*100 + ['y']*100 })
df2

	idx	val	cat
0	0	0.383420	eps
1	1	1.084175	eps
2	2	1.142778	eps
3	3	0.307894	eps
4	4	0.237787	eps
...	...	...	...
195	95	-10.598788	y
196	96	-10.193412	y
197	97	-10.378481	y
198	98	-9.323094	y
199	99	-8.136079	y

200 rows × 3 columns

- 예시1

sns.lineplot(data=df2, x='idx',y='val',hue='cat')

<AxesSubplot:xlabel='idx', ylabel='val'>

- 예시2

sns.lineplot(data=df2, x='idx',y='val',style='cat',hue='cat',markers=True)

<AxesSubplot:xlabel='idx', ylabel='val'>

- 예시3

sns.lineplot(data=df2, x='idx',y='val',style='cat',hue='cat',dashes=[(3,1),(3,3)],markers=['o','o'])

<AxesSubplot:xlabel='idx', ylabel='val'>

숙제

- 아래의 그림에 대응하는 그림을 seaborn을 이용하여 그려라.

y1 = np.random.randn(90).cumsum() 
y2 = np.random.randn(120).cumsum()

plt.plot(y1,'--o')
plt.plot(y2,'--o')