[Python][Library] 3. matplotlib - 1. 시각화

#!/usr/bin/env python

# coding: utf-8

# # Matplotlib: 시각화

# # 1. Matplotlib API

# In[1]:

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

get_ipython().run_line_magic('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

# In[2]:

from matplotlib import style

# 'ggplot', 'fivethirtyeight', 'dark_background', 'grayscale', 'bmh'

style.use('ggplot')

# #### 한글 폰트 다운로드

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

# - Korean 으로 검색

# - 예: 'Noto Sans Korean'

# #### 시스템 폰트 찾기

# In[3]:

import matplotlib.font_manager as fm

for f in fm.fontManager.ttflist:

    if f.name.find('Nanum') != -1:

        print(f.name)

# #### 한글 폰트 설정

# In[2]:

from matplotlib import rcParams

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

rcParams['font.size'] = 10

# #### 한글 폰트 설정 확인

# In[4]:

fig = plt.figure()

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

ax.plot(range(10))

ax.set_title('한글 제목')

plt.show()

# ### 1.1 Figure와 subplot

# In[ ]:

data = np.arange(10)

data

# In[ ]:

plt.plot(data)

# In[ ]:

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

# In[ ]:

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

plt.show()

# #### 여러개의 그림판 생성

# In[ ]:

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))

# #### subplots() 옵션

# 인자 | 설명

# :---|:---

# nrows | 서브플롯의 로우 수

# ncols | 서브플롯의 컬럼 수

# sharex | 모든 서브플롯이 x축 눈금을 공유

# sharey | 모든 서블플롯이 y축 눈금을 공유

# #### 여러개의 그림판 배열로 생성

# In[ ]:

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

# In[ ]:

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))

# In[ ]:

kl.head()

# In[ ]:

cf.head()

# In[ ]:

lp.head()

# In[ ]:

plt.plot(lp['CumWin'])

# In[ ]:

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

# In[ ]:

#plt.plot(cf) # ValueError

plt.plot(cf['A'])

# In[ ]:

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

# ### 1.3 Bar Chart

# In[ ]:

# matplotlib.pyplot.bar(left, height, width=0.8, bottom=None, hold=None, **kwargs)

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

# In[ ]:

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()

# In[ ]:

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

# In[ ]:

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

# In[ ]:

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)

# In[ ]:

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

# In[ ]:

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

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

# In[ ]:

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

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

# In[ ]:

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

#

# #### color

#

# * Pre-Defined color

#

# 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'

# ```

# #### line

#

# 선 기호 | 선 모양

# :---|:---

# '-' | solid

# '--' | dashed

# '-.' | dash_dot

# ':' | dotted

# '' | draw nothing

# #### 조합

# - 'k--'

# - 'g-.'

# - 'r:'

# - 'ko--'

# [마커 참조 사이트](http://matplotlib.org/api/markers_api.html#module-matplotlib.markers)

# ### 1.7 눈금, 라벨, 범례

# #### 제목 축 이름, 눈금 이름

# In[ ]:

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')

# #### 범례 추가

# In[ ]:

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

# #### 주석

# In[ ]:

from datetime import datetime

fig = plt.figure()

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

data = pd.read_csv('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')

# #### 그림

# In[ ]:

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

# In[ ]:

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

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

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

# ---

# # 2. Pandas에서 그래프 그리기

# ### 2.1 선 그래프

# In[ ]:

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

sr.plot()

# In[ ]:

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

# In[ ]:

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)

# In[ ]:

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()

# In[ ]:

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

# In[ ]:

tips = pd.read_csv('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]

# In[ ]:

# Normalize: item / sum(item)

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

party_pcts

party_pcts.plot.bar()

# #### <참고> seaborn

# In[ ]:

# !pip install seaborn

# In[ ]:

import seaborn as sns

# In[ ]:

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

tips.head()

# In[ ]:

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

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

# In[ ]:

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

# In[ ]:

sns.set(style="whitegrid")

# ### 2.3 히스토그램, 밀도 그래프

# In[ ]:

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

# In[ ]:

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

# In[ ]:

# 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

# In[ ]:

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

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

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

trans_data[-5:]

# In[ ]:

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

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

# In[ ]:

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

plt.show()

# In[ ]:

# seaborn

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

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

# In[ ]:

# seaborn

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

# ---

# In[ ]:

# end of file

# In[ ]: