JINHEE's lab

plt.plot(x, np.sin(x))    

plt.xlim(-1, 11)                    # x 축의 리밋 지정 -1~11까지
plt.ylim(-1.5, 1.5)                 # y 축의 리밋 지정 -1.5~1.5까지

plt.plot(x, np.sin(x))
plt.xlim(10, 0)                       # x축을 반전시켰다, 좌우반전
plt.ylim(1.2, -1.2)                   # y축을 반전시켰다, 상하반전

plt.plot(x, np.sin(x))          # 또 다른 표현 방법
plt.axis([-1,11,-1.5,1.5])                   # x,y에 해당되는 축을 리스트 안에 표현

plt.plot(x,np.sin(x))
plt.axis('tight')     # 그래프 꽉채워서 출력, 기본값이긴 함, 그러나 x축과 y축의 비례관계가 지금 다르니 진짜 그래프 모양과 좀 다름

plt.plot(x, np.sin(x))
plt.axis('equal')                        # x축과 y축의 비율 동일하게 만들어줌. 이게 진짜 그래프의 크기임

plt.plot(x, np.sin(x)) plt.plot(x, np.cos(x))

fig = plt.figure() # 그림판 만들기 plt.plot(x, np.sin(x), '-') # '-'/'--'은 선의 타입을 나타낸다. '-'solid line / '--' dash line /'.' dot /'-.' dashdot plt.plot(x, np.cos(x), '--')

plt.figure()

plt.subplot(2,1,1)                 
plt.plot(x, np.sin(x)) 
plt.subplot(2,1,2)  
plt.plot(x, np.cos(x))

시각화 도구 중 하나인 matplotlib 패키지를 배워보자

​

matplotlib

-머신러닝을 위한 데이터를 시각화할 수 있는 패키지

-c언어로 개발된 것이 오리지널이나 python으로 감싸져서 나온 패키지로 또 나왔다. 또 시각화되는 표의 스타일을 지정할 수도 있다.

​

​

1. 임포트

import matplotlib as mpl
import matplotlib.pyplot as plt            # 원본 패키지와 파이썬으로 감싸놓은 버전 임포트

plt.style.use('classic')               # 스타일의 경우에는 여러 테마가 있는데 원하면 인터넷 찾아보고 선택해라
​

import numpy as np
x = np.linspace(0,10,100)              # 0에서 10사이에 100개의 값을 만들어라 , linspace: 특정 사이 값을 원하는 만큼 만들기
x

출력>
array([ 0.        ,  0.1010101 ,  0.2020202 ,  0.3030303 ,  0.4040404 ,
        0.50505051,  0.60606061,  0.70707071,  0.80808081,  0.90909091,
        1.01010101,  1.11111111,  1.21212121,  1.31313131,  1.41414141,
        1.51515152,  1.61616162,  1.71717172,  1.81818182,  1.91919192,
        2.02020202,  2.12121212,  2.22222222,  2.32323232,  2.42424242,
        2.52525253,  2.62626263,  2.72727273,  2.82828283,  2.92929293,
        3.03030303,  3.13131313,  3.23232323,  3.33333333,  3.43434343,
        3.53535354,  3.63636364,  3.73737374,  3.83838384,  3.93939394,
        4.04040404,  4.14141414,  4.24242424,  4.34343434,  4.44444444,
        4.54545455,  4.64646465,  4.74747475,  4.84848485,  4.94949495,
        5.05050505,  5.15151515,  5.25252525,  5.35353535,  5.45454545,
        5.55555556,  5.65656566,  5.75757576,  5.85858586,  5.95959596,
        6.06060606,  6.16161616,  6.26262626,  6.36363636,  6.46464646,
        6.56565657,  6.66666667,  6.76767677,  6.86868687,  6.96969697,
        7.07070707,  7.17171717,  7.27272727,  7.37373737,  7.47474747,
        7.57575758,  7.67676768,  7.77777778,  7.87878788,  7.97979798,
        8.08080808,  8.18181818,  8.28282828,  8.38383838,  8.48484848,
        8.58585859,  8.68686869,  8.78787879,  8.88888889,  8.98989899,
        9.09090909,  9.19191919,  9.29292929,  9.39393939,  9.49494949,
        9.5959596 ,  9.6969697 ,  9.7979798 ,  9.8989899 , 10.        ])

4.명령어로 표 그리기. 괄호안에는 순서대로 (x,y) 값이다.

plt.plot(x,x)

4-1. numpy로 만든 sin값을 y축으로 한 그래프

plt.plot(x, np.sin(x))           # x축은 0부터 10까지 계속 증가가 되는데 np.sin(x)의 값은 상승-하강-상승-하강을 한다.

4-2. numpy로 만든 cos 그래프를 그려보자

plt.plot(x,np.cos(x))            # 코싸인 버전

이런식으로 그래프를 그릴 때 sin, cos 그래프가 찌그러져 있다면 데이터에 노이즈가 있다는 뜻이다.

1. 표 불러오기

births = pd.read_csv('https://raw.githubusercontent.com/jakevdp/data-CDCbirths/master/births.csv')
births.head()
     
출력>
year	month	day	gender	births
0	1969	1	1.0	F	4046
1	1969	1	1.0	M	4440
2	1969	1	2.0	F	4454
3	1969	1	2.0	M	4548
4	1969	1	3.0	F	4548

2. 10년 단위 항목을 추가해보기

births['decade'] = births['year'] // 10 * 10        # // 나누고 나머지는 버림(몫)
births.head()

출력>
	year	month	day	gender	births	decade
0	1969	1	1.0	F	4046	1960
1	1969	1	1.0	M	4440	1960
2	1969	1	2.0	F	4454	1960
3	1969	1	2.0	M	4548	1960
4	1969	1	3.0	F	4548	1960

3. 그래프 방향 설정(= 피봇팅) 및 원하는 직계함수(aggfunc)로 표 수정

births.pivot_table('births', index='decade',columns = 'gender',aggfunc='sum')

출력>
gender	F	M
decade		
1960	1753634	1846572
1970	16263075	17121550
1980	18310351	19243452
1990	19479454	20420553
2000	18229309	19106428

4. .plot을 붙여 그래프로 시각화 한다

births.pivot_table('births', index='year',columns = 'gender',aggfunc='sum').plot()