[Python][Library] 3. matplotlib - 그래프 패키지

목차

0. 참조 사이트

1. matplotlib API

- 기본

- 시스템 폰트 찾기 

- 한글 폰트 설정

- 한글 폰트 설정 확인

1.1 Figure 와 subplot

1) 기본

2) 여러개의 그림판 생성

3) 여러개의 그림판 배열로 생성

1.2 Line Chart

1.3 Bar Chart

1.4 Pie Chart

1.5 Scatter Chart

1.6 색상, 마커, 선 스타일

1) 기본 문법

2) Matplotlib 스타일

- color

- line

- 조합

- 마커 참조 사이트

1.7 눈금, 라벨, 범례

1) 제목 축 이름, 눈금 이름

2) 범례 추가

1.8 주석, 그림 추가

1) 주석

2) 그림

1.9 파일로 저장

2. Pandas 에서 그래프 그리기

2.1 선 그래프

1) Series.plot() 인자

2) DataFrame.plot() 인자

2.2 막대 그래프

[참고] seaborn 그리기

2.3. 히스토그램, 밀도 그래프

2.4 산포도

---

0. 참조 사이트

- 한글폰트 다운로드

[구글 폰트 무료 배포 사이트] (https://www.google.co.kr/get/noto/#/)

Google Fonts

Korean 으로 검색

예: 'Noto Sans Korean'

 

- matplotlib documenation: https://matplotlib.org/stable/contents.html

https://matplotlib.org/stable/contents.html

 

1. Matplotlib API

import numpy as np

#np.set_printoptions(precision=4, suppress=True)

import pandas as pd

#pd.options.display.max_rows = 20

import matplotlib.pyplot as plt

%matplotlib inline

plt.rc('figure', figsize=(10, 6))

from matplotlib import rcParams

rcParams['font.family'] = 'NanumGothic'

rcParams['font.size'] = 10

rcParams['axes.unicode_minus'] = False

 

 

시스템 폰트 찾기

import matplotlib.font_manager as fm

for f in fm.fontManager.ttflist:

    if f.name.find('Nanum') != -1:

        print(f.name)

 

한글 폰트 설정

from matplotlib import rcParams

rcParams['font.family'] = 'NanumGothic'

rcParams['font.size'] = 10

 

한글 폰트 설정 확인

fig = plt.figure()

ax = fig.add_subplot(1, 1, 1)

ax.plot(range(10))

ax.set_title('한글 제목')

plt.show()

 

1.1 Figure 와 subplot

기본

# %%

data = np.arange(10)

data

# %%

plt.plot(data)

# %%

plt.plot(np.random.randn(50).cumsum(), 'k--')

# %%

plt.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)

plt.show()

 

여러개의 그림판 생성

fig = plt.figure()

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

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

ax3 = fig.add_subplot(2, 2, 3)

ax1.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)

ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))

Subplot 옵션

subplot(nrows, ncols, sharex, sharey)

 

인자 | 설명

:---|:---

nrows | 서브플롯의 로우 수

ncols | 서브플롯의 컬럼 수

sharex | 모든 서브플롯이 x축 눈금을 공유

sharey | 모든 서블플롯이 y축 눈금을 공유

여러 개의 그림판 배열로 생성

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)

for i in range(2):

    for j in range(2):

        axes[i, j].hist(np.random.randn(500), bins=50, color='k', alpha=0.5)

# 간격조정        

plt.subplots_adjust(wspace=0, hspace=0)

 

1.2 Line Chart

from dateutil import parser

kl = pd.read_csv('data/k_league_fw_goals.csv', index_col=0)

lp = pd.read_csv('data/liverpool.csv', index_col=0, date_parser=parser.parse)

cf = pd.read_csv('data/seac_coffee.csv')

coffee = cf[['A', 'C', 'E', 'S']].sum().values

index = np.arange(len(coffee))

 

kl.head()

cf.head()

lp.head()

plt.plot(lp['CumWin'])

plt.plot(lp[['CumWin', 'CumLost']])

plt.plot(cf['A'])

plt.plot(cf[['A', 'C', 'E', 'S']])

 

1.3 Bar Chart

# %%

plt.bar(np.arange(4), cf[['A', 'C', 'E', 'S']].sum().values)

 

# %%

bar_width = 0.5

plt.bar(index, coffee, width=bar_width, color='r')

plt.title('# Stores by Coffee Shop')

plt.xlabel('Coffee Shop')

plt.ylabel('# Store')

plt.xticks(index + bar_width - 0.25, ('A', 'C', 'E', 'S'))

plt.show()

 

# %%

bar_height = 0.5

plt.barh(index, coffee, height=bar_height, color='g')

plt.title('# Stores by Coffee Shop')

plt.ylabel('Coffee Shop')

plt.xlabel('# Store')

plt.yticks(index + bar_width - 0.25, ('A', 'C', 'E', 'S'))

plt.show()

 

 

1.4 Pie Chart

# %%

labels = ('Angelinus', 'Cafe Bene', 'Ediya', 'Starbucks')

colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']

plt.pie(coffee, labels=labels, colors=colors,

        autopct='%1.1f%%', shadow=True,

        startangle=135, explode=(0, 0, 0, 0.3))

plt.show()

 

1.5 Scatter Chart

# %%

fig, ax = plt.subplots()

ax.scatter(kl['st'], kl['goal'], alpha=0.5, color='r', marker='*')

ax.set_xlabel('st')

ax.set_ylabel('goal')

ax.set_title('Shoot vs Goal')

ax.grid(True)

 

# %%

with plt.xkcd():

    bar_width = 0.5

    bar_height = 0.5

    plt.barh(index, coffee, height=bar_height, color='g')

    plt.title('# Stores by Coffee Shop')

    plt.ylabel('Coffee Shop')

    plt.xlabel('# Store')

    plt.yticks(index + bar_width - 0.25, ('A', 'C', 'E', 'S'))

   

1.6 색상, 마커, 선 스타일

# %%

plt.plot(np.random.randn(30).cumsum(), 'g--')

#plt.plot(np.random.randn(30).cumsum(), 'ko--')

 

# %%

plt.plot(np.random.randn(30).cumsum(), color='g', linestyle='--')

#plt.plot(np.random.randn(30).cumsum(), color='k', linestyle='dashed', marker='o')

 

# %%

data = np.random.randn(30).cumsum()

plt.plot(data, 'k--', label='Default')

plt.plot(data, 'k-', drawstyle='steps-post', label='steps-post')

plt.legend(loc='best')

Matplotlib 스타일

1) 컬러 

컬러 기호| 컬러

:---|:---

b| blue

g| green

r| red

c| cyan

m| magenta

y| yellow

k| black

w| white

 

* Grayscale (0 - 1)

```python

color = '0.75'

```

 

* HTML Hex String

```python

color = '#eeefff'

```

2) 라인

선 기호 | 선 모양

:---|:---

'-' | solid

'--' | dashed

'-.' | dash_dot

':' | dotted

'' | draw nothing

 

3) 조합

- 'k--'

- 'g-.'

- 'r:'

- 'ko--'

4) 마커 참조 사이트

 

matplotlib.markers — Matplotlib 3.5.1 documentation

matplotlib.markers — Matplotlib 3.5.1 documentation

 

 

1.7 색상, 마커, 선 스타일

1) 제목 축 이름, 눈금 이름

fig = plt.figure()

ax = fig.add_subplot(1, 1, 1)

ax.plot(np.random.randn(1000).cumsum())

 

ax.set_xticks([0, 250, 500, 750, 1000])

ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'],

                            rotation=30, fontsize='small')

 

ax.set_title('My first matplotlib plot')

ax.set_xlabel('Stages')

 

 

2) 범레 추가

# %%

fig = plt.figure()

ax = fig.add_subplot(1, 1, 1)

ax.plot(np.random.randn(1000).cumsum(), 'k', label='one')

ax.plot(np.random.randn(1000).cumsum(), 'k--', label='two')

ax.plot(np.random.randn(1000).cumsum(), 'k.', label='three')

ax.legend(loc='best')

 

1.8 주석, 그림 추가

1) 주석

from datetime import datetime

fig = plt.figure()

ax = fig.add_subplot(1, 1, 1)

data = pd.read_csv('Lecture_python/python02/data/spx.csv', index_col=0, parse_dates=True)

spx = data['SPX']

spx.plot(ax=ax, style='k-')

crisis_data = [

    (datetime(2007, 10, 11), 'Peak of bull market'),

    (datetime(2008, 3, 12), 'Bear Stearns Fails'),

    (datetime(2008, 9, 15), 'Lehman Bankruptcy')

]

for date, label in crisis_data:

    ax.annotate(label, xy=(date, spx.asof(date) + 75),

                xytext=(date, spx.asof(date) + 225),

                arrowprops=dict(facecolor='black', headwidth=4, width=2,

                                headlength=4),

                horizontalalignment='left', verticalalignment='top')

# X축 범위 지정

ax.set_xlim(['1/1/2007', '1/1/2011'])

# Y축 범위 지정

ax.set_ylim([600, 1800])

# 제목 지정

ax.set_title('Important dates in the 2008-2009 financial crisis')

2) 그림

fig = plt.figure(figsize=(12, 6)); ax = fig.add_subplot(1, 1, 1)

rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='k', alpha=0.3)

circ = plt.Circle((0.7, 0.2), 0.15, color='b', alpha=0.3)

pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]], color='g', alpha=0.5)

ax.add_patch(rect)

ax.add_patch(circ)

ax.add_patch(pgon)

 

 

1.9 파일로 저장

 

plt.plot(np.random.randn(50).cumsum(), 'k--')

plt.savefig('data/1.png')

plt.savefig('data/2.png', dpi=400, bbox_inches='tight')

 

---

2. Pandas 에서 그래프 그리기

2.1 선 그래프

# %% Series

sr = pd.Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))

sr.plot()

 

 

# %% Dataframe

df = pd.DataFrame(np.random.randn(10, 4).cumsum(0),

                  columns=['A', 'B', 'C', 'D'],

                  index=np.arange(0, 100, 10))

df.plot()

 

#### Series.plot() 인자

인자 | 설명

:---|:---

lable | 그래프의 범례 이름

style | matplotlib에 전달할 'ko--'같은 스타일의 문자열

alpha | 그래프 투명도 ( 0 ~ 1 )

kind | 그래프 종류. 'line', 'bar', 'barh', 'kde'

use_index | 객체의 색인을 눈금 이름으로 사용할지의 여부

xticks | X축으로 사용할 값

yticks | Y축으로 사용할 값

xlim | X 축 한계

ylim | Y 축 한계

 

#### DataFrame에서만 사용하는 plot() 인자

인자 | 설명

:---|:---

subplots | 각 DataFram의 컬럼을 독립된 서브플롯에 그린다.

sharex | X축을 공유한다.

sharey | Y축을 공유한다.

figsize | 그래프의 크기

title | 그래프의 제목

 

2.2 막대 그래프

# %%

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

data = pd.Series(np.random.rand(16), index=list('abcdefghijklmnop'))

data.plot.bar(ax=axes[0],  color='g', alpha=0.7)

data.plot.barh(ax=axes[1], color='b', alpha=0.7)

 

# %%

df = pd.DataFrame(np.random.rand(6, 4),

                  index=['one', 'two', 'three', 'four', 'five', 'six'],

                  columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))

df

df.plot.bar()

 

# %%

df.plot.barh(stacked=True, alpha=0.5)

 

# %%

tips = pd.read_csv('Lecture_python/python02/data/tips.csv')

party_counts = pd.crosstab(tips['day'], tips['size'])

party_counts

# Not many 1- and 6-person parties

party_counts = party_counts.loc[:, 2:5]

 

# %%

# Normalize: item / sum(item)

party_pcts = party_counts.div(party_counts.sum(axis=1), axis=0)

party_pcts

party_pcts.plot.bar()

[참고] seaborn 그리기

# %%

# !pip install seaborn

import seaborn as sns

 

# %%

tips['tip_pct'] = tips['tip'] / (tips['total_bill'] - tips['tip'])

tips.head()

 

# %%

sns.barplot('tip_pct','day', data=tips, orient='h')

#sns.barplot(x='tip_pct', y='day', data=tips, orient='h')

 

# %%

sns.barplot(x='tip_pct', y='day', hue='time', data=tips, orient='h')

 

# %%

sns.set(style="whitegrid")

 

2.3 히스토그램, 밀도 그래프

# %%

tips['tip_pct'].plot.hist(bins=50)

 

# %%

tips['tip_pct'].plot.density()

 

# %%

# seaborn

comp1 = np.random.normal(0, 1, size=200)

comp2 = np.random.normal(10, 2, size=200)

values = pd.Series(np.concatenate([comp1, comp2]))

sns.distplot(values, bins=100, color='k')

 

 

2.4 산포도

# %%

macro = pd.read_csv('Lecture_python/python02/data/macrodata.csv')

data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]

trans_data = np.log(data).diff().dropna()

trans_data[-5:]

 

# %%

plt.scatter(trans_data['m1'], trans_data['unemp'])

plt.title('Change in log %s vs. log %s' % ('m1', 'unemp'))

# %%

pd.plotting.scatter_matrix(trans_data, diagonal='kde', color='k', alpha=0.3)

plt.show()

 

# %%

# seaborn

sns.regplot('m1', 'unemp', data=trans_data)

plt.title('Changes in log %s versus log %s' % ('m1', 'unemp'))

 

# %%

# seaborn

sns.pairplot(trans_data, diag_kind='kde', plot_kws={'alpha': 0.2})

 

---

 

import matplotlib.pyplot as plt

 

1) 라인 플롯

 

plt.title('test') # 그래프 제목

plt.plot([1,2,3,4],[2,4,8,6]) # X값과 Y값을 정의

plt.show()

 

 

레이블 삽입

 

plt.title('test')

plt.plot([1,2,3,4],[2,4,8,6])

plt.xlabel('hours') # x축 레이블

plt.ylabel('score') # y축 레이블

plt.show()

 

 

범례 삽입

 

plt.title('test')

plt.plot([1,2,3,4],[2,4,8,6]) # 라인1

plt.plot([1.5,2.5,3.5,4.5],[3,5,8,10]) # 라인2

plt.xlabel('hours')

plt.ylabel('score')

plt.legend(['A', 'B']) # 라인1, 라인2의 범례 삽입

plt.show()

 

 

 

2) 카테고리컬 밸류

 

names = ['group_a', 'group_b', 'group_c']

values = [1, 10, 100]

 

plt.figure(figsize=(9,3)) #figure 객체 생성하기 

 

plt.subplot(131)           # 1 x 3 행렬의 첫번째 그림

plt.bar(names, values)

 

plt.subplot(132)

plt.scatter(names, values)

 

plt.subplot(133)

plt.plot(names, values)

 

plt.suptitle('Categorical plotting')

plt.show()

 

 

 

#실습

#아래의 데이터를 이용하여 라인과 스캐터가 함께 표시되는 차트를 생성하시오. 

#데이터: smelt_length = [9.8, 10.5, 10.6, 11.0, 11.2 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0]

#        smelt_weight = [6.7, 7.5, 7.0, 9.7, 9.8, 8.7, 10.0, 9.9, 9.8, 12.2, 13.4, 12.2, 19.7, 19.9]   

#label : x축 길이, y축 무게 

 

 

 

#실습

#아래의 데이터를 이용하여 라인과 스캐터가 각각 표시되는 차트를 생성하시오. 

#데이터: smelt_length = [9.8, 10.5, 10.6, 11.0, 11.2 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0]

#        smelt_weight = [6.7, 7.5, 7.0, 9.7, 9.8, 8.7, 10.0, 9.9, 9.8, 12.2, 13.4, 12.2, 19.7, 19.9]   

#label : x축 길이, y축 무게