57. Python Matplot 연습문제

문1) iris.csv 파일을 이용하여 다음과 같이 차트를 그리시오.
<조건1> iris.csv 파일을 iris 변수명으로 가져온 후 파일 정보 보기
<조건2> 1번 칼럼과 3번 칼럼을 대상으로 산점도 그래프 그리기
<조건3> x축 : 1번 칼럼, y축 : 3번 칼럼, 색상 : 5번 칼럼을 이용하여 산점도 그래프 그리기
5번 칼럼 : 레이블 인코딩(label encoding) 적용 

 

import pandas as pd
import matplotlib.pyplot as plt

<조건1> iris.csv 파일을 iris 변수명으로 가져온 후 파일 정보 보기

iris = pd.read_csv(r'C:\ITWILL\4_Python-2\data\iris.csv')
print(iris.info())

 0   Sepal.Length  150 non-null    float64 - x축 
 1   Sepal.Width   150 non-null    float64 
 2   Petal.Length  150 non-null    float64 - y축 
 3   Petal.Width   150 non-null    float64
 4   Species       150 non-null    object  - color 자료 : 문자열 -> 숫자 

 

<조건2> 1번 칼럼(x)과 3번 칼럼(y)을 대상으로 산점도 그래프 그리기

plt.scatter(iris['Sepal.Length'], iris['Petal.Length'], c='r')
plt.xlabel('Sepal.Length')
plt.ylabel('Petal.Length')
plt.title('iris 데이터 셋 산점도')
plt.show()

color 자료 : 문자열 -> 숫자 

iris['Species'].value_counts()

virginica     50 - 2
versicolor    50 - 1
setosa        50 - 0


<조건3> 1번 칼럼과 3번 칼럼을 대상으로 산점도 그래프 그린 후 5번 칼럼으로 색상(c) 적용
1) 문자 -> 숫자 변환 

from sklearn.preprocessing import LabelEncoder #class 
import matplotlib.pyplot as plt

encoder = LabelEncoder() #object 
encoder.fit(iris.Species) #dataset 적용

data변환 : label -> 10진수 변환 

labels = encoder.transform(iris.Species)

2) 산점도 시각화 

plt.scatter(iris['Sepal.Length'], iris['Petal.Length'],  c = labels) 
plt.xlabel('Sepal.Length')
plt.ylabel('Petal.Length')
plt.title('iris 데이터 셋 산점도')
plt.show()

 

 

 

 

 

문2) dataset.csv 파일을 이용하여 교차테이블과 누적막대차트를 그리시오.
<조건1> 성별(gender)과 만족도(survey) 칼럼으로 교차테이블  작성 
<조건2> 교차테이블 결과를 대상으로 만족도 1,3,5만 선택하여 데이터프레임 생성   
<조건3> 생성된 데이터프레임 대상 칼럼명 수정 : ['seoul','incheon','busan']
<조건4> 생성된 데이터프레임 대상  index 수정 : ['male', 'female']     
<조건5> 생성된 데이터프레임 대상 누적가로막대차트 그리기

 

import pandas as pd

 파일 불러오기 

dataset = pd.read_csv('C:/ITWILL/4_Python-2/data/dataset.csv')
print(dataset.head())

성별(gender)과 만족도(survey) 교차테이블 

dataset_table = pd.crosstab(dataset['gender'], dataset['survey']) # 행,열
print(dataset_table)

만족도 1,3,5 선택 

dataset_result = dataset_table.loc[:, [1,3,5]]

column 변경 

dataset_result.columns = ['seoul','incheon','busan']

index 변경 

dataset_result.index = ['male', 'female'] 
print(dataset_result)

dataset_result.plot(kind = 'barh', stacked=True,
                  title = 'gender vs survey plotting')

 

 

 

 

 

 

문3) seaborn의  titanic 데이터셋을 이용하여 다음과 같이 단계별로 시각화하시오.
<단계1> 'survived','pclass', 'age','fare' 칼럼으로 서브셋 만들기
<단계2> 'survived' 칼럼을 집단변수로 하여 'pclass', 'age','fare' 칼럼 간의 산점도행렬 시각화
<단계3> 산점도행렬의 시각화 결과 해설하기              

문4) seaborn의 tips 데이터셋을 이용하여 다음과 같이 단계별로 시각화하시오.
<단계1> 'total_bill','tip','sex','size' 칼럼으로 서브셋 만들기 
<단계2> 성별(sex) 칼럼을 집단변수로 하여 total_bill, tip, size 칼럼 간의 산점도행렬 시각화 
<단계3> 산점도행렬의 시각화 결과 해설하기 

 

import matplotlib.pyplot as plt
import seaborn as sn

문3) seaborn의  titanic 데이터셋을 이용하여 다음과 같이 단계별로 시각화하시오.

titanic = sn.load_dataset('titanic')
print(titanic.info())

<단계1> 'survived','pclass', 'age','fare' 칼럼으로 서브셋 만들기  

titanic_df = titanic[['survived','pclass', 'age','fare']]
print(titanic_df.info())
#sn.pairplot(data=DataFrame, hue='집단변수', kind='scatter')

<단계2> 'survived' 칼럼을 집단변수로 하여 'pclass', 'age','fare' 칼럼 간의 산점도행렬 시각화

sn.pairplot(data=titanic_df, hue='survived')
plt.show()

<단계3> 산점도행렬의 시각화 결과 해설하기
pclass : 3등석 일수록 사망비율 매우 높음 
pclass vs fare : 1등석 일수록 고 요금 
age : 25~50세 사이에서 가장 높은 빈도, 사망과 생존 비율 비슷 
age vs fare : 대체적으로 나이가 많고, 요금이 낮은 경우 사망 비율 높음
fare : 비용이 저렴한 경우가 상대적으로 많은 분포
fare vs age : 대체적으로 요금이 낮고, 나이가 50대 이상인 경우 사망 비율 높음    

survived vs age    
연령대 생존비율 : 20~40 

titanic[titanic['survived'] == 1].age.plot(kind = 'hist', color = 'blue')

연령대 사망비율 : 20~40

titanic[titanic['survived'] == 0].age.plot(kind = 'hist', color = 'green')

문4) seaborn의 tips 데이터셋을 이용하여 다음과 같이 단계별로 시각화하시오.

tips = sn.load_dataset('tips')
print(tips.info())

<단계1> 'total_bill','tip','sex','size' 칼럼으로 서브셋 만들기

tips_df = tips[['total_bill','tip','sex','size']]

<단계2> 성별(sex) 칼럼을 집단변수로 하여 total_bill, tip, size 칼럼 간의 산점도행렬 시각화

sn.pairplot(data=tips_df, hue='sex')
plt.show()

<단계3> 산점도행렬의 시각화 결과 해설하기
total_bill : 총금액 15~20 사이가 가장 높은 빈도, 금액이 클 수록 남자 지불  
total_bill vs tip  : 대체적으로 비례관계, 총금액과 팁이 많은 경우 남자 지불
tip : 팁은 1~5 사이가 가장 높은 빈도, 팁 금액이 클 수록 남자 지불 
total_bill vs size : 행사규모가 작은 경우 여성 지불
size : 행사규모 2가 가장 높은 빈도, 특히 4일때 남자 지불 
size vs total_bill : 대체적으로 비례관계, 규모가 큰 경우 총금액이 많음