[데이터시각화] Bar Plot

본 게시물의 내용은 '부스트캠프 AI Tech - Data Visualization(안수빈)' 강의를 듣고 작성하였다.

해당 글은 아래의 7가지를 다룬다.
🍀 Bar plot 이란?
🍀 Bar Plot의 종류 4가지
    🚩 Student Score Dataset
    📊 Multiple Bar Plot
    📊 Stacked Bar Plot
    📊 Overlapped Bar Plot
    📊 Grouped Bar Plot
🍀 Bar Plot의 원칙
🍀 데이터 정렬
🍀 적절한 공간 활용
🍀 복잡함과 단순함
🍀 오차막대 (errorbar)

 

🍀 Bar plot 이란?

- Bar plot이란 직사각형 막대를 사용하여 데이터의 값을 표현하는 차트/그래프
- 막대 그래프, bar chart, bar graph 등의 이름으로 사용됨
- 범주(category)에 따른 수치 값을 비교하기에 적합한 방법
  → 개별 비교, 그룹 비교 모두 적합

- 막대의 방향에 따른 분류 (.bar() / .barh())

• 수직 (vertical) : x축에 범주, y축에 값을 표기. (default)
• 수평 (horizontal) : y축에 범주, x축에 값을 표기. (범주가 많을 때 적합하다)

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt

fig, axes = plt.subplots(1, 2, figsize=(12, 7))

x = list('ABCDE')
y = np.array([1, 2, 3, 4, 5])

axes[0].bar(x, y)
axes[1].barh(x, y)

plt.show()

- 막대그래프 색 변경 : 전체:color='색' / 개별:color='컬러리스트'

fig, axes = plt.subplots(1, 2, figsize=(12, 7))

x = list('ABCDE')
y = np.array([1, 2, 3, 4, 5])

clist = ['blue', 'gray', 'gray', 'gray', 'red']
color = 'green'
axes[0].bar(x, y, color=clist)
axes[1].barh(x, y, color=color)

plt.show()

 

 

 

 

 

🍀 Bar Plot의 종류 4가지

🚩 앞서 데이터셋 준비! Student Score Dataset 으로 시각화해보기.

• 1000명 학생 데이터
• feature에 대한 정보는 head(), describe(), info() 등으로 확인하고
• unique(), value_counts() 등으로 종류나 큰 분포 확인
• features
  • 성별 : female / male
  • 인종민족 : group A, B, C, D, E
  • 부모님 최종 학력 : 고등학교 졸업, 전문대, 학사 학위, 석사 학위, 2년제 졸업
  • 점심 : standard와 free/reduced
  • 시험 예습 : none과 completed
  • 수학, 읽기, 쓰기 성적 (0~100)

student = pd.read_csv('./StudentsPerformance.csv')
student.sample(5)   # sample(5) : 랜덤하게 5개를 뽑아줌

 

student.info()    # 데이터 타입

 

student.describe(include='all')   # 통계정보 확인하기

 

성별에 따른 race/ethincity 분포를 시각화 해보자.

group = student.groupby('gender')['race/ethnicity'].value_counts().sort_index()
display(group)
print(student['gender'].value_counts())

 

 

📊 Multiple Bar Plot : 플롯을 여러 개 그리는 방법

* male, female로 플롯을 2개 생성

fig, axes = plt.subplots(1, 2, figsize=(15, 7))
axes[0].bar(group['male'].index, group['male'], color='royalblue')
axes[1].bar(group['female'].index, group['female'], color='tomato')
plt.show()

위 그림에서 두개의 플롯이 y축이 달라서 비슷하게 보인다.

아래와 같이 y축 값을 동일하게 해주어야 명확하게 차이가 보일 것이다.

 

* y축을 공유하는 방법 1 : plt.subplots(... , sharey=True)

fig, axes = plt.subplots(1, 2, figsize=(15, 7), sharey=True)
axes[0].bar(group['male'].index, group['male'], color='royalblue')
axes[1].bar(group['female'].index, group['female'], color='tomato')
plt.show()

 

* y축을 공유하는 방법 2 : 반복문으로 y축의 범위를 개별적으로 설정

fig, axes = plt.subplots(1, 2, figsize=(15, 7))
axes[0].bar(group['male'].index, group['male'], color='royalblue')
axes[1].bar(group['female'].index, group['female'], color='tomato')

for ax in axes:
    ax.set_ylim(0, 200)
    
plt.show()

 

 

📊 Stacked Bar Plot : 한 개의 플롯에 동시에 나타내는 방법(쌓아서 표현하는 방법)

- 2개 이상의 그룹을 쌓아서(stack) 표현하는 bar plot
- 각 bar에서 나타나는 그룹의 순서는 항상 유지

- 맨 밑의 bar의 분포는 파악하기 쉽지만 그 외의 분포들은 파악하기 어렵다는 단점이 있다
- 2개의 그룹이 positive/negative라면 축 조정 가능
- .bar()에서는 bottom 파라미터를 사용

fig, axes = plt.subplots(1, 2, figsize=(15, 7))

group_cnt = student['race/ethnicity'].value_counts().sort_index()
axes[0].bar(group_cnt.index, group_cnt, color='darkgray')
axes[1].bar(group['male'].index, group['male'], color='royalblue')
axes[1].bar(group['female'].index, group['female'], bottom=group['male'], color='tomato')

for ax in axes:
    ax.set_ylim(0, 350)
    
plt.show()

- .barh()에서는 left 파라미터를 사용

fig, axes = plt.subplots(1, 2, figsize=(15, 7))

group_cnt = student['race/ethnicity'].value_counts().sort_index()
axes[0].barh(group_cnt.index, group_cnt, color='darkgray')
axes[1].barh(group['male'].index, group['male'], color='royalblue')
axes[1].barh(group['female'].index, group['female'], left=group['male'], color='tomato')

for ax in axes:
    ax.set_xlim(0, 350)
    
plt.show()

 

- 응용하여 전체에서 비율을 나타내는 Percentage Stacked Bar Chart가 있음

fig, ax = plt.subplots(1, 1, figsize=(12, 7))

group = group.sort_index(ascending=False) # 역순 정렬
total=group['male']+group['female'] # 각 그룹별 합


ax.barh(group['male'].index, group['male']/total, color='royalblue')

ax.barh(group['female'].index, group['female']/total, 
        left=group['male']/total, color='tomato')

ax.set_xlim(0, 1)   # 범위를 주어 오른쪽 여백 제거
for s in ['top', 'bottom', 'left', 'right']:  
    ax.spines[s].set_visible(False)   # 테두리 없애기

plt.show()

 

 

📊 Overlapped Bar Plot  : 한 개의 플롯에 동시에 나타내는 방법(겹쳐서 표현하는 방법)

- 2개 그룹만 비교한다면 겹쳐서 만드는 것도 하나의 선택지이다
  → 3개 이상에서는 파악이 어렵다는 단점이 있다
- 같은 축을 사용하니 비교가 쉬움
  → 투명도를 조정하여 겹치는 부부 파악 (alpha)
- Bar plot보다는 Area plot에서 더 효과적

 

* alpha = 1, 0.7, 0.5, 0.3 에 따른 플롯비교, alpha가 0에 가까울수록 투명도가 높다.

group = group.sort_index() # 다시 정렬

fig, axes = plt.subplots(2, 2, figsize=(12, 12))
axes = axes.flatten()

for idx, alpha in enumerate([1, 0.7, 0.5, 0.3]):
    axes[idx].bar(group['male'].index, group['male'], 
                  color='royalblue', 
                  alpha=alpha)
    axes[idx].bar(group['female'].index, group['female'],
                  color='tomato',
                  alpha=alpha)
    axes[idx].set_title(f'Alpha = {alpha}')
    
for ax in axes:
    ax.set_ylim(0, 200)
    
    
plt.show()

 

 

📊 Grouped Bar Plot : 한 개의 플롯에 동시에 나타내는 방법(이웃에 배치하여 표현하는 방법)

- 그룹별 범주에 따른 bar를 이웃되게 배치하는 방법
- Matplotlib으로는 비교적 구현이 까다롭다는 단점이 있다
  → 적당한 테크닉 (.set_xticks(), .set_xticklabels())
- 앞서 소개한 내용 모두 그룹이 5개~7개 이하일 때 효과적 / 그 이상이면 그룹보다 범주간의 비교가 되기때문
  → 그룹이 많다면 적은 그룹은 ETC로 처리

- 크게 3개의 테크닉으로 구현 가능하다.

• x축 조정
• width 조정
• xticks, xticklabels

*그룹이 2개일 때, 원래 x축이 0, 1, 2, 3로 시작한다면 (중심점 설정)

  - 한 그래프는 0-width/2, 1-width/2, 2-width/2 로 구성
  - 다른 한 그래프는 0+width/2, 1+width/2, 2+width/2 로 구성

fig, ax = plt.subplots(1, 1, figsize=(12, 7))

idx = np.arange(len(group['male'].index))
width=0.35

ax.bar(idx-width/2, group['male'], 
       color='royalblue',
       width=width, label='Male')

ax.bar(idx+width/2, group['female'], 
       color='tomato',
       width=width, label='Female')

ax.set_xticks(idx)
ax.set_xticklabels(group['male'].index)
ax.legend()    
    
plt.show()

 

* 그룹이 N개 일때는?

그룹의 갯수에 따른 x좌표는 다음과 같다.

• 2개 : -1/2, +1/2
• 3개 : -1, 0, +1 (-2/2, 0, +2/2)
• 4개 : -3/2, -1/2, +1/2, +3/2

이와 같이 -(N-1)/2 ~ (N-1)/2 까지 분자에 2간격으로 커진다.

index i (zero-index)에 대해서는 x좌표를 아래의 식으로 계산해준다.

Sgroup = student.groupby('parental level of education')['race/ethnicity'].value_counts().sort_index()
group_list = sorted(student['race/ethnicity'].unique())
edu_lv = student['parental level of education'].unique()

fig, ax = plt.subplots(1, 1, figsize=(13, 7))

x = np.arange(len(group_list))
width=0.12

for idx, g in enumerate(edu_lv):
    ax.bar(x+(-len(edu_lv)+1+2*idx)*width/2, group[g], 
       width=width, label=g)

ax.set_xticks(x)
ax.set_xticklabels(group_list)
ax.legend()    
    
plt.show()

 

 

 

 

 

🍀 Bar Plot의 원칙

The representation of numbers, as physically measured on the surface of the graphic itself, should be directly proportional to the numerical quantities represented.

- 실제 값과 그에 표현되는 그래픽으로 표현되는 잉크 양은 비례해야 함
- 반드시 x축의 시작은 zero(0)!!

- 막대 그래프에만 한정되는 원칙은 아니다!
  → Area plot, Donut Chart 등등 다수의 시각화에서 적용됨

- (아래 예제) 인지의 방해를 주지 않고 싶다면

  → 축을 x축으로 시작은 0으로 설정하거나

  → 만약 차이를 나타내고 싶다면 plot의 세로 비율을 늘려준다.

 

성별에 따른 성적을 막대그래프로 시각화

score = student.groupby('gender').mean().T
score

fig, axes = plt.subplots(1, 2, figsize=(15, 7))

idx = np.arange(len(score.index))
width=0.3

for ax in axes:
    ax.bar(idx-width/2, score['male'], 
           color='royalblue',
           width=width)

    ax.bar(idx+width/2, score['female'], 
           color='tomato',
           width=width)

    ax.set_xticks(idx)
    ax.set_xticklabels(score.index)

axes[0].set_ylim(60, 75)
    
plt.show()

x축 시작은 0으로 설정

fig, ax = plt.subplots(1, 1, figsize=(6, 10))

idx = np.arange(len(score.index))
width=0.3

ax.bar(idx-width/2, score['male'], 
       color='royalblue',
       width=width)

ax.bar(idx+width/2, score['female'], 
       color='tomato',
       width=width)

ax.set_xticks(idx)
ax.set_xticklabels(score.index)
    
plt.show()

세로 비율을 늘려줌

 

 

🍀 데이터 정렬

- 더 정확한 정보를 전달하기 위해서는 정렬이 필수
  → Pandas에서는 sort_values(), sort_index()를 사용하여 정렬

 

- 데이터의 종류에 따라 다음 기준으로

• 시계열 | 시간순
• 수치형 | 크기순
• 순서형 | 범주의 순서대로
• 명목형 | 범주의 값 따라 정렬

- 여러 가지 기준으로 정렬을 하여 패턴을 발견
- 대시보드에서는 Interactive로 제공하는 것이 유용

 

 

🍀 적절한 공간 활용

- 여백과 공간만 조정해도 가독성이 높아진다.
- Matplotlib의 bar plot은 ax에 꽉 차서 살짝 답답함

- Matplotlib techniques

• X/Y axis Limit (.set_xlim(), .set_ylime())
• Spines (.spines[spine].set_visible())
• Gap (width)
• Legend (.legend())
• Margins (.margins())

group_cnt = student['race/ethnicity'].value_counts().sort_index()

fig = plt.figure(figsize=(15, 7))

ax_basic = fig.add_subplot(1, 2, 1)
ax = fig.add_subplot(1, 2, 2)

ax_basic.bar(group_cnt.index, group_cnt)
ax.bar(group_cnt.index, group_cnt,
       width=0.7,   # 막대그래프 두께
       edgecolor='black', # 테두리
       linewidth=2,   # 테두리 두께
       color='royalblue'
      )

ax.margins(0.1, 0.1)    # 전체 테두리쪽 여백 늘리기 (default:5%)

for s in ['top', 'right']:
    ax.spines[s].set_visible(False)   # 오른쪽, 위쪽 테두리 제거

plt.show()

 

 

 

🍀 복잡함과 단순함

- 필요 없는 복잡함은 NO!!! 무의미한 3D는 Never…
  → 직사각형이 아닌 다른 형태의 bar는 지양
- 무엇을 보고 싶은가? (시각화를 보는 대상이 누구인가?)
  → 정확한 차이 (EDA)
  → 큰 틀에서 비교 및 추세 파악 (Dashboard)
- 축과 디테일 등의 복잡함

• Grid (.grid())
• Ticklabels (.set_ticklabels())
  
  • Major & Minor
• Text를 어디에 어떻게 추가할 것인가 (.text() or .annotate())
  
  • Bar의 middle / upper

group_cnt = student['race/ethnicity'].value_counts().sort_index()

fig, axes = plt.subplots(1, 2, figsize=(15, 7))

for ax in axes:
    ax.bar(group_cnt.index, group_cnt,
           width=0.7,
           edgecolor='black',
           linewidth=2,
           color='royalblue',
           zorder=10
          )

    ax.margins(0.1, 0.1)

    for s in ['top', 'right']:
        ax.spines[s].set_visible(False)

axes[1].grid(zorder=0)    # 그리드 추가

for idx, value in zip(group_cnt.index, group_cnt):
    axes[1].text(idx, value+5, s=value,   # 텍스트 추가
                 ha='center', 
                 fontweight='bold'
                )
        
plt.show()

 

 

🍀 오차막대 (errorbar)

- 오차 막대를 추가하여 Uncertainty 정보를 추가 가능 (errorbar)
- Bar 사이 Gap이 0이라면 -> 히스토그램(Histogram)

• .hist()를 사용하여 가능
• 연속된 느낌을 줄 수 있음

- 다양한 Text 정보 활용하기

• 제목 (.set_title())
• 라벨 (.set_xlabel(), .set_ylabel())

 

오차막대(errorbar)를 사용하여 편차 등의 정보를 추가

score_var = student.groupby('gender').std().T
score_var

fig, ax = plt.subplots(1, 1, figsize=(10, 10))

idx = np.arange(len(score.index))
width=0.3


ax.bar(idx-width/2, score['male'], 
       color='royalblue',
       width=width,
       label='Male',
       yerr=score_var['male'],
       capsize=10   # 위쪽, 아래쪽에 에러에 대한 범위를 잡아줌
      )

ax.bar(idx+width/2, score['female'], 
       color='tomato',
       width=width,
       label='Female',
       yerr=score_var['female'],
       capsize=10
      )

ax.set_xticks(idx)
ax.set_xticklabels(score.index)
ax.set_ylim(0, 100)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

ax.legend()
ax.set_title('Gender / Score', fontsize=20)
ax.set_xlabel('Subject', fontweight='bold')   # x축 라벨
ax.set_ylabel('Score', fontweight='bold')     # y축 라벨

plt.show()