전처리의 마지막은 언제나 시각화

1. Matplotlib

•   Description: Matplotlib은 Python에서 데이터를 시각화하기 위한 가장 기본적이고 널리 사용되는 라이브러리입니다. 세부적인 커스터마이징이 가능하며, 2D 그래프를 그리는 데 주로 사용됩니다.
•   장점:
  •   완벽한 제어 가능 (축, 라벨, 색상, 선 스타일 등).
  •   다양한 플롯 유형 지원 (라인 플롯, 바 플롯, 히스토그램, 산점도 등).
  •   Seaborn과 같은 고수준 라이브러리의 기반 역할.
•   단점:
  •   복잡한 플롯은 코드가 길어질 수 있음.
  •   기본 디자인이 단순해서 시각적으로 매력적이지 않을 수 있음.

import matplotlib.pyplot as plt

# 샘플 데이터
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 라인 플롯
plt.plot(x, y, label='Prime numbers')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Line Plot Example')
plt.legend()
plt.show()

 

2. Seaborn

•   Description: Seaborn은 Matplotlib 기반으로 만들어진 고수준 시각화 라이브러리입니다. 통계적 데이터 시각화에 특화되어 있으며, 기본적으로 아름답고 깔끔한 스타일을 제공합니다.
•   장점:
  •   복잡한 그래프를 간단한 코드로 생성 가능.
  •   통계적 플롯 (히트맵, 페어플롯, 카운트플롯 등) 지원.
  •   데이터프레임과 쉽게 통합 가능.
•   단점:
  •   세부적인 커스터마이징은 Matplotlib에 비해 제한적일 수 있음.
  •   인터랙티브 기능 부족.

import seaborn as sns
import matplotlib.pyplot as plt

# 샘플 데이터
tips = sns.load_dataset("tips")

# 박스 플롯
sns.boxplot(x="day", y="total_bill", data=tips, palette="coolwarm")
plt.title("Box Plot Example")
plt.show()

 

3. Plotly

•   Description: Plotly는 웹 기반의 인터랙티브 시각화를 제공하는 라이브러리입니다. Plotly Express는 간단한 코드로 인터랙티브 그래프를 생성할 수 있으며, HTML, Jupyter Notebook 등 다양한 환경에서 활용할 수 있습니다.
•   장점:
  •   인터랙티브 그래프 지원 (줌, 팬, 호버 기능).
  •   3D 플롯과 지도 기반 시각화 지원.
  •   기본적으로 세련되고 시각적으로 매력적인 그래프 제공.
•   단점:
  •   일부 고급 기능은 유료 플랜에서 제공됨.
  •   Matplotlib/Seaborn에 비해 학습 곡선이 있을 수 있음.

import plotly.express as px
import pandas as pd

# 샘플 데이터
df = pd.DataFrame({
    "Fruit": ["Apples", "Oranges", "Bananas", "Apples", "Oranges", "Bananas"],
    "Amount": [10, 20, 30, 40, 50, 60],
    "City": ["SF", "SF", "SF", "Montreal", "Montreal", "Montreal"]
})

# 바 차트 생성
fig = px.bar(df, x="Fruit", y="Amount", color="City", barmode="group")
fig.show()

 

특징	Matplotlib	Seaborn	Plotly
난이도	중간	쉬움	쉬움 ~ 중간
커스터마이징	매우 높음	중간	중간 ~ 높음
인터랙티브	없음	없음	있음
시각적 매력	기본적	높은 수준	매우 높은 수준
사용 목적	기본 시각화, 커스터마이징	통계적 데이터 시각화	대화형 그래프, 웹/대시보드 통합