[Python] 산점도 : 2개의 변수 간 분포 확인을 위한 시각화 방법(한눈에 들어오는 예제 코드 포함)

[Example Output]

 

[Library Load]

import pandas as pd 
import numpy as np 
import os

import matplotlib 
import matplotlib.pyplot as plt # 파이플롯 사용 

import seaborn as sns 

import pylab

sns.set_style('whitegrid')

먼저, 필요한 라이브러리를 불러온다.

 

일반적으로 2개의 변수 간 분포를 확인하기에 가장 직관적이며 자주 사용하는 시각화 도구가

산점도이다 보니 사용자 함수로 만들어 놓고, 옵션을 조절해가며 사용하는 편이다.

 

색상은 수십차례의 시행착오 끝에 파란색 점과 붉은 색 점선으로 정했다.

 

 

[User function]

다음 코드는 ScatterPlotting 함수 코드이며, 각 파라미터별 설명은 다음과 같다.

• x, y : 산점도에 표현하고자 하는 수치 데이터(리스트, 데이터프레임의 컬럼
• x_name, y_name : x와 y의 이름을 표시하는 문자열(산점도의 x축 및 y축, 제목 및 저장될 파일명에 사용됨)
• save_path : 산점도 png 파일이 저장될 경로 (default = 'C:/')
• input_figsize : 산점도 가로, 세로 사이즈 (default = (7, 6))
• input_ssize : 산점도 포인트 사이즈 (default = 30)
• input_alp : 산점도 포인트의 투명도 조절 (default = = 0.5)
• input_fontsize : 산점도의 x축 및 y축 라벨 폰트 사이즈 (default = 8)

# =============================================================================
# # ScatterPlotting : scatter plotting
# =============================================================================

def ScatterPlotting(x, y, 
                    x_name, y_name, save_path = 'C:/', input_figsize = (7, 6), 
                    input_ssize = 30, input_alp = 0.5, input_fontsize = 8):
  os.chdir(save_path)
  # calc the trendline
  z = np.polyfit(x.tolist(), y.tolist(), 1)
  p = np.poly1d(z)
  plt.figure(figsize = input_figsize)
  
  plt.grid(True)
  pylab.plot(x, p(x), "r--") # y = p(x) 인 trend line을 붉은 점선으로 표시
  
  plt.scatter(x = x , y = y, s = input_ssize, alpha = input_alp) 
    # x와 y를 산점도로 표시 (input alpha 값 - 점 갯수가 많을 경우 투명도 조절)

  plt.title(x_name + '~' + y_name + " scatter plot [" + str(len(y)) + "]", fontsize = input_fontsize*1.4)
  plt.xlabel(x_name, fontsize = input_fontsize)
  plt.ylabel(y_name, fontsize = input_fontsize)
  saveNm_fig = '{}_{}_scatterplot_{}.png'.format(x_name, y_name, str(len(y)))
  plt.savefig(fname = saveNm_fig, dpi = 600, bbox_inches = 'tight')
  plt.show()

ScatterPlotting(x = iris_df['sepal length (cm)'], y = iris_df['sepal width (cm)'], 
                    x_name = 'sepal length (cm)', y_name = 'sepal width (cm)', 
                    save_path = 'E:/', input_figsize = (7, 6), 
                    input_ssize = 50, input_alp = 0.5, input_fontsize = 8)

 

[Dataset Load]

 

from sklearn.datasets import load_iris
# Load Iris Data
iris = load_iris()
# Creating pd DataFrames
iris_df = pd.DataFrame(data= iris.data, columns= iris.feature_names)
target_df = pd.DataFrame(data= iris.target, columns= ['species'])
def converter(specie):
    if specie == 0:
        return 'setosa'
    elif specie == 1:
        return 'versicolor'
    else:
        return 'virginica'
target_df['species'] = target_df['species'].apply(converter)
# Concatenate the DataFrames
iris_df = pd.concat([iris_df, target_df], axis= 1)
print(iris_df)

     sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)  \
0                  5.1               3.5                1.4               0.2   
1                  4.9               3.0                1.4               0.2   
2                  4.7               3.2                1.3               0.2   
3                  4.6               3.1                1.5               0.2   
4                  5.0               3.6                1.4               0.2   
..                 ...               ...                ...               ...   
145                6.7               3.0                5.2               2.3   
146                6.3               2.5                5.0               1.9   
147                6.5               3.0                5.2               2.0   
148                6.2               3.4                5.4               2.3   
149                5.9               3.0                5.1               1.8   

       species  
0       setosa  
1       setosa  
2       setosa  
3       setosa  
4       setosa  
..         ...  
145  virginica  
146  virginica  
147  virginica  
148  virginica  
149  virginica  

[150 rows x 5 columns]

 

 

[Iris Dataset 모든 컬럼 간 산점도 그려보기]

 

from itertools import permutations 를 이용해
cols 리스트에 포함된 4개 컬럼으로 생성 가능한 모든 순열(4P2)의 경우의 수를 만들고, 

cols_combination 에 저장한 뒤 이를 하나씩 불러와서 모든 산점도를 그려보는 코드이다.

 

12회 반복해서 실행할 예정이므로 그림 사이즈를 작게 설정했다. (input_figsize = (4, 3))

 

 

from itertools import permutations 

cols = ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
cols_combination = list(permutations(cols, 2))

for col in cols_combination:
    print("="*50, "\n", 
          "x : ", col[0], "/ y :", col[1])
    ScatterPlotting(x = iris_df[col[0]], y = iris_df[col[1]], 
                        x_name = col[0], y_name = col[1], 
                        save_path = 'E:/', input_figsize = (4, 3), 
                        input_ssize = 30, input_alp = 0.5, input_fontsize = 8)

 

[실행 결과]

================================================== 
 x :  sepal length (cm) / y : sepal width (cm)

================================================== 
 x :  sepal length (cm) / y : petal length (cm)

================================================== 
 x :  sepal length (cm) / y : petal width (cm)

================================================== 
 x :  sepal width (cm) / y : sepal length (cm)

================================================== 
 x :  sepal width (cm) / y : petal length (cm)

================================================== 
 x :  sepal width (cm) / y : petal width (cm)

================================================== 
 x :  petal length (cm) / y : sepal length (cm)

================================================== 
 x :  petal length (cm) / y : sepal width (cm)

================================================== 
 x :  petal length (cm) / y : petal width (cm)

================================================== 
 x :  petal width (cm) / y : sepal length (cm)

================================================== 
 x :  petal width (cm) / y : sepal width (cm)

================================================== 
 x :  petal width (cm) / y : petal length (cm)

 

 

 

[R2 score Plot 위에 추가]

import numpy as np
import matplotlib.pyplot as plt
import pylab
from sklearn.metrics import r2_score

def ScatterPlotting(x, y, x_name, y_name, input_figsize=(7, 6), 
                    input_ssize=30, input_alp=0.5, input_fontsize=8):
  # Calculate the trendline
  z = np.polyfit(x.tolist(), y.tolist(), 1)
  p = np.poly1d(z)

  # Calculate the R2 score
  y_pred = p(x)
  r2 = r2_score(y, y_pred)

  plt.figure(figsize=input_figsize)
  
  plt.grid(True)
  pylab.plot(x, p(x), "r--")  # Plot the trendline in red dashed line
  
  plt.scatter(x=x, y=y, s=input_ssize, alpha=input_alp)
  
  # Add the R2 value as text on the plot on the right-lower side
  plt.text(0.75, 0.9, f'R2 Score: {r2:.4f}', 
  			transform=plt.gca().transAxes, fontsize=input_fontsize * 2)
  
  plt.title(f'{x_name} ~ {y_name} scatter plot [{len(y)}]', fontsize=input_fontsize * 1.4)
  plt.xlabel(x_name, fontsize=input_fontsize)
  plt.ylabel(y_name, fontsize=input_fontsize)
  plt.show()

# Example usage
ScatterPlotting(x=iris_df['sepal length (cm)'], y=iris_df['sepal width (cm)'],
                x_name='sepal length (cm)', y_name='sepal width (cm)',
                input_figsize=(7, 6), input_ssize=50, input_alp=0.5, input_fontsize=8)