[Visualization] TIPS Dataset Visualization
TIPS Visualization
데이터 준비
Seaborn의 load_dataset() 메소드를 통해 유명 예제 데이터를 다운로드 받을 수 있다. 연습용 데이터 repo
여러 데이터들 중에서 종업원들의 tip을 정리한 데이터 셋인 tips를 통해 시각화를 해보자.
import pandas as pd
import seaborn as sns
import numpy as np
import warnings
warnings.filterwarnings('ignore')
tips = sns.load_dataset("tips")
EDA
df = pd.DataFrame(tips)
df.head()
total_bill tip sex smoker day time size
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
2 21.01 3.50 Male No Sun Dinner 3
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4
df.shape
(244, 7)
df.describe()
total_bill tip size
count 244.000000 244.000000 244.000000
mean 19.785943 2.998279 2.569672
std 8.902412 1.383638 0.951100
min 3.070000 1.000000 1.000000
25% 13.347500 2.000000 2.000000
50% 17.795000 2.900000 2.000000
75% 24.127500 3.562500 3.000000
max 50.810000 10.000000 6.000000
df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 244 entries, 0 to 243
Data columns (total 7 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 total_bill 244 non-null float64
1 tip 244 non-null float64
2 sex 244 non-null category
3 smoker 244 non-null category
4 day 244 non-null category
5 time 244 non-null category
6 size 244 non-null int64
dtypes: category(4), float64(2), int64(1)
memory usage: 7.4 KB
tips는 결측치가 없는 데이터인 것을 알 수 있다.
데이터 변수들 중에서 sex, smoker, day, time이 범주(category)형 데이터고 tips, total_bill, size는 수치형 데이터이지만 size는 테이블 인원을 의미하니까 범주형 데이터로 봐야한다.
범주형 변수의 카테고리별 개수를 알아보자.
print(df['sex'].value_counts())
print("===========================")
print(df['time'].value_counts())
print("===========================")
print(df['smoker'].value_counts())
print("===========================")
print(df['day'].value_counts())
print("===========================")
print(df['size'].value_counts())
print("===========================")
Male 157
Female 87
Name: sex, dtype: int64
===========================
Dinner 176
Lunch 68
Name: time, dtype: int64
===========================
No 151
Yes 93
Name: smoker, dtype: int64
===========================
Sat 87
Sun 76
Thur 62
Fri 19
Name: day, dtype: int64
===========================
2 156
3 38
4 37
5 5
1 4
6 4
Name: size, dtype: int64
===========================
범주형 데이터
범주형 데이터는 주로 막대 그래프를 사용하여 시각화한다. sex, smoker, day, time, size 변수를 시각화해보자.
Pandas & Matplotlib
matplotlib에 데이터를 인자로 넣기 위해선 데이터 분할이 필요하다.
#df의 첫 5행을 확인해봅시다.
df.head()
total_bill tip sex smoker day time size
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
2 21.01 3.50 Male No Sun Dinner 3
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4
grouped = df['tip'].groupby(df['sex'])
print('\"MEAN\"',grouped.mean())
print('-------------------------------')
print('\"SIZE\"',grouped.size())
"MEAN" sex
Male 3.089618
Female 2.833448
Name: tip, dtype: float64
-------------------------------
"SIZE" sex
Male 157
Female 87
Name: tip, dtype: int64
성별에 따른 팁 액수의 평균을 막대그래프로 나타내보자.
import numpy as np
sex = dict(grouped.mean()) #평균 데이터를 딕셔너리 형태로 변경
x = list(sex.keys())
y = list(sex.values())
print('x :', x)
print('y :', y)
x : ['Male', 'Female']
y : [3.0896178343949043, 2.833448275862069]
import matplotlib.pyplot as plt
plt.bar(x = x, height = y)
plt.ylabel('tip[$]')
plt.title('Tip by Sex');
Seaborn & Matplotlib
plt.figure(figsize=(10,6)) # 도화지 사이즈
sns.barplot(data=df, x='sex', y='tip')
plt.ylim(0, 4) # y값의 범
plt.title('Tip by sex'); # 그래프 제목
요일에 따른 tips의 그래프
plt.figure(figsize=(10,6))
sns.barplot(data=df, x='day', y='tip')
plt.ylim(0, 4)
plt.title('Tip by day');
fig = plt.figure(figsize=(20,3))
ax1 = fig.add_subplot(1,4,1)
sns.barplot(data=df, x='day', y='tip',palette="ch:.25")
plt.title('Day BarPlot')
ax2 = fig.add_subplot(1,4,2)
sns.barplot(data=df, x='sex', y='tip')
plt.title('Sex BarPlot')
ax3 = fig.add_subplot(1,4,3)
sns.violinplot(data=df, x='day', y='tip',palette="ch:.25")
plt.title('Day ViolinPlot')
ax4 = fig.add_subplot(1,4,4)
sns.violinplot(data=df, x='sex', y='tip')
plt.title('Sex ViolinPlot');
sns.catplot(x="day", y="tip", jitter=False, data=tips);
수치형 데이터
수치형 데이터는 산점도, 선 그래프가 가장 적당하다. total_bill에 따른 tips 데이터를 시각화해보자.
산점도(scatter plot)
hue인자에 ‘day’를 주어 요일(day)에 따른 tip과 total_bill의 관계를 시각화해 보자.
fig = plt.figure(figsize=(10,3))
ax1 = fig.add_subplot(1,2,1)
sns.scatterplot(data=df , x='total_bill', y='tip', palette="ch:r=-.2,d=.3_r")
ax2 = fig.add_subplot(1,2,2)
sns.scatterplot(data=df , x='total_bill', y='tip', hue='day');
선 그래프(line graph)
#np.random.randn 함수는 표준 정규분포에서 난수를 생성하는 함수
#cumsum()은 누적합을 구하는 함수
print(np.random.randn(50).cumsum())
plt.plot(np.random.randn(50).cumsum())
plt.show();
[ 0.61608972 -0.7337969 -0.92101788 -2.11618868 -2.28791046
-3.30115502 -2.61329684 -3.22007936 -2.08458613 -1.9867512
-2.00553301 -1.91497387 -2.46596359 0.49608087 1.68136644
2.30948034 1.38916563 0.21044604 -0.45799877 1.20246556
2.2673113 0.94270204 0.10582537 -1.45699517 -1.77780738
-3.6356194 -3.36015513 -4.32124728 -4.14827389 -4.51666302
-4.2620801 -4.14653212 -3.95663866 -3.97620302 -4.78984808
-5.35921273 -6.10843157 -6.49204003 -6.97525256 -8.56005351
-8.45579105 -7.94775381 -9.29355695 -9.22066158 -9.73521115
-8.66395784 -10.53351261 -10.43548585 -10.53588073 -10.86421294]
Seaborn을 활용하면 다음과 같이 그릴 수 있다.
x = np.linspace(0, 10, 100)
sns.lineplot(np.sin(x))
sns.lineplot(np.cos(x));
히스토그램(histogram)
아래와 같은 데이터를 만들어 히스토그램을 만들어보자.
-
x1은 평균은 100이고 표준편차는 15인 정규분포를 따름
-
x2는 평균은 130이고 표준편차는 15인 정규분포를 따름
-
도수를 50개의 구간으로 표시하며, 확률 밀도가 아닌 빈도로 표기
#그래프 데이터
mu1, mu2, sigma = 100, 130, 15
x1 = mu1 + sigma*np.random.randn(10000)
x2 = mu2 + sigma*np.random.randn(10000)
# 축 그리기
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)
# 그래프 그리기
patches = ax1.hist(x1, bins=50, density=False) #bins는 x값을 총 50개 구간으로 나눔
patches = ax1.hist(x2, bins=50, density=False, alpha=0.5)
ax1.xaxis.set_ticks_position('bottom') # x축의 눈금을 아래 표시
ax1.yaxis.set_ticks_position('left') #y축의 눈금을 왼쪽에 표시
# 라벨, 타이틀 달기
plt.xlabel('Bins')
plt.ylabel('Number of Values in Bin')
ax1.set_title('Two Frequency Distributions')
# 보여주기
plt.show()
tips 데이터를 히스토그램으로 표현해보자.
커널 밀도 그래프 kind = 'kde KDE
fig = plt.figure(figsize=(15,3))
ax1 = fig.add_subplot(1,3,1)
sns.distplot(df['total_bill'], label = "total_bill")
sns.distplot(df['tip'], label = "tip").legend()# legend()를 이용하여 label을 표시
plt.title('Total bill and tip')
ax2 = fig.add_subplot(1,3,2)
df['tip_pct'] = df['tip'] / df['total_bill']
df['tip_pct'].hist(bins=50)
plt.title('Ratio of tip to total bill')
ax3 = fig.add_subplot(1,3,3)
df['tip_pct'].plot(kind='kde')
plt.title('Tip percent');
댓글남기기