Matplotlib) Scatter(스캐터) 차트와 HeatMap(히트맵) 그리기

Scatter(스캐터)

 

스캐터 플롯은 데이터의 분포를 시각적으로 파악할 수 있게 해주며, 두 변수 간의 관계를 이해하는 데 도움이 된다

예를 들어, 두 변수 간의 양의 상관 관계가 있을 때, 데이터 포인트들은 대체로 오른쪽 위로 향하는 경향이 있다.

반대로 음의 상관 관계가 있을 때는 대체로 왼쪽 위로 향하는 경향이 있다.

또한 상관관계가 강할경우 데이터들이 모여있고, 상관관계가 약할 경우 데이터들이 퍼져있다

 

 

 

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

 

 

# 배기량(displ)과 연비(comb)의 관계를 눈으로 확인해보고싶다

 

df

	displ	pv2	pv4	city	UCity	highway	UHighway	comb
0	3.8	79	0	16.4596	20.2988	22.5568	30.1798	18.7389
1	2.0	94	0	21.8706	26.9770	31.0367	42.4936	25.2227
2	3.6	94	0	17.4935	21.2000	26.5716	35.1000	20.6716
3	3.6	94	0	16.9415	20.5000	25.2190	33.5000	19.8774
4	2.4	0	95	24.7726	31.9796	35.5340	51.8816	28.6813
...	...	...	...	...	...	...	...	...
3924	1.8	0	0	55.2206	78.8197	53.0000	73.6525	54.4329
3925	2.0	0	106	39.0000	55.9000	44.3066	64.0000	41.0000
3926	2.0	0	106	40.0000	56.0000	46.0000	64.0000	42.0000
3927	3.4	99	0	19.2200	24.2000	30.2863	43.4000	23.0021
3928	3.4	99	0	18.0431	22.6000	27.0000	39.3000	21.3945

 

 

 

python

닫기

plt.figure()
plt.scatter(data=df, x = 'displ', y= 'comb')
plt.title('Displ Vs Comb')
plt.xlabel('Displacement')
plt.ylabel('Combined Fuel Eff (mpg)')
plt.show()

스캐터 차트를 통해 왼쪽 위로 향하는 것을 보아, 음의 상관관계가 있다는 것을 알 수가 있다.

 

 

 

 

# 상관관계 분석

 

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

 

displ = displ, comb=comb는 1이 나오는 것은 의미없는 분석이고

-0.758397이 나오는 것을 통해 displ과 comb는 음의 상관관계라는 것을 알 수 있다.

 

 

 

 

# 더 많은 상관관계 데이터를 보고싶다면?

 

df.corr(numeric_only=True)

 

 

 

 

 

# 스캐터 차트에 회귀직선을 추가하고싶다면?

python

닫기

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

 

scatter 대신 regplot을 사용하면 된다

 

 

 

 

 

# 쌍둥이 곡선을 그리고 싶다면?

python

닫기

sb.pairplot(data= df, vars= ['displ','comb','co2'])
plt.show()

 

scatter 대신 pairplot을 사용하면 된다

 

 

 

 

 

 

 

HeatMap(히트맵)

 

스캐터플롯은, 겹쳐있는 점이 얼마나 밀도있는지를 자세히 알지 못한다.

이러한 데이터의 "밀도"는 HeatMap(히트맵)을 통해 알아볼 수 있다.

 

python

닫기

plt.hist2d(data= df, x='displ', y='comb', cmin=0.5, cmap = 'viridis_r', bins=20)
#cmin은 없는 데이터를 하얀색으로 표현해준다
plt.colorbar()
plt.show()