seaborn regplot vs lmplot

2022-06-06

lmplot, regplot, seaborn, visualization

seaborn에는 regplot이라는 기능이 있습니다.
산점도, 회귀선, 신뢰 구간을 동시에 표현해주는 강력한 기능입니다.
그리고 같은 결과를 출력하는 lmplot이 있습니다. 같은 점과 다른 점을 확인합니다.

1. seaborn regplot

seaborn.regplot

seaborn에는 regplot 함수가 있습니다.
scatter plot, regression line, confidence band를 한 번에 그리는 기능입니다.
따로 그리려면 매우 손이 많이 가기 때문에, seaborn이 Matplotlib보다 우월한 점을 말할 때 빠지지 않는 기능입니다.

1.1. 예제 데이터

예제 데이터를 사용해서 직접 그려보겠습니다.

seaborn에 내장된 penguins dataset을 사용합니다.

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

# 시각화 설정
sns.set_context("talk")
sns.set_style("ticks")
sns.set_palette("colorblind")

# 예제 데이터 불러오기
df_peng = sns.load_dataset("penguins")
df_peng.head()

1.2. `sns.regplot()`

seaborn의 다른 명령어들이 그렇듯 sns.regplot도 한 줄로 실행합니다.
그림이 담길 Figure와 Axes를 Matplotlib으로 만들고 이 안에 regplot을 담습니다.

그림을 파일로 저장할 때는 Figure 객체 fig에 fig.savefig() 명령을 내립니다.

fig, ax = plt.subplots(figsize=(5, 5), constrained_layout=True)
sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, ax=ax)

fig.savefig("103_snsreglmplot_01.png")

x와 y에 각기 x, y축에 놓일 데이터를,
data에 x와 y가 담긴 dataset을 입력합니다.
마지막으로 ax에 regplot이 들어갈 Axes 이름을 입력했습니다.

1.3. `scatter_kws`

scatter plot의 속성을 지정할 때 scatter_kws 매개변수를 사용합니다.

dictionary 형식으로 scatter 객체의 속성 이름과 값을 key와 value로 만들어 넣습니다.

fig, ax = plt.subplots(figsize=(5, 5), constrained_layout=True)
sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, ax=ax,
            scatter_kws={"fc":"b", "ec":"b", "s":100, "alpha":0.3})

fig.savefig("103_snsreglmplot_02.png")

1.4. `line_kws`

scatter 속성을 scatter_kws로 조정했듯,
line 속성은 line_kws로 조정합니다.
line width, line style, alpha를 설정할 수 있습니다.

다만 line과 confidence band의 색은 별도의 매개변수 color로 조정해야 합니다.

fig, ax = plt.subplots(figsize=(5, 5), constrained_layout=True)
sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, ax=ax,
            scatter_kws={"fc":"b", "ec":"b", "s":100, "alpha":0.3},
            color="r", line_kws={"lw":3, "ls":"--","alpha":0.5})

fig.savefig("103_snsreglmplot_03.png")

1.5. confidence band

confidence band 속성을 제어하기 위해서는 객체를 추출하고 속성을 개별 제어해야 합니다.
regplot이 그려지는 Axes의 세 번째 객체가 confidence band입니다.
첫 번째와 두 번째 객체는 scatter plot, regression line입니다.

ax.get_children()[2]로 confidence band를 추출하고,

.set() 메소드로 속성을 제어합니다.

fig, ax = plt.subplots(figsize=(5, 5), constrained_layout=True)
sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, ax=ax,
            scatter_kws={"fc":"b", "ec":"b", "s":100, "alpha":0.3},
            color="r", line_kws={"lw":3, "ls":"--","alpha":0.5})

ci = ax.get_children()[2]                   # confidence band 추출
ci.set(fc="yellow", ec="orange", alpha=0.8) # face & edge color, alpha 조정

fig.savefig("103_snsreglmplot_04.png")

1.6. `sns.regplot` & `hue`

Brinnica: Simpson’s paradox

seaborn의 여러 함수에는 hue 매개변수가 있습니다.
categorical feature의 class별로 다른 색이나 style을 적용해 구분하도록 해 줍니다.
그러나 불행히도 sns.regplot에는 hue매개변수가 없습니다.
예를 들어 species별로 다른 색과 회귀선으로 표현하려면 for loop 등으로 반복해 그림을 그려야 합니다.

Axes 두 개를 마련해 왼쪽에 전체를, 오른쪽에 species별로 hue를 수동으로 구현한 그림을 그립니다.

fig, axs = plt.subplots(ncols=2, figsize=(10, 4), constrained_layout=True, 
                        sharex=True, sharey=True)
   
# (A) 전체 시각화
sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, ax=axs[0], color="k",
            scatter_kws={"fc":"lightgray", "ec":"gray", "s":50})

# (B) species별 그룹 시각화
peng_species = df_peng["species"].unique()  # 펭귄 데이터셋 중 species 종류 추출
for species in peng_species:
    df_s = df_peng.loc[df_peng["species"] == species]   # species별 펭귄 데이터 추출
    sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=df_s, ax=axs[1], label=species,
                scatter_kws={"s":50, "alpha":0.5})
   
    axs[1].legend(loc="center left", bbox_to_anchor=[1, 0.5], frameon=False)
    axs[1].set_ylabel(" \n")                    # gridspec_kw를 사용하지 않고 Axes 간격 띄우기
    
fig.savefig("103_snsreglmplot_05.png")

전체와 부분의 경향이 다른 것을 심슨의 역설(Simpson’s paradox)이라 합니다.
펭귄 데이터셋 중 부리 길이(bill_length_mm)와 부리 폭(bill_depth_mm)에서 심슨의 역설이 관찰되었습니다.
생각보다 매우 흔한 일이지만 분석의 결론을 완전히 바꾸는 일입니다.
데이터를 분석할 때 분할(segmentation)에 주의를 기울여야 하는 이유입니다.

sns.regplot()에는 hue 기능이 없어서 for loop을 불편하게 돌려야만 했습니다.
그러나 우리의 seaborn은 같은 기능을 하는 다른 함수로 hue를 제공합니다.
sns.lmplot()이라는 이름입니다.

2. seaborn lmplot

seaborn lmplot

2.1. `sns.lmplot()`

seaborn lmplot은 본질적으로 regplot과 동일합니다. 내부에서 sns.regplot()을 호출하기 때문입니다.
그러나 sns.regplot()이 Axes-level function인 반면 sns.lmplot()은 Figure-level function이라는 가장 큰 차이가 있습니다.

간단하게 그려서 확인해 보겠습니다.

g = sns.lmplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, hue="species", 
               height=5, aspect=1,
               scatter_kws={"s":50, "alpha":0.5})

fig = g.fig
fig.savefig("103_snsreglmplot_06.png")

sns.regplot과 문법이 동일하면서도 hue가 적용된 plot이 한 줄로 그려졌습니다.

그러나 이 명령을 이용해 심슨의 역설을 그리려다가는 이런 일이 벌어집니다.

# Axes 두 개 생성
fig, axs = plt.subplots(ncols=2, figsize=(10, 4), constrained_layout=True, 
                        sharex=True, sharey=True)

# 전체 시각화
sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, ax=axs[0], color="k",
            scatter_kws={"fc":"lightgray", "ec":"gray", "s":50})

# sns.lmplot() 실행
sns.lmplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, hue="species",            
           scatter_kws={"s":50, "alpha":0.5})

sns.lmplot()의 결과물이 미리 만들어 둔 Axes에 들어가지 않습니다.
이는 sns.lmplot()이 Figure-level function으로, Figure보다 상위에 있는 Grid라는 객체를 생성하기 때문입니다.
그렇기 때문에, 파일을 저장하기 위해서 figure 객체에 g.fig로 접근하는 과정이 필요합니다.

2.2. `col` & `row`

Figure-level function의 장점은 따로 있습니다.
categorical feature의 class를 FacetGrid로 쉽게 구현할 수 있다는 것입니다.

col과 row에 열과 행을 나눌 categorical feature 이름을 입력합니다.

g = sns.lmplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, 
           col="species", row="sex",                          # species와 sex로 데이터 분할
           truncate=False, scatter_kws={"s":50, "alpha":0.5}) # sns.regplot() 사용 매개변수 적용

fig = g.fig
fig.savefig("103_snsreglmplot_08.png")

데이터가 sex와 species에 따라 나뉘어 그려졌습니다.

2.3. Figure-level function + Axes-level function

Figure-level function의 결과물은 Axes에 들어갈 수 없지만,
Axes-level function의 결과물은 Figure-level function의 결과물에 들어갈 수 있습니다.
sns.lmplot()으로 만들어진 FacetGrid에서 Axes를 추출해 sns.regplot()을 적용합니다.

sns.regplot()으로 전체 데이터 범위를, sns.lmplot()으로 개별 데이터를 표현하는 식입니다.

g = sns.lmplot(x="bill_length_mm", y="bill_depth_mm",       # sns.lmplot 생성 FacetGrid 출력
               data=df_peng, 
               col="species", row="sex",                    # species와 sex로 데이터 분할
               scatter_kws={"s":50})
  
axes = g.axes               # FacetGrid에서 Axes 추출
for ax in axes.ravel():     # Axes 순회, 전체 데이터를 배경으로 표현
    sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, 
                fit_reg=False, 
                scatter_kws={"fc":"gray", "ec":"none", "s":50, "alpha":0.3}, ax=ax)

fig = g.fig
fig.tight_layout()
fig.savefig("103_snsreglmplot_09.png")

2.4. `sns.lmplot()`결과마다 다른 색

sns.lmplot()에는 hue로 나뉘는 데이터에 적용하기 위한 palette매개변수가 있습니다.
그러나 Facet별로 다르게 들어간 데이터에는 palette매개변수가 적용되지 않습니다.
color매개변수도 존재하지 않기 때문에, 개별 객체를 접근해야 합니다.

matplotlib 기능을 이용해 hue, lightness, saturation을 조정하는 modify_hls() 함수를 먼저 만듭니다.

import matplotlib.colors as mcolors
import colorsys

def modify_hls(c, dh=0, dl=0, ds=0):
    if isinstance(c, str):
        c = mcolors.to_rgb(c)
    
    h, l, s = colorsys.rgb_to_hls(*c)
    h = h + dh
    l = max(min(l + dl, 1), 0)
    s = max(min(s + ds, 1), 0)
    return colorsys.hls_to_rgb(h, l, s)

위 Axes 순회 코드에 Axes마다 다른 facecolor와 edgecolor를 적용하는 코드를 추가합니다.
species에 따라서는 CN을 적용하고 (C0, C1, C2)

sex에 따라서는 hue를 5% 옮긴 색을 입힙니다.

g = sns.lmplot(x="bill_length_mm", y="bill_depth_mm",       # sns.lmplot 생성 FacetGrid 출력
               data=df_peng, 
               col="species", row="sex",                    # species와 sex로 데이터 분할
               scatter_kws={"s":50})

axes = g.axes               # FacetGrid에서 Axes 추출
for i, ax in enumerate(axes.ravel()):     # Axes 순회, 전체 데이터를 배경으로 표현
    scatter, reg, cb = ax.get_children()[:3]
    if i > 2:
        i -= 3
        dh = -0.05
    else:
        dh = 0
    scatter.set(fc=modify_hls(f"C{i}", dl=0.3, dh=dh), ec=modify_hls(f"C{i}", dh=dh), alpha=1)
    reg.set_color(modify_hls(f"C{i}", dh=dh))
    cb.set(fc=modify_hls(f"C{i}", dl=0.3, dh=dh), ec=modify_hls(f"C{i}", dh=dh))
    sns.regplot(x="bill_length_mm", y="bill_depth_mm", data=df_peng, 
                fit_reg=False, 
                scatter_kws={"fc":"gray", "ec":"none", "s":50, "alpha":0.3}, ax=ax)
    title = ax.get_title()
    ax.set_title(title, color=modify_hls(f"C{i}", dh=dh))
    
fig = g.fig
fig.tight_layout()
fig.savefig("103_snsreglmplot_10.png")

3. 결론

seaborn의 Figure-level function은 매우 유용하지만 Grid를 출력하는 속성은 종종 간과됩니다.
seaborn을 사용할 때 발생하는 에러의 대부분이 바로 이 Grid입니다.
그리고 이 Grid가 Axes-level과 Figure-level을 결정짓는 가장 큰 차이입니다.
seaborn을 잘 사용하고자 한다면 주의깊게 살펴볼 필요가 있습니다.

도움이 되셨나요? 카페인을 투입하시면 다음 포스팅으로 변환됩니다

PythonData Science

1. seaborn regplot

1.1. 예제 데이터

1.2. sns.regplot()

1.3. scatter_kws

1.4. line_kws