7.3. Matplotlib

파이썬 Matplotlib로 데이터 시각화 기초: 그래프 종류와 커스터마이징

1. 데이터 시각화의 중요성

데이터 시각화는 데이터를 쉽게 이해하고 분석하는 데 필수적인 역할을 합니다. 데이터가 많을수록, 복잡할수록 시각화는 이를 간결하고 명확하게 표현하는 데 도움이 됩니다. 파이썬의 Matplotlib 라이브러리는 데이터 시각화를 위한 가장 인기 있는 도구 중 하나로, 다양한 그래프 종류를 지원하며 커스터마이징도 가능합니다.

2. Matplotlib 설치 및 기본 설정

Matplotlib을 사용하기 위해서는 파이썬에 Matplotlib 라이브러리를 설치해야 합니다. 설치는 anaconda prompt나 cmd 창에서 pip install matplotlib 명령어를 입력하면 됩니다. 설치가 완료되면, 기본적으로 Matplotlib을 사용하기 위한 import 문을 작성할 수 있습니다.

import matplotlib.pyplot as plt

3. 그래프 종류

Matplotlib은 다양한 그래프 종류를 지원합니다. 여기에는 가로 막대형 차트, 세로 막대형 차트, 산점도, 꺾은선형 그래프, 히스토그램 등이 포함됩니다. 각 그래프 종류는 데이터의 특성을 잘 나타내는 데 적합합니다.

3.1 가로 막대형 차트

가로 막대형 차트는 데이터의 크기를 막대 형태로 표현합니다. 예를 들어, 여러 그룹의 데이터를 비교할 때 유용합니다.

import matplotlib.pyplot as plt

# 데이터 준비
x1 = [1, 3, 4, 5, 6, 7, 9]
y1 = [4, 7, 2, 4, 7, 8, 3]
x2 = [2, 4, 6, 8, 10]
y2 = [5, 6, 2, 6, 2]

# 그래프 그리기
plt.bar(x1, y1, label="Blue Bar", color='b')
plt.bar(x2, y2, label="Green Bar", color='g')

# 레이블 및 제목 설정
plt.xlabel("bar number")
plt.ylabel("bar height")
plt.title("Bar Chart Example")
plt.legend()

# 그래프 출력
plt.show()

3.2 세로 막대형 차트

세로 막대형 차트는 가로 막대형 차트와 유사하지만, 막대의 방향이 세로로 되어 있습니다. 데이터의 크기를 세로 막대 형태로 표현합니다.

import matplotlib.pyplot as plt

# 데이터 준비
x1 = [1, 3, 4, 5, 6, 7, 9]
y1 = [4, 7, 2, 4, 7, 8, 3]
x2 = [2, 4, 6, 8, 10]
y2 = [5, 6, 2, 6, 2]

# 그래프 그리기
plt.barh(x1, y1, label="Blue Bar", color='b')
plt.barh(x2, y2, label="Green Bar", color='g')

# 레이블 및 제목 설정
plt.xlabel("bar height")
plt.ylabel("bar number")
plt.title("Bar Chart Example")
plt.legend()

# 그래프 출력
plt.show()

3.3 산점도

산점도는 데이터의 관계를 점으로 표현합니다. 두 변수 간의 관계를 쉽게 확인할 수 있습니다.

import matplotlib.pyplot as plt

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

# 그래프 그리기
plt.scatter(x, y)

# 레이블 및 제목 설정
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Scatter Plot Example")

# 그래프 출력
plt.show()

3.4 꺾은선형 그래프

꺾은선형 그래프는 시간에 따라 데이터가 어떻게 변하는지 나타내는 데 유용합니다. 예를 들어, 시간에 따른 데이터의 변화를 확인할 때 사용합니다.

import matplotlib.pyplot as plt

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

# 그래프 그리기
plt.plot(x, y)

# 레이블 및 제목 설정
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Line Plot Example")

# 그래프 출력
plt.show()

3.5 히스토그램

히스토그램은 데이터의 분포를 그래프로 나타내는 데 사용됩니다. 데이터의 분포를 쉽게 확인할 수 있습니다.

import matplotlib.pyplot as plt
import numpy as np

# 데이터 준비
data = np.random.randn(1000)

# 그래프 그리기
plt.hist(data, bins=30, alpha=0.7, color='g')

# 레이블 및 제목 설정
plt.xlabel("Value")
plt.ylabel("Frequency")
plt.title("Histogram Example")

# 그래프 출력
plt.show()

4. 그래프 커스터마이징

Matplotlib을 사용하여 그래프를 커스터마이징하는 방법도 있습니다. 예를 들어, 그래프의 색상, 레이블, 제목을 변경할 수 있습니다.

4.1 그래프 색상 변경

그래프의 색상을 변경하는 방법은 color 파라미터를 사용합니다.

import matplotlib.pyplot as plt

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

# 그래프 그리기
plt.plot(x, y, color='r')  # 빨간색 선

# 레이블 및 제목 설정
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Line Plot Example")

# 그래프 출력
plt.show()

4.2 레이블 및 제목 설정

레이블 및 제목을 설정하는 방법은 xlabel, ylabel, title 메소드를 사용합니다.

import matplotlib.pyplot as plt

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

# 그래프 그리기
plt.plot(x, y)

# 레이블 및 제목 설정
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Line Plot Example")

# 그래프 출력
plt.show()

4.3 범례 추가

범례를 추가하는 방법은 legend 메소드를 사용합니다.

import matplotlib.pyplot as plt

# 데이터 준비
x1 = [1, 3, 4, 5, 6, 7, 9]
y1 = [4, 7, 2, 4, 7, 8, 3]
x2 = [2, 4, 6, 8, 10]
y2 = [5, 6, 2, 6, 2]

# 그래프 그리기
plt.bar(x1, y1, label="Blue Bar", color='b')
plt.bar(x2, y2, label="Green Bar", color='g')

# 범례 추가
plt.legend()

# 레이블 및 제목 설정
plt.xlabel("bar number")
plt.ylabel("bar height")
plt.title("Bar Chart Example")

# 그래프 출력
plt.show()

5. 실무 예시

실무에서 데이터 시각화를 사용하는 예시를 살펴보겠습니다. 예를 들어, 야후 파이낸스에서 주식 가격 데이터를 가져와 시각화하는 방법을 살펴보겠습니다.

5.1 야후 파이낸스 데이터 가져오기

야후 파이낸스 데이터를 가져오기 위해서는 yfinance 라이브러리를 사용합니다.

import yfinance as yf
import matplotlib.pyplot as plt

# 데이터 가져오기
data = yf.download('AAPL', start='2020-01-01', end='2020-12-31')

# 그래프 그리기
plt.figure(figsize=(16,8))
plt.plot(data['Close'])

# 레이블 및 제목 설정
plt.xlabel('Date')
plt.ylabel('Close Price')
plt.title('AAPL Close Price')

# 그래프 출력
plt.show()

6. 결론

파이썬 Matplotlib을 사용하여 데이터를 시각화하는 것은 데이터 분석의 필수적인 부분입니다. 다양한 그래프 종류를 지원하며 커스터마이징도 가능합니다. 실무에서 데이터를 시각화하는 방법을 이해하고, 다양한 그래프 종류를 사용하여 데이터를 효과적으로 표현하는 것이 중요합니다.