Visualization

목차

Matplotlib

• 데이터를 Chart, Plot으로 시각화해주는 라이브러리이다.

• 2003년 0.1 출시, 17년이된 패키지

• 가장 많이 사용되는 시각화 패키지이다.

• 기본 구성 : 그림(figure), 축(axes)

• % matplotlib inline : jupyter notebook 내에서 output을 보여준다.

Basic Attributes

• alpha : 투명도

• logy : Y축 Log scaling

• kind : line, bar, barh, kde

• subplots : 여러개의 plot 그리기

• legend : subplot의 범례 지정

• xlim, ylim : X축과 Y축의 경계(axis로 한번에 그릴 수 있음)

• grid : 그리드 표현(True, False)

• title : 그래프의 제목 지정

• linewidth : 라인 넓이

• color : 색

• linestyle : 실선, 점선, 1점 쇄선 등

• marker : 마커 지정

• markerfacecolor : 마커 색

• markersize : 마커 크기

• 그 외 Attribute : https://matplotlib.org/3.1.1/tutorials/introductory/pyplot.html

Line Plot

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

%matplotlib inline 

x = [100, 200, 300]
y = [1, 2, 3]
plt.plot(x, y)

x = [100, 200, 300]
y = [1, 2, 3]

# y 먼저 입력
value = pd.Series([1, 2, 3], [100, 200, 300])
plt.plot(value)

x = [100, 200, 300]
y = [1, 2, 3]
plt.plot(x, y, ':r') # red색 점선

x = [100, 200, 300]
y = [1, 2, 3]
plt.plot(x, y, color='#ff0000', linewidth=10) # 16진수 색상 값 (RGB) , 선두께

x = [100, 200, 300]
y = [1, 2, 3]
plt.plot(x, y, color='#ff0000', linewidth=10)
plt.title('hello world', fontsize=20)  # 제목
plt.xlabel('hello', fontsize=10)  # x축 이름
plt.ylabel(' world', fontsize=10) # y축 이름

# 이미지 저장하기
x = [100, 200, 300]
y = [1, 2, 3]
plt.plot(x, y, color='#ff0000', linewidth=10)
plt.title('hello world', fontsize=20)
plt.xlabel('hello', fontsize=10)
plt.ylabel(' world', fontsize=10)
plt.savefig('sample.png')

# 두개 그래프 동시에 그리기
x = np.linspace(0, 10, 100)
y = np.sin(x)
y_ = np.cos(x)

plt.plot(x, y)
plt.plot(x, y_, '-o') # -o 모양으로 그리기

label

• 무슨 데이터인지 표시해주는 방법

legend

• 좌표축에 범례를 추가해주는 방법

• loc : legend 위치
• 'best' 0
• 'upper right' 1
• 'upper left' 2
• 'lower left' 3
• 'lower right' 4
• 'right' 5
• 'center left' 6
• 'center right' 7
• 'lower center' 8
• 'upper center' 9
• 'center' 10
 

x = np.linspace(0, 10, 100)
y = np.sin(x)
y_ = np.cos(x)

# 범례 추가하기
plt.plot(x, y, label='sin')
plt.plot(x, y_, '-o', label='cos')

# 4번 위치에 범례 넣기
plt.legend(loc=4)

Scatter Plot

• 변수들의 상관관계, 밀집 위치를 나타낸다.

x = np.linspace(0, 10, 20)
y = x ** 2

plt.scatter(x, y, color='r', alpha=0.5)
plt.show()
# 우상향 그래프로 x,y 두 변수는 양의 상관관계임을 나타낸다. 

histogram

• 도수분포표를 그래프로 나타낸 방법이다.

• 막대그래프는 계급 즉 가로를 생각하지 않고 세로의 높이로만 나타낸다. (출처 : 위키백과)

• 연속형 자료를 계급으로 나누어 계급별 도수를 막대로 나타낸다.

x = [np.random.randint(1, 7) for i in range(100000)]

plt.hist(x, bins=11) 
plt.show()

Pie Chart

labels = ['one', 'two', 'three']
size = [100, 20, 10]

plt.pie(size, labels=labels)
plt.show()

labels = ['one', 'two', 'three']
size = [100, 20, 10]

plt.pie(size, labels=labels, shadow=True)  # 그림자 넣기
plt.show()

labels = ['one', 'two', 'three']

size = [50, 20, 30]

plt.pie(size, labels = labels, shadow = True, autopct = '%1.2f%%') # 자동 비율 추가하기
plt.show()

Bar Chart

• 범주형 자료의 분포를 파악한다.

plt.bar(['one', 'two', 'three'], [10, 20, 30])
plt.show()

plt.barh(['one', 'two', 'three'], [10, 20, 30]) # 가로방향 그래프
plt.show()

선 색상과 스타일

• 공식문서 : https://matplotlib.org/3.2.1/api/_as_gen/matplotlib.pyplot.plot.html

• 공식문서 : https://matplotlib.org/3.2.1/api/pyplot_summary.html

• plt.plot(x, y, color='red') -> red, green, blue 등 색상 이름

• plt.plot(x, y, color='r') -> r, g, b, y, m(자홍), k(검정) 등 색상 이름

• plt.plot(x, y, color='0.2') -> 회색조(0-1사이 값)

• plt.plot(x, y, color='#ff0000') -> 16진수 색상 값

• plt.plot(x, y, linestyle='solid') -> 실선('-')

• plt.plot(x, y, linestyle='dashed') -> 파선('--')

• plt.plot(x, y, linestyle='dashdot') -> 1점 쇄선('-.')

• plt.plot(x, y, linestyle='dotted') -> 점선(':')

• plt.plot(x, y, '--r') -> 빨간색 파선

• '.' point marker

• 'o' circle marker(plt.plot(x, y_, '-o'))

• '^' triangle_up marker

• 's' square marker

• 'p' pentagon marker

• '*' star marker

• '+' plus marker

• 'x' x marker

Plotly

• 인터랙티브한 그래프를 그리기에 적합한 패키지

• 웹 시각화인 자바스크립트의 라이브러리 D3를 이용해 그래프가 웹에서 빠르게 그려진다.

• 공식홈페이지(https://plotly.com/python/) 튜토리얼

Line Plot

import plotly.express as px

x_ = np.array([1, 2, 3, 4, 5])
y_ = x_ ** 2
fig = px.line(x=x_, y=y_)
fig.show()

import plotly.express as px
import plotly.graph_objects as go

# gapminder 데이터 셋 사용하기
korea_life = px.data.gapminder().query("country == 'Korea, Rep.'") # 한국인 기대 수명
fig = px.line(korea_life, x="year", y="lifeExp", title='Life expectancy in Korea')
fig.show()

korea_life["year"]
korea_life["lifeExp"]

Out[-]
840    47.453
841    52.681
842    55.292
843    57.716
844    62.612
845    64.766
846    67.123
847    69.810
848    72.244
849    74.647
850    77.045
851    78.623
Name: lifeExp, dtype: float64

Bar Chart

# 한국 GDP 데이터 셋
korea_gdp = px.data.gapminder().query("country == 'Korea, Rep.'")
fig = px.bar(korea_gdp, x='year', y='gdpPercap', title = "한국인 GDP")
fig.show()

Scatter Plot

# 한국 기대 수명과 GDP의 상관관계
korea_data = px.data.gapminder().query("country == 'Korea, Rep.'")
fig = px.scatter(korea_data, x = 'gdpPercap', y = 'lifeExp')
fig.show()

Pie Chart

fig = px.pie(values = [20, 30, 50])
fig.show()

labels = ['one', 'two', 'three']
values = [20, 30, 50]
fig =go.Figure(data = [go.Pie(values = values, labels = labels)]) # 범례 추가하기
fig.show()

이미지 분석

• 이미지는 작은 사각형 모양의 픽셀을 모아서 구성되어있다.

• 이미지 크기는 (세로픽셀수X가로픽셀수)로 표현한다.

• 이미지를 저장할 때는 색을 표현하는 스칼라 값이나 2차원 vector로 표현한다.

• RGB는 색공간을 말한다. Red, Green, Blue로 세개가 합쳐진 벡터이다.

• skimage(scikit-image) : 이미지 처리를 위한 파이썬 라이브러리이다. numpy array로 동작한다.

• PIL(Python Image Library)
• Pillow : 이미지 처리와 그래픽 기능을 제공하는 파이썬 라이브러리이다.
(더이상 PIL은 지원하지 않고 그 후속 프로젝트인 Pillow를 사용한다)
 

• cv2 : OpenCV는 Open Source Computer Vision Library의 약자로 오픈소스 컴퓨터 비전 및 머신러닝 라이브러리이다. 이 라이브러리를 불러올 때는 cv2를 사용한다.

import numpy as np
from skimage import io
# from PIL import Image
# from cv2
import matplotlib.pyplot as plt

jeju = io.imread('jeju.jpg') # 이미지 불러오기

type(jeju) # 이미지 타입 확인하기

Out[-]
imageio.core.util.Array

jeju.shape

Out[-]
(960, 1280, 3)  # 세로, 가로, RGB(색)

jeju

Out[-]
Array([[[171, 222, 251],
        [172, 223, 252],
        [172, 223, 252],
        ...,
        [124, 189, 255],
        [121, 189, 254],
        [120, 188, 253]],

       [[173, 224, 253],
        [173, 224, 253],
        [173, 224, 253],
        ...,
        [124, 189, 255],
        [122, 190, 255],
        [121, 189, 254]],

       [[174, 225, 254],
        [174, 225, 254],
        [175, 226, 255]
        ...,
        [125, 190, 255],
        [122, 190, 255],
        [122, 190, 255]],

       ...,

       [[ 66,  93,  26],
        [ 89, 114,  46],
        [ 49,  72,   2],
        ...,
        [  2,  29,   0],
        [ 34,  59,  17],
        [ 40,  63,  21]],

       [[ 44,  71,   4],
        [ 23,  50,   0],
        [ 29,  52,   0],
        ...,
        [ 40,  67,  22],
        [  0,  19,   0],
        [ 16,  41,   0]],

       [[ 29,  58,   0],
        [ 44,  71,   2],
        [ 84, 110,  37],
        ...,
        [ 17,  44,   1],
        [ 33,  60,  17],
        [ 18,  43,   1]]], dtype=uint8)

np.min(jeju), np.max(jeju)

Out[-]
(0, 255)

plt.imshow(jeju)

plt.imshow(jeju[::-1]) # 상하로 뒤집기

plt.imshow(jeju[:, ::-1]) # 좌우로 뒤집기

plt.imshow(jeju[::-1, :])

plt.imshow(jeju[550:800, :]) # 부분만 잘라내기

plt.imshow(jeju[550:800, 500:720]) 

plt.imshow(jeju[::3, ::3]) # 3칸씩 건너 뛰기

plt.imshow(jeju[::6, ::6]) # 6칸씩 건너 뛰기 : 화질이 깨진 것을 볼 수 있다

plt.imshow(jeju[::10, ::10]) # 10칸씩 건너 뛰기 : 화질이 많이 깨짐

miniJeju = jeju[::10, ::10]

# 색 정보를 일렬로 나열하고 어디에 많이 분포 되었는 지를 확인한다. 
plt.hist(miniJeju.ravel(), 256, [0, 256])
plt.show()

# 특정한 값(50)을 지정하고 그 이하는 원래의 색으로 나오고 다른 값은 검정색(0)으로 지정하여 
# 이미지를 출력한다.
miniJeju_ = np.where(miniJeju < 50, miniJeju, 0) 
plt.imshow(miniJeju_)

plt.imshow(jeju[:, :, 0]) # 0번째 색만 출력하기

plt.imshow(jeju[:, :, 1]) # 1번째 색만 출력하기

plt.imshow(jeju[:, :, 2]) # 2번째 색만 출력하기

jeju[:, :, 0] # 0번째 색 정보 출력

Out[-]
Array([[171, 172, 172, ..., 124, 121, 120],
       [173, 173, 173, ..., 124, 122, 121],
       [174, 174, 175, ..., 125, 122, 122],
       ...,
       [ 66,  89,  49, ...,   2,  34,  40],
       [ 44,  23,  29, ...,  40,   0,  16],
       [ 29,  44,  84, ...,  17,  33,  18]], dtype=uint8)

jeju[:, :]

Out[-]
Array([[[171, 222, 251],
        [172, 223, 252],
        [172, 223, 252],
        ...,
        [124, 189, 255],
        [121, 189, 254],
        [120, 188, 253]],

       [[173, 224, 253],
        [173, 224, 253],
        [173, 224, 253],
        ...,
        [124, 189, 255],
        [122, 190, 255],
        [121, 189, 254]],

       [[174, 225, 254],
        [174, 225, 254],
        [175, 226, 255],
        ...,
        [125, 190, 255],
        [122, 190, 255],
        [122, 190, 255]],

       ...,

       [[ 66,  93,  26],
        [ 89, 114,  46],
        [ 49,  72,   2],
        ...,
        [  2,  29,   0],
        [ 34,  59,  17],
        [ 40,  63,  21]],

       [[ 44,  71,   4],
        [ 23,  50,   0],
        [ 29,  52,   0],
        ...,
        [ 40,  67,  22],
        [  0,  19,   0],
        [ 16,  41,   0]],

       [[ 29,  58,   0],
        [ 44,  71,   2],
        [ 84, 110,  37],
        ...,
        [ 17,  44,   1],
        [ 33,  60,  17],
        [ 18,  43,   1]]], dtype=uint8)

# 회색으로 이미지 출력하기
from skimage import color

plt.imshow(color.rgb2gray(jeju), cmap=plt.cm.gray)