2022/01/05/WED

maplotlib + seaborn

import matplotlib.pyplot as plt 
import numpy as np 
import seaborn as sns

x=[44,48,49,58,62,68,69,70,76,79] # 몸무게 
y=[159,160,162,165,167,162,165,175,165,172] #키 
g='F','F','F','F','F','M','M','M','M','M'

plt.plot(x,y,'o')

[<matplotlib.lines.Line2D at 0x1decec2b6a0>]

sns.scatterplot(x=x,y=y,hue=g)

<AxesSubplot:>

- 두 그림을 나란히 겹쳐 그릴수 있을까?

fig, (ax1,ax2) = plt.subplots(1,2) 
ax1.plot(x,y,'o')

[<matplotlib.lines.Line2D at 0x1decf4e8700>]

sns.scatterplot(x=x,y=y,hue=g,ax=ax2) 
# ax=ax2 이 부분 추가

<AxesSubplot:>

fig

fig.set_figwidth(8)

fig

ax1.set_title('matplotlib')
ax2.set_title('seaborn')

Text(0.5, 1.0, 'seaborn')

fig

- 마치 matplotlib에 seaborn을 plugin하듯이 사용할 수 있다.

matplotlib vs seaborn

plt.plot([1,2,3],[3,4,5],'x:r')

[<matplotlib.lines.Line2D at 0x1decf720490>]

예제

np.random.seed(43052)
x=np.random.normal(size=1000,loc=2,scale=15)

- 이 자료가 정규분포를 따르는지 어떻게 체크할 수 있을까?

plt.hist(x)

(array([ 10.,  24.,  99., 176., 232., 222., 165.,  53.,  16.,   3.]),
 array([-42.43984464, -33.38324282, -24.326641  , -15.27003917,
         -6.21343735,   2.84316447,  11.89976629,  20.95636811,
         30.01296994,  39.06957176,  48.12617358]),
 <BarContainer object of 10 artists>)

- 종모양이므로 정규분포인듯 하다.

- 밀도추정곡선이 있었으면 좋겠다. (KDE로 추정) $\to$ seaborn을 활용하여 그려보자.

sns.histplot(x,kde=True)

<AxesSubplot:ylabel='Count'>

- 종모양인것 같다.

- 그렇다면 아래는 어떤가?

np.random.seed(43052)
from scipy.stats import t

y=t.rvs(10,size=1000)
# rvs? random varieties of given type

sns.histplot(y,kde=True)

<AxesSubplot:ylabel='Count'>

- 종모양이다..?

- 비교

fig, (ax1,ax2) = plt.subplots(1,2) 
sns.histplot(x,kde=True,ax=ax1)
sns.histplot(y,kde=True,ax=ax2)

<AxesSubplot:ylabel='Count'>

xx= (x-np.mean(x)) / np.std(x,ddof=1) 
yy= (y-np.mean(y)) / np.std(y,ddof=1) 

fig, (ax1,ax2) = plt.subplots(1,2) 
sns.histplot(xx,kde=True,ax=ax1)
sns.histplot(yy,kde=True,ax=ax2)

<AxesSubplot:ylabel='Count'>

xx= (x-np.mean(x)) / np.std(x,ddof=1) 
yy= (y-np.mean(y)) / np.std(y,ddof=1) 

fig, ((ax1,ax2),(ax3,ax4)) = plt.subplots(2,2) 
ax1.boxplot(xx) 
sns.histplot(xx,kde=True,ax=ax2)
ax3.boxplot(yy)
sns.histplot(yy,kde=True,ax=ax4)

<AxesSubplot:ylabel='Count'>

fig.tight_layout()

fig

- 주의: 아래와 같이 해석하면 잘못된 해석이다.

• $y$ 히스토그램을 그려보니 모양이 종모양이다. $\to$ $y$는 정규분포이다

- 관찰: boxplot을 그려보니 $y$의 꼬리가 정규분포보다 두꺼워 보인다.