콘텐츠로 건너뛰기

파이썬 튜토리얼: pyplot hist 사용 방법

[

파이썬 히스토그램 그리기: NumPy, Matplotlib, pandas & Seaborn

순수 파이썬으로 히스토그램 생성하기

히스토그램을 그릴 준비를 할 때, 구간(bin) 대신 어떤 값이 몇 번 나타나는지 보고하는 것이 가장 간단합니다.
이 작업에는 파이썬 딕셔너리가 적합합니다.

# 정렬하지 않아도 됩니다.
a = (0, 1, 1, 1, 2, 3, 7, 7, 23)

def count_elements(seq) -> dict:
    """seq에서 요소들을 계산합니다."""
    hist = {}
    for i in seq:
        hist[i] = hist.get(i, 0) + 1
    return hist

counted = count_elements(a)
counted
# 출력: {0: 1, 1: 3, 2: 1, 3: 1, 7: 2, 23: 1}

count_elements() 함수는 시퀀스에서 고유한 요소를 키로, 해당 요소의 빈도수를 값으로 갖는 딕셔너리를 반환합니다.
seq 반복문에서 hist[i] = hist.get(i, 0) + 1와 같이, “시퀀스의 각 요소에 대해 hist에서 해당 값에 1을 더합니다.”라고 말합니다.
실제로 파이썬의 표준 라이브러리에 있는 collections.Counter 클래스가 이 작업을 수행합니다.

from collections import Counter

recounted = Counter(a)
recounted
# 출력: Counter({0: 1, 1: 3, 3: 1, 2: 1, 7: 2, 23: 1})

”실제로 수작업으로 작성한 함수는” 정상적으로 작동하는 것을 확인할 수 있습니다.

NumPy를 사용하여 기반 작업 수행하기

파이썬에서 데이터의 히스토그램을 계산하고 시각화하기 위해 NumPy를 사용할 수 있습니다.

import numpy as np

# 데이터 생성
np.random.seed(0)
x = np.random.normal(0, 1, 1000)

# 히스토그램 계산
counts, bin_edges = np.histogram(x, bins=10)

# 결과 출력
print(counts)
print(bin_edges)

np.histogram() 함수는 주어진 데이터 x를 바탕으로 히스토그램 계산을 수행합니다. bins 파라미터를 통해 구간의 개수를 지정할 수 있습니다.
counts는 구간별 데이터의 개수를 담고 있는 배열입니다.
bin_edges는 구간들의 경계값을 담고 있는 배열입니다.

Matplotlib와 pandas를 사용하여 히스토그램 시각화하기

NumPy를 사용하여 계산한 히스토그램 데이터를 시각화하기 위해 Matplotlib와 pandas를 사용할 수 있습니다.

import matplotlib.pyplot as plt
import pandas as pd

# 데이터 생성
np.random.seed(0)
x = np.random.normal(0, 1, 1000)

# 히스토그램 계산
counts, bin_edges = np.histogram(x, bins=10)

# pandas로 데이터프레임 생성
df = pd.DataFrame({"counts": counts, "bin_edges": bin_edges[:-1]})

# Matplotlib로 시각화
plt.bar(df["bin_edges"], df["counts"])
plt.xlabel("bins")
plt.ylabel("counts")
plt.title("Histogram")
plt.show()

계산된 counts와 bin_edges를 활용하여 pandas의 데이터프레임을 생성합니다.
Matplotlib을 사용하여 데이터프레임을 시각화합니다.
수집된 데이터를 기반으로 막대 그래프를 그려 결과를 출력합니다.

Seaborn을 사용한 고급 시각화

Seaborn은 보다 고급화된 히스토그램 시각화를 제공합니다.

import seaborn as sns

# 데이터 생성
np.random.seed(0)
x = np.random.normal(0, 1, 1000)

# Seaborn으로 시각화
sns.distplot(x, bins=10)
plt.xlabel("x")
plt.ylabel("Density")
plt.title("Histogram with KDE")
plt.show()

Seaborn의 distplot() 함수를 활용하여 히스토그램과 KDE(Kernel Density Estimate)을 함께 시각화합니다.
수집된 데이터를 기반으로 밀도 그래프와 히스토그램을 함께 출력합니다.

정리

파이썬에서 히스토그램을 그리기 위해 NumPy, Matplotlib, pandas, Seaborn을 활용할 수 있습니다.
각 라이브러리를 사용하여 히스토그램을 계산하고 시각화하는 방법을 상세하게 알아보았습니다.
다양한 선택과 기능을 갖춘 생산성 높은 Python 히스토그램 플롯을 만들 수 있습니다.