Chapter 04-1 데이터 시각화가 필요한 이유

앤스콤 4분할 그래프 살펴보기

데이터 시각화를 보여주는 전형적인 사례로 앤스콤 4분할 그래프(Anscombe's quartet)가 있습니다. 이 그래프는 영국의 프랭크 앤스콤(Frank Anscombe)이 데이터를 시각화하지 않고 수치만 확인할 때 발생할 수 있는 함정을 보여주기 위해 만든 그래프입니다. 그러면 앤스콤이 지적한 '함정'이란 무엇일까요?

 

 

앤스콤이 지적한 함정과 데이터 시각화의 필요성

앤스콤 4분할 그래프를 구성하는 데이터 집합은 4개의 그룹으로 구성되어 있으며 모든 데이터 그룹은 x, y 열을 가지고 있습니다. 그런데 이 4개의 데이터 그룹은 각각 평균, 분산과 같은 수칫값이나 상관관계, 회귀선이 같다는 특징이 있습니다. 그래서 이런 결과만 보고 '데이터 그룹 Ⅰ, Ⅱ, Ⅲ, Ⅳ의 데이터는 모두 같을 것이다'라고 착각할 수 있습니다. 바로 이것이 앤스콤이 지적한 '함정'입니다. 하지만 각 데이터 그룹을 시각화하면 데이터 그룹이 서로 다른 데이터 패턴을 가지고 있다는 점을 금방 알 수 있습니다. 이런 점에서 데이터 시각화는 데이터 분석 분야에서 아주 중요한 요소라고 할 수 있습니다. 그러면 데이터 시각화란 무엇인지 직접 실습하며 알아보겠습니다.

 

 

앤스콤 데이터 집합 불러온 후 그래프 그리기

1. 앤스콤 데이터 집합 불러오기

앤스콤 데이터 집합은 seaborn 라이브러리에 포함되어 있습니다. seaborn 라이브러리의 load_dataset 메서드에 문자열 anscombe을 전달하면 앤스콤 데이터 집합을 불러올 수 있습니다. 이때 데이터프레임의 열 이름 중 dataset 열이 데이터 그룹을 구분한다는 것을 알 수 있습니다.

import seaborn as sns anscombe = sns.load_dataset("anscombe") print(anscombe) print(type(anscombe))     dataset      x        y 0  I            10.0   8.04 1  I              8.0   6.95 2  I            13.0   7.58 3  I              9.0   8.81 4  I            11.0   8.33 ... <class 'pandas.core.frame.DataFrame'>

 

 

2. matplotlib 라이브러리로 그래프 그리기

앤스콤 데이터 집합을 잘 불러왔나요? 데이터 집합이 준비되었으면 이제 그래프로 시각화를 하면 됩니다. 이 책에서는 그래프를 그리기 위해 matplotlib 라이브러리를 사용합니다. 먼저 그래프를 그리기 위해 matplotlib 라이브러리를 불러오겠습니다.

%matplotlib notebook import matplotlib.pyplot as plt

 

3. 다음은 anscombe 데이터프레임의 dataset 열에서 데이터 값이 Ⅰ인 것만 추출한 것입니다. 즉, 첫 번째 데이터 그룹을 추출한 것입니다.

dataset_1 = anscombe[anscombe['dataset'] == 'I']

 

4. 선 그래프는 plot 메서드로 그릴 수 있습니다. plot 메서드에 x, y축 데이터를 전달하면 선 그래프가 나타납니다. 앞에서 준비한 dataset_1의 x, y 열을 전달하세요.

plt.plot(dataset_1['x'], dataset_1['y'])

 

5. plot 메서드는 기본적으로 선으로 그래프를 그립니다. 만약 점으로 그래프를 그리려면 o를 세 번째 인자로 전달하면 됩니다.

plt.plot(dataset_1['x'], dataset_1['y'], 'o')

 

 

 

 

 

앤스콤 데이터 집합 모두 사용해 그래프 만들기

앤스콤 데이터 집합은 4개의 데이터 그룹으로 구성되어 있으며 각 데이터 그룹의 차이를 파악하려면 그래프로 시각화해야 한다고 했습니다. 이번에는 모든 데이터 그룹에 대하여 그래프를 그려보겠습니다.

 

 

matplotlib 라이브러리로 그래프 그리기

이번에 소개할 내용은 'matplotlib 라이브러리로 그래프를 그리는 방법'입니다. 아래에 정리한 과정을 잘 읽어보면 블록을 조립하는 과정과 비슷하다는 것을 알 수 있을 것입니다.

1. 전체 그래프가 위치할 기본 틀을 만듭니다. 2. 그래프를 그려 넣을 그래프 격자를 만듭니다. 3. 그런 다음 격자에 그래프를 하나씩 추가합니다. 격자에 그래프가 추가되는 순서는 왼쪽에서 오른쪽 방향입니다. 4. 만약 격자의 첫 번째 행이 꽉 차면 두 번째 행에 그래프를 그려 넣습니다.

 

즉, 이후 실습에서 앤스콤 데이터 집합으로 그리게 될 그래프의 격자 크기는 4이고 세 번째 그래프의 경우 2행 1열 위치에 그려집니다. 잘 이해가 되었나요? 그러면 바로 그래프를 그려 보겠습니다.

 

 

한 번에 4개의 그래프 그리기

1. 앤스콤 데이터프레임의 dataset 열의 값이 Ⅰ, Ⅱ, Ⅲ, Ⅳ인 것을 불린 추출하여 dataset_1, 2, 3, 4에 저장합니다.

dataset_2 = anscombe[anscombe['dataset'] == 'II'] dataset_3 = anscombe[anscombe['dataset'] == 'III'] dataset_4 = anscombe[anscombe['dataset'] == 'IV']

 

2. 먼저 그래프 격자가 위치할 기본 틀을 만듭니다.

fig = plt.figure( )

 

3. 그런 다음 add_subplot 메서드로 그래프 격자를 그립니다. 기본 틀(fig)에 격자를 추가 한다는 기분으로 add_subplot 메서드를 사용하면 됩니다. add_subplot의 첫 번째 인자에는 그래프 기본 틀의 행 크기를, 두 번째 인자에는 그래프 기본 틀의 열 크기를 지정합니다.

axes1 = fig.add_subplot(2, 2, 1) axes2 = fig.add_subplot(2, 2, 2) axes3 = fig.add_subplot(2, 2, 3) axes4 = fig.add_subplot(2, 2, 4)

 

4. 이제 plot 메서드에 데이터를 전달하여 그래프를 그리면 됩니다. 이번에는 점으로 그래프를 표현했습니다. 그래프를 확인하려면 fig를 반드시 입력해야 합니다.

axes1.plot(dataset_1['x'], dataset_1['y'], 'o') axes2.plot(dataset_2['x'], dataset_2['y'], 'o') axes3.plot(dataset_3['x'], dataset_3['y'], 'o') axes4.plot(dataset_4['x'], dataset_4['y'], 'o') fig

 

5. 각각의 그래프를 쉽게 구분할 수 있도록 그래프 격자에 제목을 추가해 볼까요? set_title 메서드로 그래프 이름을 전달하면 그래프 격자에 제목이 추가됩니다.

axes1.set_title("dataset_1") axes2.set_title("dataset_2") axes3.set_title("dataset_3") axes4.set_title("dataset_4") fig

 

6. 기본 틀(fig)에도 제목을 추가해 볼까요? 기본 틀에 제목을 추가하려면 suptitle 메서드를 사용하면 됩니다.

fig.suptitle("Anscombe data") fig

 

7. 그런데 과정 5, 6의 그래프를 보면 각 그래프의 이름과 숫자가 겹쳐 보입니다. 이런 경우에는 tight_layout 메서드를 호출하여 각 그래프의 레이아웃을 조절할 수 있습니다.

fig.tight_layout( ) fig

 

자 어떤가요? 평균, 분산, 상관관계, 회귀선의 통계 수치가 같아도 그래프의 형태는 다를 수 있습니다. 앤스콤 4분할 그래프는 데이터 분석 시 수치에만 의존하면 잘못된 판단을 할 수 있다는 것을 알려주는 좋은 예시입니다.

 

 

 

 

 

출처 : "판다스 입문"