[Marketing DA] 03~04. 시각화 라이브러리 matplotlib

 

 

데이터 분석 과정과 시각화

• 머신러닝의 과정
  1. 데이터 수집
  2. 데이터 전처리
  3. 데이터 탐색 ★
  4. 모델 선택
  5. 모델 평가 및 적용

 

시각화의 필요성

1. 대량의 데이터 파악 가능
2. 데이터의 패턴 파악 가능

 

In [16]:

import matplotlib.pyplot as plt

In [17]:

import pandas as pd
from pandas import DataFrame
from pandas import Series

In [18]:

# matplotlib 한글 폰트 출력코드
# 출처 : 데이터공방( https://kiddwannabe.blog.me)

import matplotlib
from matplotlib import font_manager, rc
import platform

try : 
    if platform.system() == 'Windows':
    # 윈도우인 경우
        font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
        rc('font', family=font_name)
    else:    
    # Mac 인 경우
        rc('font', family='AppleGothic')
except : 
    pass
matplotlib.rcParams['axes.unicode_minus'] = False   

In [19]:

import pandas as pd
from pandas import DataFrame
from pandas import Series

In [27]:

df=pd.read_excel('/Users/user/Desktop/1. 수업자료/(KDT) 머신러닝과 데이터분석 A-Z 올인원 패키지 Online/Part 13~17) Project/01. 광고 데이터를 활용한 데이터 분석 Project/Data/네이버보고서.xls',skiprows=[0])

In [28]:

df

Out[28]:

	광고그룹	키워드	노출수	클릭수	클릭률(%)	평균클릭비용(VAT포함,원)	총비용(VAT포함,원)
0	올인원 패키지 : 디자인 툴_파워컨텐츠_포토샵	-	2319456	9606.0	0.414149	261.549448	2512444
1	올인원 패키지 : 업무자동화_VBA	-	767491	8058.0	1.049915	295.974808	2384965
2	ㅍAOP 전체_중복키워드_디자인(삭제)	일러스트	1137840	324.0	0.028475	4841.663580	1568699
3	올인원 패키지 : 데이터 분석 입문 온라인_파콘	-	694106	1863.6	0.268489	630.593475	1175174
4	3. html	HTML	9626374	813.6	0.008452	1408.435349	1145903
...	...	...	...	...	...	...	...
1376	올인원 패키지 : 업무자동화_3. 엑셀	엑셀셀서식	24016	0.0	0.000000	0.000000	0
1377	올인원 패키지 : 업무자동화_3. 엑셀	MATCH	32287	0.0	0.000000	0.000000	0
1378	마케팅KPI수립	LTV	32602	0.0	0.000000	0.000000	0
1379	data_camp_rmp_8	DECISION	60844	0.0	0.000000	0.000000	0
1380	4. 웹의 동작	REST	61193	0.0	0.000000	0.000000	0

1381 rows × 7 columns

In [29]:

((((df['노출수'].sort_values())/1000).reset_index()).drop('index',axis=1)).plot(figsize=[13,5])
plt.yticks([0,2000,4000,6000,8000,10000],[0,'2,000,000','4,000,000','6,000,000','8,000,000','10,000,000'])
plt.title('노출수 plot',fontsize=20)
plt.show()

 

 

 

• 시각화 라이브러리 matplotlib
• matplotlib은 pandas의 데이터프레임, 시리즈 자료구조와 함께 사용 가능
• 따라서 데이터 처리와 동시에 시각화도 함께 진행할 수 있음
• 아나콘다(anaconda)를 설치했다면 별도의 설치과정이 필요 없음

In [30]:

# matplotlib import
import matplotlib.pyplot as plt

In [31]:

# pandas, DataFrame, Series import
import pandas as pd
from pandas import DataFrame
from pandas import Series

In [32]:

# matplotlib 한글 폰트 출력코드
# 출처 : 데이터공방( https://kiddwannabe.blog.me)

import matplotlib
from matplotlib import font_manager, rc
import platform

try : 
    if platform.system() == 'Windows':
    # 윈도우인 경우
        font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
        rc('font', family=font_name)
    else:    
    # Mac 인 경우
        rc('font', family='AppleGothic')
except : 
    pass
matplotlib.rcParams['axes.unicode_minus'] = False   

 

데이터프레임 시각화

In [33]:

#데이터프레임 변수 생성
dict_data={"철수":[1,2,3,4],"영희":[2,3,4,5],"민수":[3,4,5,6],"수진":[4,5,6,7]}
df=DataFrame(dict_data)

In [34]:

df

Out[34]:

	철수	영희	민수	수진
0	1	2	3	4
1	2	3	4	5
2	3	4	5	6
3	4	5	6	7

 

차트 그리기

In [37]:

# 선그래프 
df.plot()
plt.show()

 

In [38]:

# 막대그래프
df.plot.bar()
plt.show()

 

In [39]:

# 가로막대그래프
df.plot.barh()
plt.show()

 

In [41]:

# 히스토그램
df.plot.hist()
plt.show()

 

In [47]:

# 히스토그램 구간설정
df.plot.hist(bins=range(1,9,1))
plt.show()

 

 

차트에 옵션 추가하기

In [49]:

# 기본 막대그래프
df.plot.bar()
plt.show()

 

In [51]:

# 그래프 크기 설정
df.plot.bar(figsize=[10,6])
plt.show()

 

In [55]:

# 제목설정
df.plot.bar(figsize=[10, 6])
plt.title('예제')
plt.show()

 

In [56]:

# 제목 폰트 크기 설정
df.plot.bar(figsize=[10, 6])
plt.title('예제', fontsize = 18)
plt.show()

 

In [59]:

# x축 이름 설정
df.plot.bar(figsize=[10, 6])
plt.title('예제', fontsize = 18)
plt.xlabel('xlabel')
plt.show()

 

In [60]:

# x축 이름 및 폰트크기 설정
df.plot.bar(figsize=[10, 6])
plt.title('예제', fontsize = 18)
plt.xlabel('xlabel', fontsize = 16)
plt.show()

 

In [62]:

# y축 이름 및 폰트 크기 설정 
df.plot.bar(figsize=[10, 6])
plt.title('예제', fontsize = 18)
plt.xlabel('xlabel', fontsize = 16)
plt.ylabel('ylabel', fontsize = 16)
plt.show()

 

In [64]:

# x축 눈금설정
# 설정할 눈금의 위치, 눈금의 이름, 폰트사이즈, 각도
df.plot.bar(figsize=[10, 6])
plt.title('예제', fontsize = 18)
plt.xlabel('xlabel', fontsize = 16)
plt.ylabel('ylabel', fontsize = 16)
plt.xticks([0, 1, 2], ['첫째', '둘째', '셋째'], fontsize=10, rotation=0)
plt.show()

 

In [65]:

# y축 눈금설정
df.plot.bar(figsize=[10, 6])
plt.title('예제', fontsize = 18)
plt.xlabel('xlabel', fontsize = 16)
plt.ylabel('ylabel', fontsize = 16)
plt.xticks([0, 1, 2], ['첫째', '둘째', '셋째'], fontsize=10, rotation=0)
plt.yticks([1, 3, 5, 7], ['첫째', '셋째', '다섯째', '일곱째'], fontsize=10)
plt.show()

 

In [67]:

# x축 범위설정
df.plot.bar(figsize=[10, 6])
plt.title('예제', fontsize = 18)
plt.xlabel('xlabel', fontsize = 16)
plt.ylabel('ylabel', fontsize = 16)
plt.xticks([0, 1, 2], ['첫째', '둘째', '셋째'], fontsize=10, rotation=0)
plt.yticks([1, 3, 5, 7], ['첫째', '셋째', '다섯째', '일곱째'], fontsize=10)
plt.xlim([-1, 4])
plt.show()

 

In [68]:

# y축 범위설정
df.plot.bar(figsize=[10, 6])
plt.title('예제', fontsize = 18)
plt.xlabel('xlabel', fontsize = 16)
plt.ylabel('ylabel', fontsize = 16)
plt.xticks([0, 1, 2], ['첫째', '둘째', '셋째'], fontsize=10, rotation=0)
plt.yticks([1, 3, 5, 7], ['첫째', '셋째', '다섯째', '일곱째'], fontsize=10)
plt.xlim([-1, 4])
plt.ylim([-1, 8])
plt.show()

 

 

시리즈 시각화

In [69]:

# 데이터프레임 열 = 시리즈
df['철수']

Out[69]:

0    1
1    2
2    3
3    4
Name: 철수, dtype: int64

In [73]:

# 선그래프
df['철수'].plot()
plt.show()

 

In [77]:

# 막대그래프
df['철수'].plot.bar()
plt.show()

 

In [78]:

# 가로막대그래프
df['철수'].plot.barh()
plt.show()

 

In [79]:

# 히스토그램(구간설정)
df['철수'].plot.hist(bins=range(1, 6, 1))
plt.show()

 

 

차트에 옵션 추가하기

In [80]:

df['철수'].plot.bar()
plt.show()

 

In [81]:

df['철수'].plot.bar(figsize=[10, 6])
plt.title('예제', fontsize = 18)
plt.xlabel('xlabel', fontsize = 16)
plt.ylabel('ylabel', fontsize = 16)
plt.xticks([0, 1, 2], ['첫째', '둘째', '셋째'], fontsize=10, rotation=0)
plt.yticks([1, 3, 5, 7], ['첫째', '셋째', '다섯째', '일곱째'], fontsize=10)
plt.xlim([-1, 4])
plt.ylim([-1, 8])
plt.show()