Seaborn을 이용해 데이터 시각화하기

Seaborn을 이용해서 데이터 시각화하기¶

In [1]:

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

tips 데이터 분석 : boxplot(), swarmplot(), lmplot()¶

In [138]:

tips = sns.load_dataset('tips')

In [141]:

tips

Out[141]:

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4
...	...	...	...	...	...	...	...
239	29.03	5.92	Male	No	Sat	Dinner	3
240	27.18	2.00	Female	Yes	Sat	Dinner	2
241	22.67	2.00	Male	Yes	Sat	Dinner	2
242	17.82	1.75	Male	No	Sat	Dinner	2
243	18.78	3.00	Female	No	Thur	Dinner	2

244 rows × 7 columns

당신은 알바 컨설턴트입니다. 알바를 구하러 온 사람이 가장 높은 팁을 받을 수 있도록 도와주어야 합니다.

In [186]:

# 이 분은 어느 요일에 일을 해야 할까요?
tips.groupby(['day'], observed=False)[['tip']].aggregate(['mean', 'count', 'sum']).reset_index()

Out[186]:

	day	tip
		mean	count	sum
0	Thur	2.771452	62	171.83
1	Fri	2.734737	19	51.96
2	Sat	2.993103	87	260.40
3	Sun	3.255132	76	247.39

groupby()와 aggregate()를 이용해서 각 요일 별 평균, 횟수(팁을 받은 수), 총 받은 팁을 구해보았습니다.

토요일이 합계는 가장 크긴 하지만 손님 수(87)도 가장 많으므로 힘들 것 같습니다. 게다가 평균을 확인해보면 토요일은 약 3 정도로, 3.2인 일요일보다 평균적으로 더 적은 팁을 받는 것을 알 수 있습니다. 알바를 구하러 온 사람에게 추천하기 가장 적절한 요일은 일요일로 보입니다.

In [203]:

# 저녁과 낮 중 언제 일해야 할까요?
tips.groupby(['day', 'time'], observed=False)[['tip']].aggregate(['sum', 'count'])

Out[203]:

		tip
		sum	count
day	time
Thur	Lunch	168.83	61
	Dinner	3.00	1
Fri	Lunch	16.68	7
	Dinner	35.28	12
Sat	Lunch	0.00	0
	Dinner	260.40	87
Sun	Lunch	0.00	0
	Dinner	247.39	76

주말 점심에 sum과 count 값이 0인 것으로 보아, 주말에는 저녁 장사만 하는 것 같습니다. 목요일과 금요일은 팁이 주말에 비해 상대적으로 적습니다. 조금 고생하더라도 많은 돈을 팁을 받고 싶다면 주말에 일하는 게 좋아 보입니다.

그럼, boxplot()을 이용해서 상자수염그림을 살펴보겠습니다.

In [192]:

sns.boxplot(data=tips, x='day', y='tip', hue='time')

Out[192]:

<Axes: xlabel='day', ylabel='tip'>

토요일에 사람들이 평소보다 많은 팁을 주는 경우가 많았습니다.

In [178]:

# 어떤 손님에게 서빙해야 팁을 많이 받을 수 있을까요?
tips.groupby(['sex', 'smoker'], observed=False)[['tip']].aggregate(['sum', 'mean', 'count'])

Out[178]:

		tip
		sum	mean	count
sex	smoker
Male	Yes	183.07	3.051167	60
	No	302.00	3.113402	97
Female	Yes	96.74	2.931515	33
	No	149.77	2.773519	54

어떤 손님에게 서빙해야 팁을 더 많이 받을 수 있는지 살펴보기 위해 손님의 유형을 성별과 흡연 여부로 나눠보았습니다. 비흡연자 남성이 팁을 주는 경우가 가장 많았고, 평균도 가장 높습니다. 비흡연자 남성에게 서빙하는 것이 가장 많은 팁을 받을 수 있는 방법이라고 할 수 있겠습니다.

In [201]:

# sns.boxplot(data=tips, x='day', y='tip', hue='sex')
sns.boxplot(data=tips, x='day', y='tip')
sns.swarmplot(data=tips, x='day', y='tip')

Out[201]:

<Axes: xlabel='day', ylabel='tip'>

boxplot()을 이용해 상자수염 그림을 그리면 이상치는 쉽게 파악할 수 있지만 값의 분포를 살펴보기 쉽지 않습니다. 이런 경우에는 swarmplot()을 이용하면 데이터 포인트를 겹치지 않게 표시하여 데이터의 분포를 직관적으로 확인할 수 있습니다.

결론¶

• 토요일과 일요일이 고민이 된다. 상황마다 다를 것이다.
• 팁 자체를 많이 받고자 하면 일요일이 가장 많은 팁을 받았다.
• 하지만 노동 강도를 줄이면서 높은 팁을 받고자 한다면 토요일도 좋은 선택이 될 것이다.
• 목, 금은 점심, 저녁 장사를 하고 있지만 주말에는 저녁 장사만 한다.

가설 설정하기¶

데이터를 분석하기에 앞서, 가설을 설정하고 해당 가설이 맞는지를 분석과 시각화를 통해 알아볼 수도 있습니다.

'total_bill이 높을수록 tip도 높을 것이다.' 라는 가설을 세우고 이것을 검증해보겠습니다. pandas의 corr() 함수를 사용하면 상관분석을 할 수 있습니다.

In [206]:

tips.corr(numeric_only=True)

Out[206]:

	total_bill	tip	size
total_bill	1.000000	0.675734	0.598315
tip	0.675734	1.000000	0.489299
size	0.598315	0.489299	1.000000

이것을 시각화하기 위해 seaborn의 lmplot()을 사용합니다. lmplot을 사용하면 산점도와 회귀선을 함께 그려서 데이터의 관계를 시각적으로 확인할 수 있습니다.

In [208]:

sns.lmplot(data=tips, x='total_bill', y='tip')

Out[208]:

<seaborn.axisgrid.FacetGrid at 0x165a14dd0>

회귀선 원리¶

In [214]:

x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

m, b = np.polyfit(x, y, 1)
m, b

Out[214]:

(np.float64(2.0), np.float64(-2.3832327871173813e-15))

In [229]:

x = tips['total_bill']    # 독립변수
y = tips['tip']           # 종속변수

m, b = np.polyfit(x, y, 1)
plt.scatter(x, y)
plt.plot(x, m * x + b)

print(f'회귀선 y = {m:.3f}x + {b:.3f}')
# 기울기가 0.11 => total_bill이 1 증가할 때 tip이 0.1 증가한다.
# total_bill이 10달러 증가할 때 tipdl 1.05달러 증하한다.

회귀선 y = 0.105x + 0.920

시계열 데이터 (flight dataset) : pivot(), heatmap()¶

시계열 데이터는 시간에 따라 측정된 데이터 포인트의 순서를 나타내는 데이터입니다. Seaborn에서 제공하는 flisghts 데이터셋을 사용해서 확인해보겠습니다.

데이터는 연도, 월, 탑승객 수로 이루어진 간단한 데이터입니다.

In [3]:

flights = sns.load_dataset('flights')
flights.head(3)

Out[3]:

	year	month	passengers
0	1949	Jan	112
1	1949	Feb	118
2	1949	Mar	132

pivot()과 heatmap()¶

pivot()을 이용해서 월을 행, 연도를 열로 하는 피봇 차트를 만들고 이를 heatmap()으로 표현해보겠습니다.

heatmap()에서 annot을 True로 설정하면 데이터의 값을 히트맵 상에 노출합니다.

In [4]:

# 연도별 month
flights_pivot = flights.pivot(index='month', columns='year')
sns.heatmap(data=flights_pivot, annot=True, fmt='d')

Out[4]:

<Axes: xlabel='None-year', ylabel='month'>

In [5]:

flights_pivot

Out[5]:

	passengers
year	1949	1950	1951	1952	1953	1954	1955	1956	1957	1958	1959	1960
month
Jan	112	115	145	171	196	204	242	284	315	340	360	417
Feb	118	126	150	180	196	188	233	277	301	318	342	391
Mar	132	141	178	193	236	235	267	317	356	362	406	419
Apr	129	135	163	181	235	227	269	313	348	348	396	461
May	121	125	172	183	229	234	270	318	355	363	420	472
Jun	135	149	178	218	243	264	315	374	422	435	472	535
Jul	148	170	199	230	264	302	364	413	465	491	548	622
Aug	148	170	199	242	272	293	347	405	467	505	559	606
Sep	136	158	184	209	237	259	312	355	404	404	463	508
Oct	119	133	162	191	211	229	274	306	347	359	407	461
Nov	104	114	146	172	180	203	237	271	305	310	362	390
Dec	118	140	166	194	201	229	278	306	336	337	405	432