[내일배움캠프 QAQC 부트캠프]VS Code와 시각화(16일차, 260602)

---

1. 오늘 학습 키워드:

(VS Code) 데이터 시각화

'이말년씨리즈 2018' 6화 본격 이혼식 만화 中

---

2. 오늘 학습 한 내용을 나만의 언어로 정리하기:

AI로 생성된 이미지

데이터 레벨업! 전처리 & 시각화 세션

4회차

matplotlib.pyplot as plt 디폴트
plt.plot(data)
plt.axis(list)
plt.xlabel()
plt.ylabel()
plt.show() 등
font 설정도 가능
그 외에 여러 그래프 그리기 또한 가능

plt.savefig('styled_plot.png') 이미지 저장(*plt show보단 앞에서 해야 함)

ax = plt.subplots()
막대 그래프 plt.bar(categories, values)
산점도 ax.scatter(tips['total_bill'], tips['tip'])
히스토그램 ax.hist(tips['tip'])
다중 막대 그래프 df_combined.plot(kind='bar')
선 그래프 ax.plot(sales_by_time.index, sales_by_time.values)
원 그래프 ax.pie(time_counts)
박스 플롯 ax.boxplot(tips['total_bill'])
바이올릿 플롯 ax.violinplot(dataset)
트리맵 import squarify //  squarify.plot()
import plotly.express as px // px.treemap(tips)
히트맵 tips.corr(numeric_only=True)
ax = plt.subplots()
im = ax.imshow(corr, cmap='coolwarm')

객체 지향 인터페이스 : plt vs ax
plt: 상태 기반, 자동적
ax: 객체 지향, 수동적, 명시적으로 대상 지정

 

 

AI로 생성된 이미지

데이터 전처리&시각화

4강 데이터시각화

데이터 분석 결과 전달 및 의사결정에는 데이터 시각화가 중요 Matplotlib: 파이썬 2D 시각화 라이브러리

선 그래프 그리기 import matplotlib.pyplot as plt df.plot(x='A', y='B') 선그래프 C = df.plot(x='A', y='B', color='green', linestyle='--', marker='o') 스타일 추가 C.legend(['Data Series']) 리간드 메서드로 스타일:'범례' 추가 C.set_xlabel('X-axis Label') x라벨 C.set_ylabel('Y-axis Label') y라벨 C.set_title('Title of the Plot') 제목 C.text(3, 3, 'Some Text', fontsize=12) 좌표(3,3)에 폰트사이즈12 텍스트 추가 plt.figure(figsize=(8, 6))  가로세로 사이즈 조정 .subplots 기능도 존재함

 

차트종류 선 그래프:    plt.plot(df['날짜'], df['값'])     막대 그래프: plt.bar(df['도시'], df['인구'])   히스토그램:  plt.hist(data, bins=30)         원 그래프:    plt.pie(sizes, labels=labels, autopct='%1.1f%%')  박스 플롯:    plt.boxplot(data)                   산점도    :    plt.scatter(x, y)

 

요약
선그래프	연속형 데이터	데이터 변화/추이
바그래프	범주형 데이터	카테고리 별 값 시각화
히스토그램	연속형 데이터	데이터 분포/빈도/패턴
원그래프	범주형 데이터 비율	범주별 상대비율 시각화
박스플롯	연속형 데이터 분포	중앙값.사분위수/최소최대값/이상치
산점도	두 변수 간 관계	변수 간 관계/군집/이상치

+ 박스플롯: 25(Q1)~75퍼(Q3)(IQR)와 최소값/최대값 및 중앙값, 이상치 표현 양의 상관관계 음의 상관관계 무상관 관계 무상관 관계: 점들의 모임, 점들의 방향성, 상관계수 계산(피어슨 상관계수 등) 피어슨 상관계수:   공분산을 각 변수의 표준편차로 나누어 정규화한 값,  두 변수 간 선형적인 관계를 측정 위한 방법,  연속형 변수 간 df.corr(numeric_only =True)

데이터 홀로 서기 홀로 서기의 2가지 1. 반복 연습(ex. 10분 판다스) 2. 구글링/AI 목표 설정 - 예상 결과 정의 - 현재의 문제상황 인지 및 개선 방향성(As-is,To-be) 시각화 라이브러리: (Pandas) Matplotlib , Seaborn, plotly 외에도 많은 라이브러리 시각화 툴: Tableau(데스크톱/클라우드), Google Data Studio(구글 클라우드) 등

 

---

3. 학습하며 겪었던 문제점& 에러 + 회고

3-1 문제점& 에러: X

3-2 회고: 시각화 함수 문법 전부 외울 필요 없겠죠....? 제발 그렇다고 말해줘요

---

4. 내일 학습할 것은 무엇인지(기본적인 AI 진단퀴즈, 코드카타, TIL 제외)

- 목요일(4일): 할당된 강의(없으면 ADsP 강의), 어학