Visualization of Uncertainty
데이터의 불확실성을 함께 보여주는 방법 중 하나로 오차 막대나 신뢰 구간을 사용합니다. 오차 막대는 데이터 하나 하나에 붙여서, 신뢰 구간은 전체적인 범위를 보여줍니다. matplotlib과 seaborn으로 불확실성을 도시하는 방법을 정리했습니다. 0. 데이터 생성 평균이 0이고 표준편차가 1인 데이터를 100개씩 21쌍을 만듭니다. numpy.ran
Tag: matplotlib
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 PlotPega Devlog: Matplo
Google Trend Visualization
Google trend 분석 결과는 그 자체로 깔끔합니다. 그러나 여러 항목을 개별적으로 분석하려면 데이터를 다운받아 분석하는 것이 좋습니다. 1. Google Trends Google trends Google trends는 검색어를 입력하는 것 만으로 웹, 이미지, 또는 유튜브에서 해당 검색어가 얼마나 빈번하게 등장하는지 경향을 쉽게 알 수 있습니
Seaborn with Matplotlib (4)
4. seaborn figure-level 다듬기 seaborn + matplotlib 마지막 시간입니다. figure-level 그림을 그리고 다듬어 봅니다. 자체적으로 지원하는 명령어를 사용해보고, 개흉 심장마사지 방법을 알아보겠습니다. seaborn APIseaborn tutorialseaborn with matplotlib (3) 4.1. fi
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 APIseaborn tutorialseaborn with matplotlib (1)
Seaborn with Matplotlib (2)
2. seaborn + matplotlib을 이용한 jointplot 보완 seaborn을 matplotlib과 섞어쓰는 방법입니다. 4부 중 두 번째 시간입니다. seaborn jointplot의 단점을 보완합니다. 2.1. seaborn jointplot seaborn jointplot seaborn의 jointplot은 매력적인 기능입니다. 두
Seaborn with Matplotlib (1)
1. seaborn + matplotlib seaborn을 matplotlib과 섞어쓰는 방법입니다. 4부 중 첫 번째 시간입니다. seaborn 함수 중 matplotlib axes를 반환하는 함수들에 관한 내용입니다. seaborn API seaborn은 matplotlib을 쉽고 아름답게 쓰고자 만들어졌습니다. 따라서 seaborn의 결과물은
Seaborn Distribution Plot
seaborn 0.11에서 업데이트된 distribution plot을 살펴봅니다. distplot()이 없어진 대신 displot()이 들어왔습니다. matplotlib으로 만든 틀 안에 seaborn을 넣어봅니다. 1. displot() seaborn.displot displot()은 histplot(), kdeplot(), ecdfplot()
Seaborn 0.11 Quick Review
seaborn 0.11이 나왔습니다. 로고도 생겼고, 공식 홈페이지도 대폭 강화되어 문제점으로 지적되던 공식 문서가 상세해졌습니다. matplotlib과의 연관성이 선명해졌고 pandas와의 연계기도 잘 드러나 있습니다. seaborn 1. Matplotlib vs Seaborn seaborn: introductory notes 1.1. matp
Ridgeline Plot
시간의 흐름에 따른 분포 추세 변화를 보여줍니다. matplotlib 혼자만으로는 힘듭니다. seaborn의 도움을 받아봅시다. pandas의 도움을 받을 수도 있습니다. Claus Wilke, “데이터 시각화 교과서”, 영문판(Free)Colin Ware “데이터 시각화, 인지과학을 만나다”White Paper-Principles of Data Vi