Density Plot with Colormap

2021-02-11

2021-02-14

colormap, matplotlib, python, ridgeplot, seaborn, visualization

시각화는 데이터를 그림으로 표현하는 작업입니다.
그런데 한번 그림이 되면 진짜 그림처럼 취급할 수 있습니다.
밀도함수에 컬러맵을 입혀봅시다.

1. Imitating Ridge Plot by R

Gallery of ggridges examples
Pega Devlog: Ridgeline Plot

인터넷을 다니다가 R로 그려진 멋진 그림을 봤습니다.

밀도함수에 컬러맵을 입힌 그림이 멋져서 따라해보고 싶더군요.
저는 R을 사용하지 못하는 파이썬 사용자입니다만 비슷한 그림을 만들었습니다.

코드를 먼저 공개하고 어떻게 한건지 설명하겠습니다.

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

# 네브라스카주 링컨시 데이터 다운: https://github.com/amcquistan/WeatherPredictPythonML
df_weather = pd.read_csv("end-part2_df.csv", index_col="date")

# 2016년 데이터만 선택
df_2016 = df_weather.filter(like="2016", axis=0)

# 날짜에서 월 추출
df_2016.reset_index(inplace=True)
df_2016["month"] = df_2016["date"].apply(lambda s: int(s.split("-")[1]))

### 시각화
import calendar 
import cmocean as cmo

fig, axs = plt.subplots(nrows=12, figsize=(10,5), sharex=True, sharey=True)
fig.set_facecolor("none")

x = np.linspace(0, 1, 100)
for i, ax in enumerate(axs, 1):
    sns.kdeplot(df_2016.query(f"month=={i}")["meantempm"], 
                fill=True, color="w", alpha=0, linewidth=2, legend=False, ax=ax)
    
    ax.set_xlim(-29, 40)    
    
    # >>> 밀도함수에 gradient 추가
    im = ax.imshow(np.vstack([x, x]), 
               cmap="cmo.thermal",
               aspect="auto",
               extent=[*ax.get_xlim(), *ax.get_ylim()]
              )
    path = ax.collections[0].get_paths()[0]
    patch = mpl.patches.PathPatch(path, transform=ax.transData)
    im.set_clip_path(patch)
    # <<< 밀도함수에 gradient 추가
    
    ax.text(-29, 0.01, calendar.month_name[i], fontdict={"fontsize":"large"}) 
    
    ax.spines["left"].set_visible(False)
    ax.spines["right"].set_visible(False)
    ax.spines["top"].set_visible(False)
    ax.spines["bottom"].set_visible(False)
    if i != 12:
        ax.tick_params(axis="x", length=0)
    else:
        ax.tick_params(axis="x", direction="inout", color="lightgray", 
                       length=5, width=2, labelsize="large")
        ax.set_xlabel("Mean Temperature (℃)", fontdict={"fontsize":"large"})
    
    ax.set_yticks([]) 
    ax.set_ylabel("") 
    
    xticks = ax.get_xticks()
    for xtick in xticks:
        ax.plot([xtick, xtick], [0, 0.065], color='lightgray', zorder=0)
        
    ax.axhline(0, color="lightgray")
    ax.set_facecolor("none")
    
fig.subplots_adjust(hspace=-0.5)

2. Colormap on Density Plot

밀도함수에 컬러맵을 얹는 순서는 다음과 같습니다.

1. 밀도함수 그리기: seaborn.kdeplot()
2. 그림 전체에 컬러맵 칠하기: axes.imshow()
3. 밀도함수 영역 따기: matplotlib.collections.get_paths()
4. 컬러맵을 밀도함수 모양에 맞게 자르기: matplotlib.patches.PathPatch(), im.set_clip_path()

한 단계씩 살펴봅니다.

2.1. Sample Data

1월 데이터만 가지고 옵니다.

1 2	df_jan = df_2016.query("month==1") df_jan.head()

2.2. 밀도함수 그리기

seaborn의 힘을 빌립니다.
seaborn.kdeplot()을 사용합니다.
fill=True가 중요합니다: matplotlib collection 객체로 만들어야 합니다.
alpha=0도 중요합니다: 컬러맵이 잘 표현되도록 배경색을 제거합니다.
1
2
3
fig, ax = plt.subplots()

sns.kdeplot(df_jan["meantempm"], fill=True, alpha=0, ax=ax)

2.3. 그림 전체에 컬러맵 칠하기

x값을 100단계로 나누어서 이미지를 만듭니다.

(2, 100) 형태의 array를 만들어서 그림 크기에 맞게 붙입니다.

x = np.linspace(0, 1, 100)

im = ax.imshow(np.vstack([x, x]), 
               cmap="inferno",
               aspect="auto",
               extent=[*ax.get_xlim(), *ax.get_ylim()]
              )
              
display(fig)

2.4. 밀도함수 영역 따기

matplotlib.collections
matplotlib Tutorials: Path tutorial

Matplotlib에는 collection이라는 개념이 있습니다.
여러 도형들을 한데 묶어 관리하는 것으로, 색상이나 선 굵기 등을 한번에 조정할 수 있습니다.
파워포인트의 그룹을 생각하시면 비슷할 듯 합니다.

우리 axes 위에는 방금 그린 밀도함수 뿐이므로, ax.collections객체가 단 하나입니다.
이 객체의 윤곽선을 get_path()명령으로 추출합니다.
1
print(ax.collections[0].get_paths()[0])

실행 결과

Path(array([[-2.48238595e+01,  5.51614084e-05],
       [-2.48238595e+01,  0.00000000e+00],
       [-2.46296499e+01,  0.00000000e+00],
       [-2.44354402e+01,  0.00000000e+00],
               (생략)

get_path()의 결과로 두 가지 데이터가 나옵니다.
첫번째는 path의 꼭지점들(vertices) 좌표이고, 두번째는 꼭지점들의 속성입니다.
자세한 사항은 Path Tutorial에서 볼 수 있습니다. 지금은 넘어갑니다.
꼭지점만 받아서 그림을 그려도 밀도함수의 윤곽선이 나옵니다.
1
2
3
vertices = ax.collections[0].get_paths()[0].vertices.T

plt.plot(*vertices)

2.5. 컬러맵을 밀도함수 모양에 맞게 자르기

Path로부터 patch를 형성하고,

patch 모양에 따라 컬러맵 이미지를 오려냅니다.

path = ax.collections[0].get_paths()[0]
patch = mpl.patches.PathPatch(path, transform=ax.transData)
im.set_clip_path(patch)

display(fig)

짜잔! 1월 기온 분포에 컬러맵을 칠한 효과가 나왔습니다.

3. 응용

이미지의 RGB 채널 분리에 응용합니다.
RGB 각 채널을 그냥 빨갛게, 녹색으로, 파랗게 칠할 수도 있지만 intensity를 gradient로 표현했습니다.

코드는 이렇습니다.

from matplotlib import colors

mandrill_rgb = plt.imread("USC_SIPI_Mandrill.tiff")/256
ruler = plt.imread("USC_SIPI_Ruler.512.tiff")/256

def rgb2gray(rgb):
    return np.dot(rgb[...,:3], [0.2989, 0.5870, 0.1140])

mandrill_grayscale = rgb2gray(mandrill_rgb)
mandrill_bw = np.where(mandrill_grayscale >= 0.5, 1, 0)

# adding alpha channel
mandrill_a = np.zeros(mandrill_grayscale.shape)
for i in range(mandrill_a.shape[0]):
    mandrill_a[:,i] = i/mandrill_a.shape[0]
mandrill_alpha = np.insert(mandrill_rgb, 3, mandrill_a, axis=2)


fig, axes = plt.subplots(ncols=4, nrows=2, figsize=(10, 5), gridspec_kw={"height_ratios":[3,1]})

for ax, img, title in zip(axes[0], 
                          [mandrill_bw, mandrill_grayscale, mandrill_rgb, mandrill_alpha], 
                          ["Black and White\n(1 bit, 1 channel)", "Grayscale\n(32 bit, 1 channel)", "RGB\n(32 bit, 3 channels)", "RGBA\n(32 bit, 4 channels)"]):
    if "RGB" in title:
        ax.imshow(img)
    else:
        ax.imshow(img, cmap="gist_gray")
    ax.set_title(title, fontweight="bold", pad=8)
    ax.axis(False)


    
### histogram

# black and white
sns.histplot(mandrill_bw.ravel(), bins=20, ax=axes[1, 0])
for p in axes[1, 0].patches:
    p.set_facecolor(str(p.get_x()))
    
# grayscale
sns.kdeplot(mandrill_grayscale.ravel(), bw_adjust=0.5, cut=0, 
            fill=True, color="k", alpha=0, ax=axes[1, 1])
x = np.linspace(0, 1, 100)
im = axes[1, 1].imshow(np.vstack([x, x]), cmap="gist_gray",
               aspect="auto", extent=[*axes[1,1].get_xlim(), *axes[1,1].get_ylim()])
path = axes[1, 1].collections[0].get_paths()[0]
patch = mpl.patches.PathPatch(path, transform=axes[1, 1].transData)
im.set_clip_path(patch)

# RGB
sns.kdeplot(mandrill_rgb[:, :, 0].ravel(), bw_adjust=0.5, cut=1, fill=True, alpha=0, color="red", label="R", ax=axes[1, 2])
sns.kdeplot(mandrill_rgb[:, :, 1].ravel(), bw_adjust=0.5, cut=1, fill=True, alpha=0, color="green", label="G", ax=axes[1, 2])
sns.kdeplot(mandrill_rgb[:, :, 2].ravel(), bw_adjust=0.5, cut=1, fill=True, alpha=0, color="blue", label="B", ax=axes[1, 2])
for i, color in enumerate(["red", "green", "blue"]):
    im = axes[1, 2].imshow(np.vstack([x, x]), cmap=f"{color.capitalize()}s_r",
                           aspect="auto", extent=[*axes[1, 2].get_xlim(), *axes[1, 2].get_ylim()])
    path = axes[1, 2].collections[i].get_paths()[0]
    patch = mpl.patches.PathPatch(path, transform=axes[1, 2].transData)
    im.set_clip_path(patch)
axes[1, 2].set_ylim(top=axes[1, 2].get_ylim()[1] * 1.4)
axes[1, 2].legend(ncol=3, fontsize=9)    

# alpha
axes[0, -1].imshow(ruler, zorder=-1, cmap="gist_gray")
sns.kdeplot(mandrill_alpha[:, :, 0].ravel(), bw_adjust=0.5, cut=1, fill=True, alpha=0, color="red", label="R", ax=axes[1, 3])
sns.kdeplot(mandrill_alpha[:, :, 1].ravel(), bw_adjust=0.5, cut=1, fill=True, alpha=0, color="green", label="G", ax=axes[1, 3])
sns.kdeplot(mandrill_alpha[:, :, 2].ravel(), bw_adjust=0.5, cut=1, fill=True, alpha=0, color="blue", label="B", ax=axes[1, 3])
sns.kdeplot(mandrill_alpha[:, :, 3].ravel(), bw_adjust=0.5, cut=1, fill=True, alpha=0, color="k", label="alpha", ax=axes[1, 3])
for i, color in enumerate(["red", "green", "blue"]):
    im = axes[1, 3].imshow(np.vstack([x, x]), cmap=f"{color.capitalize()}s_r",
                           aspect="auto", extent=[*axes[1, 3].get_xlim(), *axes[1, 3].get_ylim()])
    path = axes[1, 3].collections[i].get_paths()[0]
    patch = mpl.patches.PathPatch(path, transform=axes[1, 3].transData)
    im.set_clip_path(patch)
axes[1, 3].set_ylim(top=axes[1, 3].get_ylim()[1] * 1.4)
handles, labels = axes[1, 3].get_legend_handles_labels()
axes[1, 3].legend(handles=handles[-1:], labels=labels[-1:], fontsize=9)    
    
for ax in axes[1]:
    ax.set_xlim(-0.1, 1.1)
    ax.set_yticklabels([])
    ax.set_xlabel('intensity', fontsize=12, labelpad=8)
    ax.set_ylabel('')

    
fig.tight_layout()

도움이 되셨나요? 카페인을 투입하시면 다음 포스팅으로 변환됩니다

PythonData Science