[Python] Seaborn - 차트 활용 및 옵션

라이브러리 및 옵션 설정¶

In [1]:

import os 
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt

#그래프를 바로 아래에 출력
%matplotlib inline 
mpl.rc('font', family ='AppleGothic') #맥용 폰트 설정

#mpl.rc('font', family ='Malgun Gothic') #윈도우용 폰트 설정

plt.rcParams['axes.unicode_minus'] = False #마이너스 숫자가 잘 나오도록 설정

from IPython.display import set_matplotlib_formats
set_matplotlib_formats('retina') #선명하게 그리는 옵션

/var/folders/_b/znjp14gd02d8lg63thqc7bm40000gn/T/ipykernel_17983/1369781442.py:15: DeprecationWarning: `set_matplotlib_formats` is deprecated since IPython 7.23, directly use `matplotlib_inline.backend_inline.set_matplotlib_formats()`
  set_matplotlib_formats('retina') #선명하게 그리는 옵션

데이터 불러오기¶

In [9]:

df1 = pd.read_csv('chapter3_data_ver2.csv')
df1.head()

Out[9]:

	채용담당자	채용시간(일)	고용형태	급여수준(달러)	직무정보	성별
0	JAMES JOHNSON	41	파트타임	23980	Principal Administrative Aide	여자
1	JAMES JOHNSON	48	풀타임	77390	Planning Specialist III	여자
2	LINDA JONES	50	풀타임	40429	Bus Operator	여자
3	PATRICIA WILLIAMS	52	풀타임	67580	Equipment Maintenance Crew Chief	남자
4	CHARLES MOORE	51	풀타임	81865	Public Information Officer II	여자

데이터 파악하기¶

In [10]:

df1.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2359 entries, 0 to 2358
Data columns (total 6 columns):
 #   Column    Non-Null Count  Dtype 
---  ------    --------------  ----- 
 0   채용담당자     2359 non-null   object
 1   채용시간(일)   2359 non-null   int64 
 2   고용형태      2359 non-null   object
 3   급여수준(달러)  2359 non-null   int64 
 4   직무정보      2359 non-null   object
 5   성별        2359 non-null   object
dtypes: int64(2), object(4)
memory usage: 110.7+ KB

In [11]:

df1.describe(include = 'all')

Out[11]:

	채용담당자	채용시간(일)	고용형태	급여수준(달러)	직무정보	성별
count	2359	2359.000000	2359	2359.000000	2359	2359
unique	20	NaN	2	NaN	205	2
top	WILLIAM WILSON	NaN	풀타임	NaN	Firefighter/Rescuer III	남자
freq	142	NaN	2122	NaN	307	1470
mean	NaN	48.267062	NaN	58598.821111	NaN	NaN
std	NaN	8.206510	NaN	23428.478639	NaN	NaN
min	NaN	23.000000	NaN	15010.000000	NaN	NaN
25%	NaN	43.000000	NaN	43309.000000	NaN	NaN
50%	NaN	48.000000	NaN	53520.000000	NaN	NaN
75%	NaN	54.000000	NaN	67102.000000	NaN	NaN
max	NaN	78.000000	NaN	198853.000000	NaN	NaN

---

시각화 그림을 더 잘 들여다보기 위한 함수들¶

Q. 채용 담당자 별로 채용시간이 얼마나 걸리는지?

In [12]:

df1.pivot_table(index = '채용담당자', values = '채용시간(일)')

Out[12]:

	채용시간(일)
채용담당자
BARBARA DAVIS	44.990826
CHARLES MOORE	41.807143
DAVID ANDERSON	49.357143
DOROTHY THOMPSON	56.586538
ELIZABETH RODRIGUEZ	40.963504
JAMES JOHNSON	40.234848
JENNIFER MARTINEZ	49.088496
JOHN BROWN	53.818898
JOSEPH JACKSON	48.560976
LINDA JONES	49.901408
MARGARET MARTIN	49.238532
MARIA TAYLOR	45.356589
MARY SMITH	49.770000
MICHAEL GARCIA	53.640777
PATRICIA WILLIAMS	54.476190
RICHARD THOMAS	40.982456
ROBERT MILLER	49.266187
SUSAN HERNANDEZ	49.935780
THOMAS WHITE	53.380952
WILLIAM WILSON	50.225352

In [23]:

plt.figure(figsize = (10,7)) #그래프 크기 지정
sns.barplot(data = df1, y = '채용담당자', x = '채용시간(일)', ci = False )
plt.title("채용 담당자 별 평균 채용 시간(단위 : 일)") #그래프 제목 지정
plt.xlim(30,60) #x범위 지정

/var/folders/_b/znjp14gd02d8lg63thqc7bm40000gn/T/ipykernel_17983/849905360.py:2: FutureWarning: 

The `ci` parameter is deprecated. Use `errorbar=('ci', False)` for the same effect.

  sns.barplot(data = df1, y = '채용담당자', x = '채용시간(일)', ci = False )

Out[23]:

(30.0, 60.0)

Seaborn / Matplotlib 만으로 각각 그래프 그려보기¶

In [26]:

#seaborn
sns.scatterplot(data = df1, x = '채용시간(일)' , y = '급여수준(달러)', s = 300, alpha = 0.3)

Out[26]:

<Axes: xlabel='채용시간(일)', ylabel='급여수준(달러)'>

In [27]:

#matplotlib
time = df1['채용시간(일)'].to_list()
salary = df1['급여수준(달러)'].to_list()

plt.figure(figsize = (5,5))
plt.scatter(time, salary, s = 300, alpha = 0.3)
plt.xlabel('채용시간(일)')
plt.ylabel('급여수준(달러)')
plt.title("채용 담당자 별 평균 채용 시간(단위 : 일)")
#plt.show() #버전에 따라 해당 명령어 해야하는 경우도 있음

Out[27]:

Text(0.5, 1.0, '채용 담당자 별 평균 채용 시간(단위 : 일)')

Matplotlib와 Seaborn을 적절히 활용하여 시각화 하기¶

In [40]:

#시각화할 판 생성
fig, axes = plt.subplots(nrows = 2, ncols = 1, figsize = (10,7)) 
fig.suptitle('제품 기간(일) 분포', fontsize = 15, fontweight = 'bold')

Out[40]:

Text(0.5, 0.98, '제품 기간(일) 분포')

In [39]:

#시각화할 판 생성
fig, axes = plt.subplots(nrows = 2, ncols = 1, figsize = (10,7)) 
fig.suptitle('제품 기간(일) 분포', fontsize = 15, fontweight = 'bold')

#첫번째 그래프 시각화
plot_1 = sns.histplot(data = df1, ax = axes[0], x = '채용시간(일)', bins = 20, kde = True, color = 'skyblue') #ax 옵션을 통해 위치 할당
plot_1.set_xlabel('') #x축 라벨 삭제
plot_1.set_title('Histogram', loc = 'right') #차트 이름 설정


#두번째 그래프 시각화
plot_2 = sns.boxplot(data = df1, ax = axes[1], x = '채용시간(일)', color = 'skyblue') #ax 옵션을 통해 위치 할당
plot_2.set_xlabel('') #x축 라벨 삭제
plot_2.set_title('Boxplot', loc = 'right') #차트 이름 설정

Out[39]:

Text(1.0, 1.0, 'Boxplot')

In [ ]:

plt.savefig('title.pdf', dpi = 100, format = 'pdf', bbox_inches = 'tight') 

#dpi : 화질
#bbox_inches : plot 여백 설정