Data_Mining_Penguin

code

data_mining

jupyter

Author

Seongtaek

Published

April 27, 2023

Penguin Data

Jupyter에서 실행하기

1 Load data

예제로 사용할 펭귄 데이터를 불러옵니다.
seaborn에 내장되어 있습니다.

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

penguins = sns.load_dataset("penguins")
penguins.head()

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female

2 Figure and Axes

matplotlib으로 도화지figure를 깔고 축공간axes를 만듭니다.
1 x 2 축공간을 구성합니다.

### 도화지 생성
fig, axes = plt.subplots(ncols=2, figsize=(8,4))

fig.tight_layout()

3 plot with matplotlib

matplotlib 기능을 이용해서 산점도를 그립니다.
- x축은 부리 길이 bill length
- y축은 부리 위 아래 두께 bill depth
- 색상은 종species로 합니다.
- Adelie, Chinstrap, Gentoo이 있습니다.
두 축공간 중 왼쪽에만 그립니다.
컬러를 다르게 주기 위해 f-string 포맷을 사용했습니다. f-string 포맷에 대한 설명은 https://blockdmask.tistory.com/429를 참고하세요

### 도화지 생성
fig, axes = plt.subplots(ncols=2,figsize=(8,4))

### 모든 펭귄 종류
species_u = penguins["species"].unique()

### 첫 번째 subplot 그리기
for i, s in enumerate(species_u):
    axes[0].scatter(penguins["bill_length_mm"].loc[penguins["species"]==s],
                    penguins["bill_depth_mm"].loc[penguins["species"]==s],
                    c=f"C{i}", label=s, alpha=0.3)

### 범례 추가
axes[0].legend(species_u, title="species", fontsize=8)

### x,y 레이블 지정
axes[0].set_xlabel("Bill Length (mm)")
axes[0].set_ylabel("Bill Depth (mm)")

### plt.show()
fig.tight_layout()

조금 더 간단히 그리는 방법
- matplotlib는 기본적으로 Categorical 변수를 color로 바로 사용하지 못함

### 펭귄 종류를 고유의 숫자코드로 변환
penguins["species_codes"] = pd.Categorical(penguins["species"]).codes

### 도화지 생성
fig, axes = plt.subplots(ncols=2,figsize=(8,4))

### 첫 번재 subplot 그리기 
a = axes[0].scatter(data=penguins, x="bill_length_mm", y="bill_depth_mm", c="species_codes", alpha=0.3) # 크기:s
a

### 범례 추가
axes[0].legend(*a.legend_elements(), title="Species", fontsize=8) # 범례위치 : loc='lower right', 'upper center', etc..

### x,y 레이블 지정
axes[0].set_xlabel("Bill Length (mm)")
axes[0].set_ylabel("Bill Depth (mm)")

<__array_function__ internals>:180: UserWarning: Warning: converting a masked element to nan.
C:\Users\seong taek\anaconda3\lib\site-packages\matplotlib\colors.py:1311: UserWarning: Warning: converting a masked element to nan.
  data = np.asarray(value)
C:\Users\seong taek\anaconda3\lib\site-packages\matplotlib\ticker.py:521: UserWarning: Warning: converting a masked element to nan.
  if self._useLocale else fmt % arg)





Text(0, 0.5, 'Bill Depth (mm)')

4 Plot with seaborn

두 번째 plot 그리기

### 도화지 생성
fig, axes = plt.subplots(ncols=2,figsize=(8,4))

### 모든 펭귄 종류
species_u = penguins["species"].unique()

### 첫 번째 subplot 그리기
for i, s in enumerate(species_u):
    axes[0].scatter(penguins["bill_length_mm"].loc[penguins["species"]==s],
                    penguins["bill_depth_mm"].loc[penguins["species"]==s],
                    c=f"C{i}", label=s, alpha=0.3)

### 범례 추가    
axes[0].legend(species_u, title="species")

### x,y 레이블 지정
axes[0].set_xlabel("Bill Length (mm)")
axes[0].set_ylabel("Bill Depth (mm)")


### 두 번째 subplot 그리기
sns.scatterplot(x="bill_length_mm", y="bill_depth_mm", hue="species", data=penguins, alpha=0.3, ax=axes[1])
axes[1].set_xlabel("Bill Length (mm)")
axes[1].set_ylabel("Bill Depth (mm)")

fig.tight_layout()

단 세 줄로 거의 동일한 그림이 나왔습니다.
- scatter plot의 점 크기만 살짝 작습니다.
- label의 투명도만 살짝 다릅니다.
seaborn 명령 scatterplot()을 그대로 사용했습니다.
x축과 y축 label도 바꾸었습니다.
- ax=axes[1] 인자에서 볼 수 있듯, 존재하는 axes에 그림만 얹었습니다.
- matplotlib 틀 + seaborn 그림 이므로, matplotlib 명령이 모두 통합니다.

5 matplotlib + seaborn & seaborn + matplotlib

matplotlib과 seaborn이 자유롭게 섞일 수 있습니다.
- matplotlib 산점도 위에 seaborn 추세선을 얹을 수 있고,
- seaborn 산점도 위에 matplotlib 중심점을 얹을 수 있습니다.
파이썬 코드는 다음과 같습니다.

### 도화지 생성
fig, axes = plt.subplots(ncols=2, figsize=(8, 4))

### 모든 펭귄 종류
species_u = penguins["species"].unique()

### 첫 번째 subplot 그리기 + 추세선
for i, s in enumerate(species_u):
    axes[0].scatter(penguins["bill_length_mm"].loc[penguins["species"]==s],
                   penguins["bill_depth_mm"].loc[penguins["species"]==s],
                   c=f"C{i}", label=s, alpha=0.3
                  )                  
    sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=penguins.loc[penguins["species"]==s], 
                scatter=False, ax=axes[0])
    
axes[0].legend(species_u, title="species")
axes[0].set_xlabel("Bill Length (mm)")
axes[0].set_ylabel("Bill Depth (mm)")

### 두 번째 subplot 그리기
sns.scatterplot(x="bill_length_mm", y="bill_depth_mm", hue="species", data=penguins, alpha=0.3, ax=axes[1])
axes[1].set_xlabel("Bill Length (mm)")
axes[1].set_ylabel("Bill Depth (mm)")


### 중심점 marker
for i, s in enumerate(species_u):
    axes[1].scatter(penguins["bill_length_mm"].loc[penguins["species"]==s].mean(),
                   penguins["bill_depth_mm"].loc[penguins["species"]==s].mean(),
                   c=f"C{i}", alpha=1, marker="x", s=100
                  )

fig.tight_layout()

6 seaborn + seaborn + matplotlib

안 될 이유가 없습니다.
seaborn scatterplot + seaborn kdeplot + matplotlib text입니다

### 도화지 생성
fig, ax = plt.subplots(figsize=(6,5))

### plot 0: scatter plot
sns.scatterplot(x="bill_length_mm", y="bill_depth_mm", color="k", data=penguins, alpha=0.3, ax=ax, legend=False)

### plot 1: kde plot (밀도 그래프)
sns.kdeplot(x="bill_length_mm", y="bill_depth_mm", hue="species", data=penguins, alpha=0.5, ax=ax, legend=False)

### text:
species_u = penguins["species"].unique()
for i, s in enumerate(species_u):
    ax.text(penguins["bill_length_mm"].loc[penguins["species"]==s].mean(),
            penguins["bill_depth_mm"].loc[penguins["species"]==s].mean(),
            s = s, fontdict={"fontsize":14, "fontweight":"bold","color":"k"}
            )

ax.set_xlabel("Bill Length (mm)")
ax.set_ylabel("Bill Depth (mm)")

fig.tight_layout()

7 Quiz

Bill length를 10단위로 나눈 후, Bill length에 따른 Bill depth의 boxplot을 그리시오

### bill length를 10단위로 만든 후, 새로운 컬럼 추가
penguins['bill_length_10'] = (penguins['bill_length_mm'] // 10) * 10
penguins

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	species_codes	bill_length_10
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male	0	30.0
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female	0	30.0
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female	0	40.0
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	0	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female	0	30.0
…	…	…	…	…	…	…	…	…	…
339	Gentoo	Biscoe	NaN	NaN	NaN	NaN	NaN	2	NaN
340	Gentoo	Biscoe	46.8	14.3	215.0	4850.0	Female	2	40.0
341	Gentoo	Biscoe	50.4	15.7	222.0	5750.0	Male	2	50.0
342	Gentoo	Biscoe	45.2	14.8	212.0	5200.0	Female	2	40.0
343	Gentoo	Biscoe	49.9	16.1	213.0	5400.0	Male	2	40.0

344 rows × 9 columns

### 박스 plot
sns.boxenplot(x = 'bill_length_10', y = 'bill_depth_mm', data=penguins)

### 점 표현
sns.stripplot(x = 'bill_length_10', y = 'bill_depth_mm', data=penguins, color='black', size=4)

sns.set_style('whitegrid')
plt.show()

7.1 sns.set_style

darkgrid: 어두운 배경에 격자 라인이 그려지는 스타일
whitegrid: 밝은 배경에 격자 라인이 그려지는 스타일
dark: 어두운 배경에 격자 라인이 없는 스타일
white: 밝은 배경에 격자 라인이 없는 스타일
ticks: 격자 라인 대신 축의 눈금 표시가 있는 스타일

7.2 pd.cut 이용

### bill length를 구간별로 만든 후, 새로운 컬럼 추가
penguins['bill_length_group'] = pd.cut(penguins['bill_length_mm'],
                                      bins=[0,40,50,60],
                                      labels=['0~40', '40~50', '50~60'])
penguins

	species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	species_codes	bill_length_10	bill_length_group
0	Adelie	Torgersen	39.1	18.7	181.0	3750.0	Male	0	30.0	0~40
1	Adelie	Torgersen	39.5	17.4	186.0	3800.0	Female	0	30.0	0~40
2	Adelie	Torgersen	40.3	18.0	195.0	3250.0	Female	0	40.0	40~50
3	Adelie	Torgersen	NaN	NaN	NaN	NaN	NaN	0	NaN	NaN
4	Adelie	Torgersen	36.7	19.3	193.0	3450.0	Female	0	30.0	0~40
…	…	…	…	…	…	…	…	…	…	…
339	Gentoo	Biscoe	NaN	NaN	NaN	NaN	NaN	2	NaN	NaN
340	Gentoo	Biscoe	46.8	14.3	215.0	4850.0	Female	2	40.0	40~50
341	Gentoo	Biscoe	50.4	15.7	222.0	5750.0	Male	2	50.0	50~60
342	Gentoo	Biscoe	45.2	14.8	212.0	5200.0	Female	2	40.0	40~50
343	Gentoo	Biscoe	49.9	16.1	213.0	5400.0	Male	2	40.0	40~50

344 rows × 10 columns

sns.boxenplot(x = 'bill_length_group', y = 'bill_depth_mm', data=penguins)
sns.stripplot(x = 'bill_length_group', y = 'bill_depth_mm', data=penguins, color='black', size=4)

sns.set_style('whitegrid')
sns.despine()
plt.show()

sns.scatterplot(x='bill_length_mm', y='bill_depth_mm', data=penguins, alpha=0.3)

plt.show()

열 기준 : species
색상 : species별
한 행의 subplot 개수
map : x축, y축 지정
sns.despine : 상단, 우측 축 제거

g = sns.FacetGrid(penguins, col='species',hue='species',col_wrap=3)
g.map(sns.scatterplot, 'bill_length_mm', 'bill_depth_mm')

sns.set_style('whitegrid')
sns.despine()

plt.show()