[Data Viz] 2-1. Bar Plot

In [1]:

from IPython.core.display import display, HTML

display(HTML("<style>.container { width:90% !important; }</style>"))

In [2]:

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

Bar Plot(막대그래프, bar chart, bar graph)¶

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(기본값)
  • 수평(horizontal) : y축에 범주, x축에 값을 표기(범주가 많을때 적합)

In [3]:

fig, axes = plt.subplots(1, 2, figsize=(5,5))

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

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

plt.show()

In [5]:

student = pd.read_csv('./StudentsPerformance.csv')
# head 보다 sample를 사용해 랜덤으로 추출해서 분포를 파악하는걸 추천
student.sample(5)

Out[5]:

	gender	race/ethnicity	parental level of education	lunch	test preparation course	math score	reading score	writing score
271	male	group C	some college	standard	none	58	49	42
34	male	group E	some college	standard	none	97	87	82
430	male	group C	associate's degree	free/reduced	none	64	66	59
869	male	group C	associate's degree	free/reduced	none	49	51	51
175	female	group C	master's degree	standard	completed	81	91	87

In [ ]:

# 데이터의 타입, Null 값 확인
student.info()

In [11]:

# include='all' 옵션으로 범주형의 unique 정보도 알아보자
student.describe(include='all')

Out[11]:

	gender	race/ethnicity	parental level of education	lunch	test preparation course	math score	reading score	writing score
count	1000	1000	1000	1000	1000	1000.00000	1000.000000	1000.000000
unique	2	5	6	2	2	NaN	NaN	NaN
top	female	group C	some college	standard	none	NaN	NaN	NaN
freq	518	319	226	645	642	NaN	NaN	NaN
mean	NaN	NaN	NaN	NaN	NaN	66.08900	69.169000	68.054000
std	NaN	NaN	NaN	NaN	NaN	15.16308	14.600192	15.195657
min	NaN	NaN	NaN	NaN	NaN	0.00000	17.000000	10.000000
25%	NaN	NaN	NaN	NaN	NaN	57.00000	59.000000	57.750000
50%	NaN	NaN	NaN	NaN	NaN	66.00000	70.000000	69.000000
75%	NaN	NaN	NaN	NaN	NaN	77.00000	79.000000	79.000000
max	NaN	NaN	NaN	NaN	NaN	100.00000	100.000000	100.000000

In [ ]:

# 성별에 따른 race/ehincity 분포
group = student.groupby('gender')['race/ethnicity'].value_counts().sort_index()
display(group)
print(student['gender'].value_counts())

1.Multiple Bar Plot¶

Bar plot에서는 1개의 feature에 대해서만 보여준다. 여러 그룹을 보여주기 위해서는

• 플롯을 여러개 그리는 방법
• (그룹이 5~7개 이하일때)한개의 플롯을 동시에 나타내는 방법 : 쌓아서, 겹처서, 이웃에 배치하여

In [10]:

fig, axes = plt.subplots(1, 2, figsize=(12,7))
axes[0].bar(group['male'].index, group['male'], color='royalblue')
axes[1].bar(group['female'].index, group['female'], color='tomato')
plt.show()

이 경우 각각 그래프의 y축 스케일이 다르다. 통일하기 위한 방법으로는

• sharey=True : 같은 axes안에 스케일을 동일하게 만들기 위한 옵션

In [11]:

fig, axes = plt.subplots(1, 2, figsize=(12,7), sharey=True)
axes[0].bar(group['male'].index, group['male'], color='royalblue')
axes[1].bar(group['female'].index, group['female'], color='tomato')
plt.show()

• 반복문을 활용하여 y축 개별적으로 조정하기

In [21]:

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

이 경우 그룹간의 비율을 비교하기가 어렵다.

1.1.Stacked Bar plot(쌓아서)¶

2개 이상의 그룹을 쌓아서 표현하는 bar plot, 다만 이 경우는 위에 쌓여지는 그룹(여기선 여성)의 분포는 파악하기 어렵다.

• 각 bar에서 나타나는 그룹의 순서는 항상 유지
• .bar() bottom : bottom을 사용해서 아래 공간을 비워둘 수 있다.
• .barh() left

In [25]:

fig, axes = plt.subplots(1, 2, figsize=(12,7), sharey=True)
group_cnt =student['race/ethnicity'].value_counts().sort_index()
# 원본
axes[0].bar(group_cnt.index, group_cnt, color='darkgray')
# Stacked, bottom을 사용해서 집어넣어준다.
axes[1].bar(group['male'].index, group['male'], color='royalblue')
axes[1].bar(group['female'].index, group['female'], bottom=group['male'], color='tomato')
plt.show()

• 응용하여 전체의 비율을 나타내는 Percentage Stacked Bar Chart

In [7]:

fig, ax = plt.subplots(1, 1, figsize=(12,7))
group_sort = group.sort_index(ascending=False) # 순서를 바꾸기 위해 역순 정렬
total = group_sort['male'] + group_sort['female']

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

ax.set_xlim(0,1)

#태두리 제거
for s in ['top', 'bottom','left','right']:
    ax.spines[s].set_visible(False)
    
    
plt.show()

1.2.Overlapped Bar plot(겹쳐서)¶

2개 그룹만 비교시 주로 사용(3개 이상은 파악이 어려움)

• alpha() : 투명도 조정
• Bar 보다는 Area plot에서 더 효과적

In [12]:

group_sort = group.sort_index()

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'aplha = {alpha}')
    
for ax in axes:
    ax.set_ylim(0, 200)
    
plt.show()

1.3.Grouped Bar Plot(이웃에 배치)¶

그룹별 범주에 따른 bar를 이웃되게 배치하는 방법

• x축 조정
• width(두께)
• xticks, xticklabels

x축이 0,1,2,3으로 시작한다고 보면 x축을 반씩 쪼개서 사용한다.

• 한 그래프는 0-width/2, 1-width/2 ..
• 다른 그래프는 0+width/2, 1+width/2 ..

In [19]:

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?¶

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

$x+\frac{-N+1+2\times i}{2}\times width$

In [23]:

# 인종에 따른 학력
group = 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()

In [24]:

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

x = np.arange(len(group_list))
# 여기서 width은 1(꽉참)을 기준으로 적절히 넣어주자.
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()

그룹이 많은 경우, 적은 그룹은 ETC로 한번에 묶어서 처리하자.

2. 정확한 Bar Plot¶

2.1. Principle of Proportion Ink¶

실제 값과 그에 표현되는 그래픽으로 표현되는 잉크 양은 비례해야 한다. 즉

• 반드시 x축의 시작은 zero(0)
  • 만약 차이를 나타내고 싶다면 plot의 세로 비율을 늘린다.

In [35]:

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

Out[35]:

gender	female	male
math score	63.633205	68.728216
reading score	72.608108	65.473029
writing score	72.467181	63.311203

In [38]:

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)

# 스케일을 바꿔서 보여주면 같은 그래프여도 다르게 보인다.
axes[0].set_ylim(60,75)

plt.show()

2.2. 데이터 정렬하기¶

더 정확한 정보를 전달하기 위해서는 데이터를 정렬 후 시각화 하자.

• pandas : sort_values(), sort_index()
• 데이터 종류에 따라 기준이 달라진다.
  • 시계열 : 시간순
  • 수치형 : 크기순
  • 순서형 : 범주의 순서대로
  • 명목형 : 범주의 값 따라 정렬

여러가지 기준으로 정렬하여 insight 발견을 해보자.

2.3. 적절한 공간 활용¶

여백과 공간만 조정해도 가독성이 높아짐

• X/Y axis Limit(.set_xlim(), .set_ylim())
• Margins(.margins()) : 사각형안에 비율 설정
• Gap(width)
• Spines(.spines[spine].set_visible()) : 태두리 유무

In [52]:

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,
      edgecolor='black', # 태두리
      linewidth=2, # 태두리 두께
      color='royalblue')

ax.margins(0.1, 0.1) # 비율 설정

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

plt.show()

2.4. 복잡함과 단순함¶

무엇을 보고 싶은지, 필요한 것을 보여주자.

• grid : 격자 추가
• text

In [60]:

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', # 태두리
      linewidth=2, # 태두리 두께
      color='royalblue',
          zorder=10) # 격자를 위한 추가
    
    ax.margins(0.1, 0.1)
    
    for s in ['top','right']:
        ax.spines[s].set_visible(False)
        
axes[1].grid(zorder=0)

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

2.5. ETC¶

• errorbar : 오차 막대를 추가해서 Uncertainty 정보를 추가 가능
• bar 사이의 Gap이 0 : 히스토그램

In [61]:

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

Out[61]:

gender	female	male
math score	15.491453	14.356277
reading score	14.378245	13.931832
writing score	14.844842	14.113832

In [72]:

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

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

ax.bar(idx-width/2, score['male'],
      color='royalblue',
      width=width,
      label='Male',
       #error bar 추가
        yerr=score_var['male'],
        capsize=10
      )

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)

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

ax.legend()
ax.set_title('Gender / Score', fontsize=20)
ax.set_xlabel('subject', fontweight='bold')
ax.set_ylabel('score', fontweight='bold')

plt.show()