[Python] Matplotlib 여러 개의 변수 시각화 방법 (Scatter, seaborn.Regplot, Heat Map), 상관계수 (dataframe.corr())

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

아래는 차량의 메이커, 모델, 년도, 분류, 연비 등등을 나타낸 데이터 프레임이다.

두 컬럼간의 관계를 표현하는 차트

1. matplotlib 의 scatter 사용

displ과 comb의 상관관계를 표현하라

plt.scatter(data = df, x = 'displ', y = 'comb')

plt.title('Displ Vs Comb')
plt.xlabel('Displacement (L)')
plt.ylabel('Combined Fuel Etf (mpg)')

plt.show()

 

 

2. seaborn 의 regplot 을 이용하는 방법

reg 의 뜻은 ?

 - regression (회귀) : 데이터에 fitting 한다는 의미 

sb.regplot(data = df, x = 'displ', y = 'comb')
plt.title('Displ Vs Comb')
plt.xlabel('Displacement (L)')
plt.ylabel('Combined Fuel Etf (mpg)')
plt.show()

 

3. seaborn 의 pairplot 을 이용하는 방법

sb.pairplot(data = df, vars= ['displ', 'comb'])
plt.show()

상관계수 구하기

df[['displ', 'comb']].corr()

+1의 경우 완벽한 양의 선형 상관 관계,

-1의 경우 완벽한 음의 상관관계,

0의 경우 선형 상관관계를 갖지 않는다.

 

displ 과 comb는 음의 상관관계 (반비례) 관계임을 알 수 있다.

 

4. matplotlib의 hist2d(히트맵 Heatmap) 을 이용하는 방법

 스케터는, 여러 데이터가 한군데 뭉치면 보기가 힘들다는 단점이 있다.

 히트맵을 이용하면 화면에 밀도를 표시해주어서 이를 눈이 보기 편하게 표현할 수 있다.

plt.hist2d(data = df, x = 'displ', y = 'comb', cmin = 0.5, cmap = 'viridis_r',
           bins = 20)
plt.colorbar()
plt.title('Displ Vs Comb')
plt.xlabel('Displacement (L)')
plt.ylabel('Combined Fuel Etf (mpg)')
plt.show()