[플레이데이터 빅데이터 부트캠프]Python 데이터 시각화 PLOTLY(1)

PLOTLY

• 인터랙티브 그래프 생성
• dict 형식으로 명령어 작성
• JSON 데이터 형식으로 저장
• 다양한 방식으로 Export 가능

PLOTLY 사용자들이 업로드한 그래프도 사용할 수 있다.

Express를 통해서 그리는 방법을 많이 사용한다.

Tips 데이터 예시

import plotly.express as px
tips = px.data.tips()

fig1 = px.scatter(tips, # 데이터명(데이터프레임 형식)
                 x='tip', # x축에 들어갈 컬럼
                 y='total_bill', # y축에 들어갈 컬럼
                 color='sex', # 색상 구분 기준이 될 컬럼명 (seaborn의 hue와 같은 역할)
                 marginal_x = 'box', # scatterplot의 옵션 중 하나인 인접 그래프의 스타일 지정 (히스토그램) 
                 marginal_y = 'histogram',# scatterplot의 옵션 중 하나인 인접 그래프의 스타일 지정 (히스토그램) 
                 trendline="ols",  # x축과 y축으로 지정된 데이터에 대해서 회귀분석(ols로)
                 trendline_color_override="grey",  # trendline 색상 지정
                 hover_name='day', # 팝업 데이터 최상단에 데이터프레임 컬럼명             
                 hover_data=['day', 'size'], # 참고할 데이터 추가 - tips.columns로 설정하면 다 보여줌
                 title='Tips by Total Bill - Scatter Plot', # 그래프 타이틀 지정
                 width=800,  # 그래프의 크기 조절
                 height=600) 
fig1.show()

 

fig = px.scatter(tips, x='total_bill', y='tip', color='sex', facet_col='day', category_orders={"day":['Thur', 'Fri', 'Sat', 'Sun']})
fig

이런 식으로 tips 데이터를 요일별로 카테고리를 나누어서 정리할 수 있다.

Gapminder 데이터

국가별 경제 수준과 의료 수준 동향을 정리한 Dataset이다.

Gapminder 데이터는 연도별로 출력해야지 깔끔하다.

gap2007 = gapminder[gapminder['year'] == 2007]

fig = px.scatter(gap2007, x='gdpPercap', y='lifeExp', color='continent', /
                 hover_data=['country'], size='pop', size_max=40, title='2007년의 대륙별 기대 수명')
fig

로그스케일

%변화율로 그래프를 보여준다.

fig = px.scatter(gap2007, x='gdpPercap', y='lifeExp', color='continent', log_x=True,
                 hover_data=['country'], size='pop', size_max=40, title='2007년의 대륙별 기대 수명')
fig

파라미터를 지정하여 통해서 트랜드라인도 보여줄 수 있다.

fig = px.scatter(gap2007, x='gdpPercap', y='lifeExp', color='continent', log_x=True, trendline='ols',
                 hover_data=['country'], size='pop', size_max=40, title='2007년의 대륙별 기대 수명')
fig

• 참고 - 로그스케일을 사용하는 이유: https://gibles-deepmind.tistory.com/50

각 변수 간의 상관관계 비교

fig = px.scatter_matrix(gap2007)
fig

대륙별 평균수명 비교

gapAsia = gapminder[gapminder['continent'] == 'Asia']
fig = px.line(gapAsia, x='year', y='lifeExp', color='country')
fig

쿼리를 이용해서 쓰면 더 편하다.

import plotly.express as px

df = px.data.gapminder().query("continent=='Oceania'")
fig = px.line(df, x="year", y="lifeExp", color='country')
fig.show()

시계열(Time series) 그래프

(※참조 모듈을 다운받아서 자신만의 프로젝트를 진행할 수 있다.)

www.pypi.org

삼성전자 주가 파악

import pandas as pd
import numpy as np
import yfinance as yf

samsung = yf.download('005930.KS',
                      start='2002-07-24',
                      end='2022-07-24',
                      progress=False)

samsung = samsung.reset_index()

# samsung['Date'] = pd.to_datetime(samsung['day']) # 다른 모듈을 사용해서 날짜를 날짜로 인식하지 않고 string으로 인식할 때 써주시면 됩니다.

samsung

fig = px.line(samsung, x='Date', y='Close')
fig

데이터의 일부만 차용할 수 있다.

fig = px.line(samsung, x='Date', y='Close', range_x=['2016-07-01', '2022-07-24'])
fig.show()

y축의  range도 변형할 정할 수 있다.

Graphic Objects를 통해 Canndlestick도 만들 수 있다.

import plotly.graph_objects as go

import pandas as pd
from datetime import datetime

# df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/finance-charts-apple.csv')

fig = go.Figure(data=[go.Candlestick(x=samsung['Date'],
                open=samsung['Open'],
                high=samsung['High'],
                low=samsung['Low'],
                close=samsung['Close'])])

fig.show()

이제 Melt 메소드로 정리해 보자.

samsung.melt(id_vars=['Date'], value_vars=['Open', 'Close'], var_name='DailyTime', value_name='price').sort_values(by='price', ascending=False)  # ascending=False

#즉정한 값으로, 내림차순으로 정렬할 수도 있다.

.sort_values(by=[정렬할 기준 컬럼], ascending=False(내림차순))

 

카테고리형 데이터

• 데이터프레임의 칼럼에서 특정한 형태의 데이터가 반복되는 경우 사용한다.
• 반복된 데이터를 코드화하여 데이터의 사이즈를 줄여서 메모리 사용량이 줄어 들고 데이터 처리 속도가 빨라진다.

# category 타입으로 타입 캐스팅
samsung = samsung.melt(id_vars=['Date'], value_vars=['Open', 'Close'], var_name='DailyTime', value_name='price').sort_values(by=['Date']) 
samsung1 = samsung.copy()
samsung1['Category'] =samsung1['DailyTime'].astype('category')
samsung1['Category'] = samsung1['Category'].cat.reorder_categories(['Open', 'Close'])
# 카테고리 순서를 바꿀 때 사용하고, 정렬할 때 요긴하다. 
samsung1.sort_values(['Date', 'Category'], ascending=True, ignore_index=True)

 

카테고리로로 만들어서 용량도 적게 차지하고, 정렬할 때 편하다.

Bar charts

canada = gapminder[gapminder['country']=='Canada'] 

fig = px.bar(canada, 
              x="year", 
              y="pop", 
              title='Population in Canada',
              hover_data = ['gdpPercap', 'lifeExp'])
fig.show()

 

기타 파라미터

canada = gapminder[gapminder['country']=='Canada'] 

fig = px.bar(canada, 
              x="year", 
              y="pop", 
              title='Population in Canada',
              hover_data = ['gdpPercap', 'lifeExp'],
              labels= {'pop':'캐나다 총 인구 수', 'year':'연도'},
             width=600, height=600,
             color='lifeExp'
              )
fig.show()

fig = px.bar(gapminder, x='continent', y='pop', color='continent',
             animation_frame='year', animation_group='country',
             range_y=[0,4000000000])
fig.show()

animation_frame 파라메터를 사용하여, Bar Chart에 애니메이션 효과를 넣 수 있다.