4 Ways to Make Subplots

  • 시각화를 하다 보면 subplot을 자주 만듭니다.
  • subplot을 만드는 방법은 matplotlib에만도 여러 가지가 있고, seaborn에서는 FacetPlot()을 이용해 데이터로부터 subplot을 만들 수도 있습니다.
  • 관련 질문이 빈번하게 등장하여 종류별로 정리해 봤습니다.

0. 설정

Ridgeline Plot
Pega Devlog: Matplotlib Defaults and Fonts

  • 시각화를 위한 라이브러리를 불러오고 한글 출력을 설정합니다.
    1
    2
    3
    4
    5
    6
    7
    import matplotlib.pyplot as plt
    import pandas as pd
    import numpy as np
    import calendar

    plt.rcParams['font.family']='NanumGothic'
    plt.rcParams['axes.unicode_minus'] = False
  • Ridgeline Plot에 사용된 월별 기온 데이터를 활용합니다.
  • 여기에서 다운로드받을 수 있습니다.
  • 데이터 중 2016년만 선택해 일평균기온만 남깁니다.
    1
    2
    3
    4
    df = pd.read_csv("end-part2_df.csv")
    df["year"] = df["date"].apply(lambda x: x.split("-")[0])
    df["month"] = df["date"].apply(lambda x: x.split("-")[1]).astype("int")
    df_2016_temp = df.loc[df["year"] == "2016"][["month", "meantempm"]]
    예제 데이터
  • 이제부터 이 데이터로 이런 그림을 그리겠습니다.

1. Matplotlib state-based inteface

  • plt.plot()으로 대표되는 방법입니다.
  • 구성요소를 차례대로 만드는 방식으로 대부분의 matplotlib 교재와 강의에서 이렇게 시작합니다.
  1. figure를 생성합니다.
    • plot의 x와 y 범위를 동일하게 설정하기 위해 데이터로부터 범위를 추출합니다.
  2. plt.subplot()으로 subplot을 생성합니다.
    • subplot에 seaborn kdeplot()으로 그림을 그립니다.
    • plt.명령을 이용해 tick, grid, xlabel, ylabel 설정을 완료합니다.
  3. plt.subplots_adjust()로 subplot 사이 간격을 조정합니다.
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    # 1. matplotlib state-based

    # x, y 범위를 데이터의 최대값과 최소값으로 조정. 그림을 그리기 전에 미리 알고 있어야 함.
    # x 범위
    temp_max = df_2016_temp["meantempm"].max()
    temp_min = df_2016_temp["meantempm"].min()
    # y 범위 : seaborn 결과에서 객체지향 기법을 통해서 추출해야 함.
    # 그렇지 않으면 trial and error로 y범위를 설정해야 함.
    ymin = np.inf
    ymax = -np.inf
    for month in range(1, 13):
    temp_month = df_2016_temp["meantempm"].loc[df_2016_temp["month"] == month]
    g = sns.kdeplot(temp_month)
    ymin_, ymax_ = g.axes.get_ylim()
    if ymin_ < ymin:
    ymin = ymin_
    if ymax_ > ymax:
    ymax = ymax_
    plt.close()

    # figure size 지정
    plt.figure(figsize=(8, 4))

    for i in range(4):
    for j in range(3):
    month = i*3 + j + 1 # 월 이름
    temp_month = df_2016_temp["meantempm"].loc[df_2016_temp["month"] == month] # 월별 데이터

    # plot 공간 생성
    plt.subplot(4, 3, month)

    # 데이터 분포를 밀도함수로 표현
    sns.kdeplot(temp_month, fill=True, zorder=2) # kdeplot은 바로 앞에 있는 subplot에 그려짐.
    # kdeplot에 zorder가 없어 grid 위에 그릴 수 없음.
    plt.xlim(temp_min, temp_max)
    plt.ylim(ymin, ymax)

    plt.text(-13, 0.09, calendar.month_abbr[month]) # pyplot에서 subplot 내부 비율에 맞추는 방법을 찾지 못함.
    # 데이터 좌표로 입력 : 데이터가 바뀌면 좌표를 바꿔줘야 함.

    # 눈금 위치 지정: grid를 그릴 seed, 눈금 제거
    plt.yticks(ticks=[0, 0.03, 0.06, 0.09], labels=[])
    # 가로선 grid 생성
    plt.grid(axis="y", zorder=1)
    # y축 label 제거
    plt.ylabel("")
    # 눈금 제거 (길이를 0으로 만들어서 안보이게)
    plt.tick_params(axis="y", length=0)

    # 맨 아래 axes에만 x축 눈금과 label남김
    if i == 3:
    plt.xticks(ticks=[-15, 0, 15, 30], labels=["-15", "0", "15", "30"])
    plt.xlabel("mean Temp. ($^o$C)")
    # 나머지 axes는 x축 눈금과 label 제거
    else:
    plt.xticks(ticks=[-15, 0, 15, 30], labels=[])
    plt.xlabel("")
    plt.tick_params(axis="x", length=0)

    plt.suptitle("1. Matplotlib 상태기반 plt.subplot()")
    # subplots 사이 간격 조정
    plt.subplots_adjust(wspace=0.05, hspace=0.1)
  • 그림을 그리기 전에 x 범위를 데이터로부터 먼저 구했습니다.
    • 그러나 kdeplot의 특성상 plot이 실제 범위를 초과합니다.
    • 그림이 밀도함수를 모두 담지 못하는 경우가 생깁니다.
  • 상태기반 인터페이스는 밀도함수에 x 범위를 맞추기 어렵습니다.
    • x 범위를 맞추려면 kdeplot을 그린 후에 범위를 추출해야 합니다.
    • 하지만 순서대로 그리는 상태기반의 특성상 이 작업이 불가능합니다.

2. Matplotlib object-oriented (1)

  • 객체지향 방식은 Figure와 Axes를 사용합니다.
    • fig = plt.figure()로 전체 공간을 먼저 정의하고,
    • ax = fig.add_subplot()로 개별 공간을 만들 수 있습니다.
  1. figure를 생성합니다.
  2. fig.add_subplot()으로 subplot을 생성합니다.
    • subplot에 seaborn kdeplot()으로 그림을 그립니다.
    • axes list를 이용해 저장해두고 제어합니다.
    • ax.명령을 이용해 tick, grid, xlabel, ylabel 설정을 완료합니다.
  3. fig.subplots_adjust()로 subplot 사이 간격을 조정합니다.
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    63
    64
    65
    66
    67
    68
    69
    70
    71
    72
    73
    74
    75
    76
    77
    78
    79
    80
    81
    # 2. matplotlib object-oriented, ax.add_subplot()

    # figure 생성
    fig = plt.figure(figsize=(8, 4))

    # axes list 생성
    axs = []

    for i in range(4):
    for j in range(3):
    month = i*3 + j + 1 # 월 이름
    temp_month = df_2016_temp["meantempm"].loc[df_2016_temp["month"] == month] # 월별 데이터

    # axes 생성
    ax = fig.add_subplot(4, 3, month)
    """
    # Alternative
    # xlim, ylim은 쉽게 통일되지만 ticklabels가 모두 사라짐.

    if month == 1:
    ax = fig.add_subplot(4, 3, month)
    else:
    ax = fig.add_subplot(4, 3, month, sharex=axs[0], sharey=axs[0])
    """

    # 데이터 분포를 밀도함수로 표현
    sns.kdeplot(temp_month, fill=True, ax=ax, zorder=2) # kdeplot에 zorder가 없어 grid 위에 그릴 수 없음.

    # 화면 왼쪽 위에 월 이름을 약자로 표시
    ax.text(0.05, 0.7, calendar.month_abbr[month], transform=ax.transAxes)

    # 눈금 위치 지정: grid를 그릴 seed
    ax.set_yticks([0, 0.03, 0.06, 0.09])
    # 가로선 grid 생성
    ax.grid(axis="y", zorder=1)
    # 눈금 숫자 제거
    ax.set_yticklabels([])
    # y축 label 제거
    ax.set_ylabel("")
    # 눈금 제거 (길이를 0으로 만들어서 안보이게)
    ax.tick_params(axis="y", length=0)

    # 맨 아래 axes에만 x축 눈금과 label남김
    if i == 3:
    ax.set_xticks([-15, 0, 15, 30])
    ax.set_xticklabels(["-15", "0", "15", "30"])
    ax.set_xlabel("mean Temp. ($^o$C)")
    # 나머지 axes는 x축 눈금과 label 제거
    else:
    ax.set_xticklabels([])
    ax.set_xlabel("")
    ax.tick_params(axis="x", length=0)

    # axes list에 ax 추가
    axs.append(ax)

    # x, y 범위를 데이터의 최대값과 최소값으로 조정
    # 1번 방법과 같이 미리 구해도 되고 그래프를 그린 뒤에 구할 수도 있음.
    xmin, xmax = np.inf, -np.inf
    ymin, ymax = np.inf, -np.inf

    for ax in axs:
    xmin_, xmax_ = ax.get_xlim()
    ymin_, ymax_ = ax.get_ylim()

    if xmin_ < xmin:
    xmin = xmin_
    if xmax_ > xmax:
    xmax = xmax_
    if ymin_ < ymin:
    ymin = ymin_
    if ymax_ > ymax:
    ymax = ymax_

    for ax in axs:
    ax.set_xlim(xmin, xmax)
    ax.set_ylim(ymin, ymax)

    fig.suptitle("2. Matplotlib 객체지향 ax = fig.add_subplot()")
    # subplots 사이 간격 조정
    fig.subplots_adjust(wspace=0.05, hspace=0.1)
  • 객체지향 방식은 그리는 순서에 구애받지 않습니다.
    • axes를 만들어두고 나중에 접근할 수 있습니다.
    • x 범위처럼 데이터 전체를 아우르는 기준 설정에 좋습니다.
  • text객체 위치 지정에 유리합니다.
    • transform 인자로 개별 axes 기준 위치 지정이 가능합니다.
    • 화살표나 도형 삽입시에도 편리합니다.

3. Matplotlib object-oriented (2)

  • 어차피 만들 figure와 axes를 한 번에 만들 수 있습니다.
    • fig, ax = plt.subplot()를 사용합니다.
    • 여러 인자를 사전에 지정할 수 있습니다.
    • 덕택에 전체적으로 코드의 길이가 크게 줄어듭니다.
  • 개인적으로 가장 선호하는 방식입니다.
  1. figureaxes를 동시에 생성합니다.
    • 생성과 동시에 세부 설정을 완료합니다.
  2. forenumerateaxes에 하나씩 접근합니다.
    • 다른 방식에 비해 과정이 많이 절약됩니다.
    • ax.명령을 이용해 tick, grid, xlabel, ylabel 설정을 완료합니다.
  • 코드는 다음과 같습니다.
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    # 3. matplotlib object-oriented, plt.subplots()

    # figure와 axes 동시 생성
    fig, axes = plt.subplots(ncols=3, nrows=4, figsize=(8, 4), # 행 수, 열 수 지정, 크기 지정
    gridspec_kw={"wspace":0.05, "hspace":0.1}, # subplots 사이 간격 지정
    sharex=True, sharey=True) # subplots간 xlim, ylim 통일

    # axes를 1D array로 변형 : for loop을 한 번만 사용해도 됨.
    axs = axes.ravel()

    for month, ax in enumerate(axs, 1): # axs 전체를 looping.
    # month는 enumerate로 생성.
    temp_month = df_2016_temp["meantempm"].loc[df_2016_temp["month"] == month] # 월별 데이터

    # 데이터 분포를 밀도함수로 표현
    sns.kdeplot(temp_month, fill=True, ax=ax, zorder=2) # kdeplot에 zorder가 없어 grid 위에 그릴 수 없음.

    # 화면 왼쪽 위에 월 이름을 약자로 표시
    ax.text(0.05, 0.7, calendar.month_abbr[month], transform=ax.transAxes)

    # 눈금 위치 지정: grid를 그릴 seed
    ax.set_yticks([0, 0.03, 0.06, 0.09])
    # 가로선 grid 생성
    ax.grid(axis="y", zorder=1)
    # 눈금 숫자 제거
    ax.set_yticklabels([])
    # y축 label 제거
    ax.set_ylabel("")
    # 눈금 제거 (길이를 0으로 만들어서 안보이게)
    ax.tick_params(axis="y", length=0)

    # 맨 아래 axes에만 x축 눈금과 label남김
    if month >= 10: # subplot 좌표가 아니라 month로 제어
    ax.set_xticks([-15, 0, 15, 30])
    ax.set_xticklabels(["-15", "0", "15", "30"])
    ax.set_xlabel("mean Temp. ($^o$C)")
    # 나머지 axes는 x축 눈금과 label 제거
    else:
    ax.set_xticklabels([])
    ax.set_xlabel("")
    ax.tick_params(axis="x", length=0)

    fig.suptitle("3. Matplotlib 객체지향 fig, ax = plt.subplots()")
  • .add_subplot()에 비해 훨씬 짧은 길이로 동일 결과물이 구현됩니다.
  • 코드가 짧으면 작성 시간 뿐 아니라 오류 가능성도 적어집니다.

4. Seaborn FacetGrid()

  • seaborn은 데이터 기반 subplots 제작기능을 탑재하고 있습니다.
    1. FacetGrid()로 가로세로 공간을 만든 후
    2. .map()으로 데이터를 덮어 씌웁니다.
    3. axes는 .axes 속성으로,
    4. figure는 .fig 속성으로 접근합니다.
  • subplots의 column과 row를 정의할 데이터가 있어야 합니다.
    • 적절한 feature가 있으면 편리하지만
    • 그렇지 않다면 만들어 주어야 합니다.
  • FacetGrid()를 사용할 수 있도록 데이터를 수정합니다.
  • 12개월이 row순, column 순으로 놓일 수 있도록 준비합니다.
    1
    2
    3
    4
    # FacetGrid()를 사용하기 위한 데이터 수정
    df_2016_temp["col"] = df_2016_temp["month"].apply(lambda x: (x-1) % 3)
    df_2016_temp["row"] = df_2016_temp["month"].apply(lambda x: (x-1) // 3)
    display(df_2016_temp.groupby("month").mean())
  1. figureaxes를 동시에 생성합니다.
    • 생성과 동시에 세부 설정을 완료합니다.
  2. 데이터를 매핑합니다.
  3. axes를 추출합니다.
    • .ravel()명령으로 1D로 변환합니다.
  4. forenumerateaxes에 하나씩 접근합니다.
    • ax.명령을 이용해 tick, grid, xlabel, ylabel 설정을 완료합니다.
  • 코드는 다음과 같습니다.
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    # FacetGrid()를 이용해 데이터 기반 subplots 생성
    g = sns.FacetGrid(df_2016_temp, row="row", col="col", height=1, aspect=2.67, # row와 col에 들어갈 데이터, 개별 subplot 크기 설정
    sharex=True, sharey=True, # subplots간 xlim, ylim 통일
    despine=False, # spines 모두 보이게 설정
    gridspec_kws={"wspace":0.05, "hspace":0.1}) # subplots 사이 간격 지정

    # 데이터 분포를 밀도함수로 표현
    g.map(sns.kdeplot, "meantempm", fill=True)

    # FacetGrid에서 axes 추출
    axes = g.axes
    # axes를 1D array로 변형 : for loop을 한 번만 사용해도 됨.
    axs = axes.ravel()

    # axes에 꾸밈 설정
    for month, ax in enumerate(axs, 1):
    # FacetGrid가 자동적으로 만드는 title 삭제
    ax.set_title("")
    # 화면 왼쪽 위에 월 이름을 약자로 표시
    ax.text(0.05, 0.7, calendar.month_abbr[month], transform=ax.transAxes)

    # x축 범위와 label 설정
    ax.set_xticks([-15, 0, 15, 30])
    ax.set_xticklabels(["-15", "0", "15", "30"])
    # y축 범위와 label 설정
    ax.set_yticks([0, 0.03, 0.06, 0.09])
    ax.set_yticklabels([])

    # 가로선 grid 생성
    ax.grid(axis="y")

    # y축 눈금 제거 (길이를 0으로 만들어서 안보이게)
    ax.tick_params(axis="y", length=0)

    # xlabel, ylabel 설정
    g.set_axis_labels("mean Temp. ($^o$C)", "")

    g.fig.suptitle("4. Seaborn 객체지향 FacetGrid(), sns.kdeplot()")
  • .add_subplot()과 유사한 길이의 코드로 구현됩니다.
  • 4가지 방법 전체 코드는 여기에서 다운로드 가능합니다.


도움이 되셨나요?

카페인을 투입하시면 다음 포스팅으로 변환됩니다

Share