DAY44. Python Matplot (2)PandasPlot

line bar pie

Pandas 객체 시각화 
형식) object.plot(kind='차트유형', 차트속성)

object : Series(1차원), DataFrame(2차원) 
kind= bar, pie, scatter, hist 등 

import pandas as pd # object
import numpy as np # data

1. 기본 차트 시각화 
1) Series(1차원) 객체 시각화 

ser = pd.Series(np.random.randn(10), 
                index=np.arange(0, 100, 10))
print(ser)

기본차트 : 유형-선 그래프, 색상-파랑 

ser.plot(color='b')

2) DataFrame(2차원) 객체 시각화 

df = pd.DataFrame(np.random.randn(10,4),
                  columns=('one','two','three','fore'))

print(df)

기본차트 : 유형-선 그래프 

df.plot()

막대차트 : 세로 

df.plot(kind='bar', title='bar chart')

막대차트 : 가로세로 

df.plot(kind='barh', title='barh chart')

막대차트 : 가로세로 + 누적형 

df.plot(kind='barh', title='barh chart', stacked=True)

 

 

2. dataset 이용 
1) tips.csv 

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

 0   total_bill  244 non-null    float64
 1   tip         244 non-null    float64
 2   sex         244 non-null    object 
 3   smoker      244 non-null    object 
 4   day         244 non-null    object 
 5   time        244 non-null    object 
 6   size        244 non-null    int64 

범주형 변수  빈도수 

tips['day'].unique() #['Sun', 'Sat', 'Thur', 'Fri']
tips['size'].unique() #[2, 3, 4, 1, 6, 5]

pie 차트 : 행사 요일별 

cnt = tips['day'].value_counts()
cnt.plot(kind = 'pie')

교차분할표 : 요일(day) vs 규모(size)

tab = pd.crosstab(index=tips['day'], columns=tips['size'])
print(tab)

size  1   2   3   4  5  6
day                      
Fri   1  16   1   1  0  0
Sat   2  53  18  13  1  0
Sun   0  39  15  18  3  1
Thur  1  48   4   5  1  3

tab.shape #(4, 6)

type(tab) #pandas.core.frame.DataFrame

tab.plot(kind = 'barh', title = 'day vs size',
         stacked=True)
         
         tab.columns #열이름 확인 
tab.index #행이름 확인

 

행열 선택 : DF.loc[row,col], DF.iloc[row,col]
4x4 선택

tab_df = tab.loc[:,2:5] #명칭 기반 
print(tab_df)

tab_df2 = tab.iloc[:,1:5] #위치 기반 
print(tab_df)

tab_df.plot(kind='barh', stacked=True,
            title ='day vs size')

 

 

 

 

 

연속형 변수 시각화 

kind = scatter, hist, kde, box 등

 

 

import pandas as pd #object
import matplotlib.pyplot as plt #API

dataset load

dataset = pd.read_csv(r'C:\ITWILL\4_Python2\data\dataset.csv')
dataset.info()

1. 산점도 
연속형 변수 : age vs price - 비율척도

plt.scatter(x = dataset['age'], y = dataset['price'],
            c = dataset['gender'])
plt.show()

 

 

 

2. hist, kde, box

type(dataset) #pandas.core.frame.DataFrame
dir(dataset) #호출 가능 method 확인 
dataset.head()

1) 히스토그램 

dataset['price'].plot(kind='hist', title='histogram')

2) 커널밀도추정 : 히스토그램 -> 확률밀도분포곡선

dataset['price'].plot(kind='kde', title='kernel density plot')

여러개 변수 대상 

dataset[['age','price']].plot(kind='kde', title='kernel density plot')

3) box-plot

dataset[['age','price']].plot(kind='box', title='boxplot')

 

dataset['price'].plot(kind='box', title='boxplot')

 

 

 

 

 

산점도 행렬과 3차원 산점도 

import pandas as pd # object
import matplotlib.pyplot as plt # chart

 

1. 산점도 행렬 

from pandas.plotting import scatter_matrix

iris dataset load 

iris = pd.read_csv(r'C:\ITWILL\4_Python-2\data\iris.csv')
cols = list(iris.columns)

x변수 선택 

x = iris[cols[:4]]
print(x.head())

산점도 matrix 

scatter_matrix(x)
plt.show()

2. 3차원 산점도 

from mpl_toolkits.mplot3d import Axes3D

x, y, z축 자료 만들기 

col_x = iris[cols[0]]
col_y = iris[cols[1]]
col_z = iris[cols[2]]

칼럼 자료 : 꽃의 종별 

cdata = [] 
for s in iris['Species'] :
    if s == 'setosa' :
        cdata.append(1)
    elif s == 'versicolor' :
        cdata.append(2) 
    else :
        cdata.append(3)
        
print(cdata)

 

fig = plt.figure()
chart = fig.add_subplot(projection='3d') #3차원 시각화 

chart.scatter(col_x, col_y, col_z, c=cdata)
chart.set_xlabel('Sepal.Length')
chart.set_ylabel('Sepal.Width')
chart.set_zlabel('Petal.Length')
plt.show()

 

 

 

 

 

timeSeriesPlot

시계열
1. 날짜형식 수정 (다국어)
2. 시계열 데이터/시각화
3. 이동평균

from datetime import datetime #class : 날짜형식 수정/객체
import pandas as pd #csv fire
import matplotlib.pyplot as plt #chart

csv fild load

cospi = pd.read_csv(r'C:\ITWILL\4_Python-2\data\cospi.csv')
cospi.info() #0   Date    247 non-null    object

cospi.head() #26-Feb-16 -> 2016-02-26

1. 날짜형식 수정(다국어)

Date = cospi.Date #칼럼 추출
len(Date) #247

list+for : 26-Feb-16 -> 2016-02-26

kDate = [datetime.strptime(d, "%d-%b-%y") for d in Date]

날짜형 변환 : object(캐릭터형) -> datetime(날짜형)

cospi.Date = kDate
cospi.info()

2. 시계열 자료/시각화
1) 1개 칼럼의 추세그래프 (ex.주식은 시간선에 의해 추세가 변화)

cospi['High'].plot(title = 'Trend line of High column') #x축이 색인인 기본 선 그래프

2) 2개 칼럼의 추세그래프

cospi[['High', 'Low']].plot(title = 'Trend line of High and Low column')

3) 시계열 자료 : x축 index -> Date 변경

new_cospi = cospi.set_index('Date')
new_cospi.head()

new_cospi['High'].plot(title = 'Trend line of High column')

년도별, 월별, 일별

new_cospi['2016']
new_cospi['2016-02']
new_cospi['2015-09':'2015-07']

2016년도 주가 추세선 시각화

new_cospi_HL = new_cospi[['High', 'Low']]

new_cospi_HL['2016'].plot(title = 'Trend line of 2016year')

 

new_cospi_HL['2016-02'].plot(title = 'Trend line of 2016-02')

3. 이동평균(평활) : 지정한 날짜 단위 평균계산 -> 이동
5일 단위 평균 계산

roll_mean5 = pd.Series.rolling(new_cospi['High'],
                               window=5, center=False).mean()

10일 단위 평균 계산

roll_mean10 = pd.Series.rolling(new_cospi['High'],
                               window=10, center=False).mean()

 

20일 단위 평균 계산

roll_mean20 = pd.Series.rolling(new_cospi['High'],
                               window=20, center=False).mean()

roll mean 시각화 : subplot 이용

fig = plt.figure(figsize = (12, 5))
chart = fig.add_subplot()

chart.plot(new_cospi['High'], color = 'blue', label='High columns')
chart.plot(roll_mean5, color = 'red', label='5 days rolling mean')
chart.plot(roll_mean10, color = 'green', label='10 days rolling mean')
chart.plot(roll_mean20, color = 'orange', label='20 days rolling mean')
plt.legend(loc='best')
plt.show()