Seaborn with Matplotlib (3)

3. seaborn figure-level function

• seaborn의 핵심기능, 강력한 명령입니다.
• 4부 중 세 번째 시간입니다.
• matplotlib으로는 매우 수고스러울 일을 줄여줍니다.
• 그러나 손대기 어렵기도 합니다. 이유와 해결방법을 알아봅시다.

seaborn API
seaborn tutorial
seaborn with matplotlib (1)

• 지난 글에서 matplotlib과 친한 함수를 알아봤습니다.

  • 이런 axex 반환 함수를 axes-level 함수,
  • 반대로 그림 전체를 반환하는 함수를 figure-level 함수라고 합니다.

• 아래 노란 부분이 figure-level 함수입니다.
  
  

• 반환 형식return type이 왜 이렇게 깔끔하지 않은지는 뒤에 보겠습니다.

• figure-level 함수는 복잡한 그림을 한 번에 편하게 그려줍니다.

3.1. figure-level 편리함 맛보기: FacetGrid()

• seaborn에 내장된 penguins dataset에는 이런 데이터가 있습니다.

  • bill_length_mm : 부리 길이
  • bill_depth_mm : 부리 위아래 두께
  • species : 펭귄 종
  • sex : 성별
  • island : 서식지

• 이 데이터를 산점도로 한번에 나타내고자 합니다.

  • X축 : bill_length_mm
  • Y축 : bill_depth_mm
  • 색상 : species
  • X방향 axes : island
  • Y방향 axes : sex

• matplotlib 코드는 이렇습니다.

fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(12, 8), sharex=True, sharey=True)

# 인자별 데이터 종 수 세기
sex = penguins["sex"].dropna().unique()
island = penguins["island"].dropna().unique()
species = penguins["species"].dropna().unique()

# X방향 axes: sex
for i in range(len(sex)): 
    # Y방향 axes: island
    for j in range(len(island)):
        # 색상 : species
        for k in range(len(species)):
            try:
                axes[i][j].scatter(penguins.loc[penguins["sex"] == sex[i]].loc[penguins["island"] == island[j]].loc[penguins["species"] == species[k]]["bill_length_mm"], 
                                   penguins.loc[penguins["sex"] == sex[i]].loc[penguins["island"] == island[j]].loc[penguins["species"] == species[k]]["bill_depth_mm"])
                axes[i][j].set_title(f"sex = {sex[i]} | island = {island[j]}")
            except:  # 결측치 예외처리
                pass
        
        # 맨 아래줄에만 xlabel 추가
        axes[len(sex)-1, j].set_xlabel("bill_length_mm")

    # 맨 왼쪽에만 ylabel 추가
    axes[i, 0].set_ylabel("bill_depth_mm")

# 그래프 우측에 범례 표시
fig.legend(species,  title="species", bbox_to_anchor=(0.95, 0.5))

# 그래프 간격 조정
fig.tight_layout(rect=[0,0,0.85,1])

• 따로 꾸민 것도 없는데 매우 번잡합니다.

  1. 인자별로 몇가지인지를 알아내야 합니다.
  2. 결측치 처리가 필요합니다. 안하면 에러납니다.
  3. 색상별로 따로 그려야 합니다.

• 그런데 seaborn을 사용하면 세 줄 만에 끝납니다.

g = sns.FacetGrid(penguins, row="sex", col="island", hue="species")
g.map(sns.scatterplot, "bill_length_mm", "bill_depth_mm")
g.add_legend()

• FacetGrid()로 만든 공간을 .map()으로 채웁니다.

  • 데이터셋 이름, 변수 이름, 그리는 방식 외에 다른 내용이 없습니다.
  • 인자가 여럿인 관계를 보기에 아주 좋습니다.

• 밀도 함수density plot로 바꾸는 것도 간단합니다.

• 위 코드에서 sns.scatterplot만 sns.kdeplot으로 넣으면 됩니다.

g = sns.FacetGrid(penguins, row="sex", col="island", hue="species")
g.map(sns.kdeplot, "bill_length_mm", "bill_depth_mm")
g.add_legend()

• figure-level 함수는 복잡한 그림을 간단히 그릴 때 매우 강력합니다.
  
• 이 그림들을 matplotlib으로 그리려면 얼마나 막막할까요.
  
  

3.2. figure-level 꾸미기: FacetGrid()

seaborn.FacetGrid
seaborn.kdeplot
seaborn.regplot

• 이번엔 figure-level 그림을 꾸며 보겠습니다.

  1. kdeplot위에 추세선을 겹쳐 그립니다.
  • 추세선이 중간에 안끊기면 좋겠습니다.
  • 신뢰구간은 80% 수준으로 그리고 싶습니다.
  2. xlabel을 "Bill Length (mm)"로 바꾸고
  3. ylabel을 "Bill Depth (mm)"로 바꿉니다.

• 공식 홈페이지의 설명에 힘입어 해냈습니다.

g = sns.FacetGrid(penguins, row="sex", col="island", hue="species")
g.map(sns.kdeplot, "bill_length_mm", "bill_depth_mm", alpha=0.3)
g.map(sns.regplot, "bill_length_mm", "bill_depth_mm", truncate=False, ci=80, scatter=False)

g.set_axis_labels("Bill Length (mm)", "Bill Depth (mm)")
g.add_legend()

• 한 단계 더 꾸며보도록 합시다.

  1. xlabel, ylabel 글자를 키우고 싶습니다.
  2. 추세선의 신뢰구간 80%를 적어두고 싶습니다.
  3. axes마다 붙어 있는 title을 정리하고 싶습니다.

• 첫 단계에서 막혔습니다.
  
  

• xlabel, ylabel을 수정할 때 set_axis_labels()를 사용했습니다.

  • 공식 홈페이지의 FacetGrid()부분 가이드를 따른 것입니다.
  • 그런데 set_axis_labels()에 대한 설명이 더 이상 없습니다.

• 혹시나, matplotlib 명령어를 넣어봅니다.

• fontdict=를 적용합니다.

g = sns.FacetGrid(penguins, row="sex", col="island", hue="species")
g.map(sns.kdeplot, "bill_length_mm", "bill_depth_mm", alpha=0.3)
g.map(sns.regplot, "bill_length_mm", "bill_depth_mm", truncate=False, ci=80, scatter=False)

g.set_axis_labels("Bill Length (mm)", "Bill Depth (mm)", 
                  fontdict={"fontsize":"large", "color":"gray", "fontweight":"bold"})
g.add_legend()

• figure-level 그림의 세부 설정은 도움말 찾기도 어렵습니다.
• 매뉴얼에 없는 내용을 상상해서 넣어야 합니다.
  • 아직은 공식 홈페이지가 충만하지 않습니다.
  • 소스코드를 뜯어봐서 기능을 확인하거나
  • matplotlib 명령어를 숙지하고 대응시켜 시도해야 합니다.

3.3. figure-level의 장단점

• 공식 튜토리얼에 정리된 장단점은 이렇습니다.
  
  

• 하나씩 짚어보겠습니다.
  

• (1) 데이터 변수에 따른 축공간 생성

  • matplotlib에서 변수 갯수를 세어야 했던 것에 비해서 편리합니다.
  • seaborn에 구현된 그림을 제어하는 인자 수가 확실히 적습니다.
  • 번거롭더라도 axes에 직접 접근해서 matplotlib 명령을 쓰는 게 낫습니다.

• (2) 그림 밖 범례 생성

  • 그림 밖에 붙는 것은 다행입니다.
  • 그러나 통제가 안되어 심각한 갈증을 유발합니다.

• (3) figure-level 수정 & (4) figure size를 조정하는 인자가 다름

  • 장점보다 단점이 크다고 생각됩니다.
  • 더 쉬운 명령어를 제공한다고 해도 결국은 또 다른 문법입니다.
  • matplotlib 명령어만 해도 정신이 없는데 말이죠.

• 지금까지의 경험으로 이런 결론이 나옵니다.

  • “figure-level의 가성비는 그리자마자, 손을 더 대기 전이 가장 높다.”
  • 새로운 명령어는 새로운 혼돈입니다.
  • 시각화만 붙잡고 있을 게 아니라 통계분석, 머신러닝도 해야 하거든요.

3.4. figure-level그림이 손대기 어려운 이유

github: seaborn source code

• seaborn 코드를 뜯어보면 클래스 구조는 이렇습니다.
  
  

• multi-plot grids는 Grid 클래스를 상속받는 가족입니다.

  • FacetGrid(), PairGrid(), ClusterGrid 입니다.
  • JointGrid()는 Grid를 상속받지 않습니다.
  • Grid로 만든 공간에 목적에 맞는 그림을 채웁니다.
  • relplot(), displot(), catplot(), lmplot()은 1x1 FacetGrid()로 출력됩니다.

• 그리고 Grid 클래스는 figure의 wrapper입니다.

  • 정확히는 matplotlib.pyplot.subplots()의 wrapper입니다.
  • 따라서 figure, axes에 적용되는 matplotlib 명령이 안통합니다.
  • 그래서 set_axis_labels같은 자체 명령어를 탑재하고 있습니다.
  • 하지만 보셨다시피 도움말이 충분치 않습니다.

3.5. figure-level 그림을 꾸미는 방법

Doctor! The heart’s stopped!

• 한마디로, seaborn 제공 함수는 한계가 큽니다.

  • 기능 자체도 많이 빠져있고
  • 있는 기능도 문서화가 덜 됐습니다.
  • 이걸 믿고 쓰긴 어렵습니다.

• 하지만 대안이 있습니다.

  • seaborn 그림을 matplotlib 그림으로 간주합니다.
  • figure-level 객체 안으로 한 걸음 들어갑니다.
  • 그리고 figure와 axes를 직접 건드립니다.

• 개흉 심장마사지를 상상하시면 됩니다.

• 가슴을 열고 직접 심장을 마사지하는 겁니다.
  
  

• 그러면, 풀지 못했던 난제도 이렇게 풀립니다.

g = sns.FacetGrid(penguins, row="sex", col="island", hue="species", margin_titles=True, despine=False)
g.map(sns.kdeplot, "bill_length_mm", "bill_depth_mm", alpha=0.3)
g.map(sns.regplot, "bill_length_mm", "bill_depth_mm", truncate=False, ci=80, scatter=False)
g.add_legend()

# xlabel, ylabel 수정
g.set_axis_labels("Bill Length (mm)", "Bill Depth (mm)", 
                  fontdict={"fontsize":"large", "color":"gray", "fontweight":"bold"})

# axes 직접 접근, 1차원 행렬로 표현
axs = g.axes.ravel()
for i, ax in enumerate(axs):
    # 열 title 수정
    if i < 3:
        ax.set_title(ax.get_title(), fontdict={"fontsize":"x-large", "color":"k"}, pad=12)
    
    # 행 title 수정
    if i%3 == 2:
        sex = "Male" if i == 2 else "Female"
        ax.texts.clear()
        text = ax.annotate(f"sex = {sex}", xy=(1.02, .5), xycoords="axes fraction", rotation=270, 
                           ha="left", va="center", fontsize="x-large", color="k")

# suptitle 추가
g.fig.suptitle("Penguins dataset summary (ci = 80%)        ", 
               fontsize="xx-large", fontweight="bold", color="indigo")

# 전반적 크기 조정               
g.fig.tight_layout(rect=[0,0,0.88,0.97])

• 외웁시다.
  1. figure-level 함수는 matplotlib과 못 섞는다.
  2. figure-level 함수는 figure와 axes를 한번 더 감싸고 있다.
  3. figure-level 함수를 수정하려면 후벼 파는 과정이 필요하다.