AI와 데이터 기초 - 9

AI와 데이터 기초2 - 4일차

인터렉티브 시각화(plotly)

인터렉티브 시각화란

• 마우스 움직임에 따라 실시간으로 모양이 변하는 그래프
• 그래프를 자유롭게 조작하면서 관심 부분을 자세히 살펴볼 수 있음
• HTML 포맷으로 저장하면 일반 사용자도 웹 브라우저에서 그래프 조작이 가능
• 인터렉티브 시각화를 지원하는 라이브러리
  • import plotly

plotly 라이브러리

• 인터렉티브 시각화를 지원하는 라이브러리
• JavaScript 기반 시각화 라이브러리
• 마우스를 차트에 올려놓으면 툴팁처럼 실제 데이터 값을 확인할 수 있음
• 그래프를 확대/축소 가능함
• HTML로 변환하여 웹 상에서도 확인 가능함
• 약 40여종의 차트를 지원함

plotly를 활용하여 그래프를 그리는 방법

• graph_objects 모듈을 사용하는 방법
  • 그래프를 세세하게 구성할 때 사용
  • low-level interface 툴 제공
  • 코드가 길고 문법이 복잡
• express 모듈을 사용하는 방법
  • 간단한 코드로 쉽게 표현 가능한 high-level interface를 제공
  • 정해진 템플릿 외에 세세한 표현 어려움
  • 세세한 표현을 위해서는 graph_objects와 병행해서 사용

plotly 라이브러리 사용

• 라이브러리 설치
  • colab의 경우 이미 설치되어 있음
    • pip install plotly
    • pip install jupyter-dash
• plotly 라이브러리 선언
  • express 모듈 선언
    • import plotly.express as px
  • graph_objects 모듈 선언
    • import plotly.graph_objects as go

seaborn 라이브러리의 iris 데이터셋

import seaborn as sns
iris = sns.load_dataset('iris')
iris

• sepal_length : 꽃받침의 길이
• sepal_width : 꽃받침의 너비
• petal_length : 꽃잎의 길이
• petal_width : 꽃잎의 너비
• species : 붓꽃 종류

scatter 차트

• px.scatter(data_frame=표이름, x='x축 열이름', y='y축 열이름')
  • data_frame=표이름 : 차트를 생성할 데이터 프레임 선택(생략 가능)
  • x='x축 열이름' : 수치형 데이터를 갖는 x축 열이름
  • y='y축 열이름' : 수치형 데이터를 갖는 y축 열이름

scatter 차트에서 종류 구분하기

• px.scatter(data=표이름, x='x축 열이름', y='y축 열이름', color='열이름')
  • color='열이름' : 종류를 구분하기 위한 데이터의 열이름
    • 열이름이 범주형일 경우에는 색상으로 표시
    • 열이름이 수치형일 경우에는 그라데이션으로 표시

차트 꾸미기

• fig.update_layout(title_text='')
  • title_text='' : 차트 제목
• fig.update_xaxes(title='')
  • x축 레이블 속성 변경
  • title_text='' : x축 제목 설정
• fig.update_yaxes(title='')
  • y축 레이블 속성 변경

line 차트

• px.line(data_frame=표이름, x='x축 열이름', y='y축열이름, markers=True)
  • data_frame=표이름 : 차트를 생성할 데이터 프레임 선택 (생략 가능)
  • x='x축 열이름' : 수치형 데이터를 갖는 x축 열이름
  • y='y축 열이름' : 수치형 데이터를 갖는 y축 열이름
  • markers=True : 선차트에 marker 표시

line 차트 선 변경하기

• fig.update_traces(선의 속성들)
  • line_color='' : 선 색 설정
  • line_width=2 : 선의 두께 설정
  • line_dash='dash' : 서 종류 설정(dash, dot, dashdot)

bar 차트

• px.bar(data_frame=표이름, x='x축 열이름', y='y축열이름, 속성들)
  • data_frame=표이름 : 차트를 생성할 데이터 프레임 선택 (생략 가능)
  • x='x축 열이름' : 수치형 데이터를 갖는 x축 열이름
  • y='y축 열이름' : 수치형 데이터를 갖는 y축 열이름
  • color = '열이름' : 종류를 구분하기 위한 데이터의 열이름
  • text_auto=True : 막대차트 내에 데이터 값 표시

pie 차트

• px.pie(values=데이터, names='레이블명들')
  • values = 데이터 : 데이터의 구성비를 확인하기 위한 데이터
  • names='레이블명들' : 각 영역의 값을 나타내는 레이블 문자열

pie 차트 도넛 모양으로 변경하기

• fig.update_traces(hole=실수)
  • 도넛 모양의 차트 설정
  • hole=실수 : 0~1 사이의 실수로 가운데 도넛 모양의 크기

차트 여러 개 그리기

• graph_objects 모듈을 사용하여 여러 개의 차트 생성
• 생성 방법

fig = go.Figure()
fig.add_trace(graph_objects의 차트 종류)
...
fig.add_trace(graph_objects의 차트 종류)
fig.show()

• graph_objectes의 차트 종류
  • go.Scatter() : scatter 차트
  • go.Bar() : bar 차트
  • go.Scatter(mode='lines') : line 차트

HTML로 저장하기

• fig.write_html('html파일명') : 차트를 HTML로 저장
  • 'html 파일명' : *.html

버튼을 활용하여 인터렉티브 차트 생성하기

fig.update_layout(
    updatemenus=[
        dict(
            type="buttons",
            buttons=list([
                dict(label="문자열", method='수행할 기능', args=[수행동작들]),
                dict(label="문자열", method='수행할 기능', args=[수행동작들]),
                dict(label="문자열", method='수행할 기능', args=[수행동작들])
            ])
        )
    ]
)

• label='문자열' : 버튼에 보여질 텍스트
• method='수행할 기능' : 버튼을 클릭했을 때 진행할 기능(restyle, relayout, update, animate)
• args=[] : method에 따라 구체적으로 수행할 동작들