9. Data Visualization Advanced (Seaborn)¶

Previous: Data Visualization Basics | Next: From EDA to Inference

Overview¶

Seaborn is a statistical data visualization library built on Matplotlib. It provides more beautiful default styles and makes it easy to create statistical graphs.

1. Seaborn 기초¶

1.1 기본 설정¶

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

# 스타일 설정
sns.set_theme()  # Basic seaborn 테마
# sns.set_style("whitegrid")  # 배경 스타일
# sns.set_palette("husl")     # 색상 팔레트
# sns.set_context("notebook") # 크기 컨텍스트

# Example 데이터셋 로드
tips = sns.load_dataset('tips')
iris = sns.load_dataset('iris')
titanic = sns.load_dataset('titanic')

print(tips.head())

1.2 스타일과 팔레트¶

# Usage 가능한 스타일
styles = ['darkgrid', 'whitegrid', 'dark', 'white', 'ticks']

fig, axes = plt.subplots(1, 5, figsize=(20, 4))
for ax, style in zip(axes, styles):
    with sns.axes_style(style):
        sns.lineplot(x=[1, 2, 3], y=[1, 4, 2], ax=ax)
        ax.set_title(style)
plt.tight_layout()
plt.show()

# 색상 팔레트
palettes = ['deep', 'muted', 'pastel', 'bright', 'dark', 'colorblind']

fig, axes = plt.subplots(2, 3, figsize=(15, 8))
for ax, palette in zip(axes.flat, palettes):
    sns.palplot(sns.color_palette(palette), ax=ax)
    ax.set_title(palette)
plt.tight_layout()
plt.show()

# 커스텀 팔레트
custom_palette = sns.color_palette("husl", 8)
sns.set_palette(custom_palette)

2. 분포 시각화¶

2.1 히스토그램과 KDE¶

tips = sns.load_dataset('tips')

fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# histplot: 히스토그램
sns.histplot(data=tips, x='total_bill', bins=30, ax=axes[0, 0])
axes[0, 0].set_title('Histogram')

# KDE plot
sns.kdeplot(data=tips, x='total_bill', fill=True, ax=axes[0, 1])
axes[0, 1].set_title('KDE Plot')

# 히스토그램 + KDE
sns.histplot(data=tips, x='total_bill', kde=True, ax=axes[1, 0])
axes[1, 0].set_title('Histogram with KDE')

# 그룹별 분포
sns.histplot(data=tips, x='total_bill', hue='time', multiple='stack', ax=axes[1, 1])
axes[1, 1].set_title('Stacked Histogram by Time')

plt.tight_layout()
plt.show()

2.2 displot (분포 플롯)¶

# FacetGrid 기반 분포 플롯
g = sns.displot(data=tips, x='total_bill', hue='time', kind='kde',
                fill=True, height=5, aspect=1.5)
g.fig.suptitle('Distribution by Time', y=1.02)
plt.show()

# 다중 플롯
g = sns.displot(data=tips, x='total_bill', col='time', row='smoker',
                bins=20, height=4)
plt.show()

2.3 ECDF Plot¶

# 경험적 누적분포함수
fig, ax = plt.subplots(figsize=(10, 6))
sns.ecdfplot(data=tips, x='total_bill', hue='time', ax=ax)
ax.set_title('Empirical Cumulative Distribution Function')
plt.show()

2.4 Rug Plot¶

fig, ax = plt.subplots(figsize=(10, 6))
sns.kdeplot(data=tips, x='total_bill', fill=True, ax=ax)
sns.rugplot(data=tips, x='total_bill', ax=ax, alpha=0.5)
ax.set_title('KDE with Rug Plot')
plt.show()

3. Categorical Data 시각화¶

3.1 카운트 플롯¶

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# Basic 카운트 플롯
sns.countplot(data=tips, x='day', ax=axes[0])
axes[0].set_title('Count by Day')

# 그룹별
sns.countplot(data=tips, x='day', hue='time', ax=axes[1])
axes[1].set_title('Count by Day and Time')

plt.tight_layout()
plt.show()

3.2 바 플롯 (통계 기반)¶

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 평균과 신뢰구간
sns.barplot(data=tips, x='day', y='total_bill', ax=axes[0])
axes[0].set_title('Mean Total Bill by Day (with CI)')

# 그룹별
sns.barplot(data=tips, x='day', y='total_bill', hue='sex', ax=axes[1])
axes[1].set_title('Mean Total Bill by Day and Sex')

plt.tight_layout()
plt.show()

3.3 박스 플롯¶

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# Basic 박스플롯
sns.boxplot(data=tips, x='day', y='total_bill', ax=axes[0])
axes[0].set_title('Box Plot')

# 그룹별
sns.boxplot(data=tips, x='day', y='total_bill', hue='smoker', ax=axes[1])
axes[1].set_title('Box Plot by Smoker Status')

plt.tight_layout()
plt.show()

3.4 바이올린 플롯¶

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 바이올린 플롯
sns.violinplot(data=tips, x='day', y='total_bill', ax=axes[0])
axes[0].set_title('Violin Plot')

# split 옵션
sns.violinplot(data=tips, x='day', y='total_bill', hue='sex',
               split=True, ax=axes[1])
axes[1].set_title('Split Violin Plot')

plt.tight_layout()
plt.show()

3.5 스트립 플롯과 스웜 플롯¶

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 스트립 플롯 (점 겹침 허용)
sns.stripplot(data=tips, x='day', y='total_bill', ax=axes[0], alpha=0.6)
axes[0].set_title('Strip Plot')

# 스웜 플롯 (점 겹침 방지)
sns.swarmplot(data=tips, x='day', y='total_bill', ax=axes[1])
axes[1].set_title('Swarm Plot')

plt.tight_layout()
plt.show()

# 박스플롯과 결합
fig, ax = plt.subplots(figsize=(10, 6))
sns.boxplot(data=tips, x='day', y='total_bill', ax=ax)
sns.stripplot(data=tips, x='day', y='total_bill', ax=ax,
              color='black', alpha=0.3, size=3)
ax.set_title('Box Plot with Strip Plot Overlay')
plt.show()

3.6 포인트 플롯¶

fig, ax = plt.subplots(figsize=(10, 6))

sns.pointplot(data=tips, x='day', y='total_bill', hue='sex',
              dodge=True, markers=['o', 's'], linestyles=['-', '--'])
ax.set_title('Point Plot')

plt.show()

3.7 catplot (범주형 플롯 통합)¶

# FacetGrid 기반 범주형 플롯
g = sns.catplot(data=tips, x='day', y='total_bill', hue='sex',
                col='time', kind='box', height=5, aspect=1)
g.fig.suptitle('Box Plots by Time', y=1.02)
plt.show()

# kind: 'strip', 'swarm', 'box', 'violin', 'boxen', 'point', 'bar', 'count'

4. 관계 시각화¶

4.1 산점도¶

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# Basic 산점도
sns.scatterplot(data=tips, x='total_bill', y='tip', ax=axes[0])
axes[0].set_title('Basic Scatter Plot')

# 스타일 추가
sns.scatterplot(data=tips, x='total_bill', y='tip',
                hue='time', size='size', style='smoker',
                ax=axes[1])
axes[1].set_title('Scatter Plot with Style')

plt.tight_layout()
plt.show()

4.2 회귀 플롯¶

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 선형 회귀
sns.regplot(data=tips, x='total_bill', y='tip', ax=axes[0])
axes[0].set_title('Linear Regression')

# 다항 회귀
sns.regplot(data=tips, x='total_bill', y='tip', order=2, ax=axes[1])
axes[1].set_title('Polynomial Regression (order=2)')

plt.tight_layout()
plt.show()

4.3 lmplot (FacetGrid 기반 회귀)¶

g = sns.lmplot(data=tips, x='total_bill', y='tip', hue='smoker',
               col='time', height=5, aspect=1)
g.fig.suptitle('Linear Regression by Time and Smoker', y=1.02)
plt.show()

4.4 jointplot (결합 분포)¶

# 산점도 + 히스토그램
g = sns.jointplot(data=tips, x='total_bill', y='tip', kind='scatter')
plt.show()

# KDE
g = sns.jointplot(data=tips, x='total_bill', y='tip', kind='kde', fill=True)
plt.show()

# hex
g = sns.jointplot(data=tips, x='total_bill', y='tip', kind='hex')
plt.show()

# 회귀
g = sns.jointplot(data=tips, x='total_bill', y='tip', kind='reg')
plt.show()

4.5 pairplot (페어 플롯)¶

# 모든 변수 쌍의 관계
g = sns.pairplot(iris, hue='species', diag_kind='kde')
plt.show()

# 특정 변수만
g = sns.pairplot(tips, vars=['total_bill', 'tip', 'size'],
                 hue='time', diag_kind='hist')
plt.show()

5. 히트맵과 클러스터맵¶

5.1 히트맵¶

# 상관행렬 히트맵
correlation = tips[['total_bill', 'tip', 'size']].corr()

fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(correlation, annot=True, cmap='coolwarm', center=0,
            vmin=-1, vmax=1, fmt='.2f', ax=ax)
ax.set_title('Correlation Heatmap')
plt.show()

# 피벗 테이블 히트맵
pivot = tips.pivot_table(values='tip', index='day', columns='time', aggfunc='mean')

fig, ax = plt.subplots(figsize=(8, 6))
sns.heatmap(pivot, annot=True, cmap='YlOrRd', fmt='.2f', ax=ax)
ax.set_title('Average Tip by Day and Time')
plt.show()

5.2 클러스터맵¶

# 계층적 클러스터링 히트맵
iris_numeric = iris.drop('species', axis=1)

g = sns.clustermap(iris_numeric.sample(50), cmap='viridis',
                   standard_scale=1, figsize=(10, 10))
g.fig.suptitle('Clustered Heatmap', y=1.02)
plt.show()

6. 다중 플롯¶

6.1 FacetGrid¶

# 커스텀 FacetGrid
g = sns.FacetGrid(tips, col='time', row='smoker', height=4, aspect=1.2)
g.map(sns.histplot, 'total_bill', bins=20)
g.add_legend()
plt.show()

# 더 복잡한 예
g = sns.FacetGrid(tips, col='day', col_wrap=2, height=4)
g.map_dataframe(sns.scatterplot, x='total_bill', y='tip', hue='time')
g.add_legend()
plt.show()

6.2 PairGrid¶

g = sns.PairGrid(iris, hue='species')
g.map_upper(sns.scatterplot)
g.map_lower(sns.kdeplot, fill=True)
g.map_diag(sns.histplot, kde=True)
g.add_legend()
plt.show()

7. 통계적 시각화¶

7.1 오차 막대¶

fig, ax = plt.subplots(figsize=(10, 6))

# 오차 막대가 있는 바 플롯
sns.barplot(data=tips, x='day', y='total_bill', errorbar='sd', ax=ax)
ax.set_title('Bar Plot with Standard Deviation')
plt.show()

# errorbar 옵션: 'ci' (95% 신뢰구간), 'pi' (백분위수 구간), 'se' (표준오차), 'sd' (표준편차)

7.2 부트스트랩 신뢰구간¶

fig, ax = plt.subplots(figsize=(10, 6))

# 부트스트랩 기반 신뢰구간
sns.lineplot(data=tips, x='size', y='tip', errorbar=('ci', 95), ax=ax)
ax.set_title('Line Plot with 95% Confidence Interval')
plt.show()

8. 고급 커스터마이징¶

8.1 색상 설정¶

# 연속형 색상
fig, axes = plt.subplots(1, 3, figsize=(15, 5))

sns.scatterplot(data=tips, x='total_bill', y='tip', hue='size',
                palette='viridis', ax=axes[0])
axes[0].set_title('Viridis Palette')

sns.scatterplot(data=tips, x='total_bill', y='tip', hue='size',
                palette='coolwarm', ax=axes[1])
axes[1].set_title('Coolwarm Palette')

sns.scatterplot(data=tips, x='total_bill', y='tip', hue='size',
                palette='YlOrRd', ax=axes[2])
axes[2].set_title('YlOrRd Palette')

plt.tight_layout()
plt.show()

# 범주형 색상
custom_palette = {'Lunch': 'blue', 'Dinner': 'red'}
fig, ax = plt.subplots(figsize=(10, 6))
sns.boxplot(data=tips, x='day', y='total_bill', hue='time',
            palette=custom_palette, ax=ax)
plt.show()

8.2 축과 레이블¶

fig, ax = plt.subplots(figsize=(10, 6))

sns.boxplot(data=tips, x='day', y='total_bill', ax=ax)

# 축 레이블 커스터마이징
ax.set_xlabel('Day of Week', fontsize=14, fontweight='bold')
ax.set_ylabel('Total Bill ($)', fontsize=14, fontweight='bold')
ax.set_title('Distribution of Total Bill by Day', fontsize=16, fontweight='bold')

# x축 레이블 회전
plt.xticks(rotation=45, ha='right')

# y축 범위
ax.set_ylim(0, 60)

plt.tight_layout()
plt.show()

8.3 주석 추가¶

fig, ax = plt.subplots(figsize=(10, 6))

sns.scatterplot(data=tips, x='total_bill', y='tip', ax=ax)

# 주석 추가
ax.annotate('High tipper', xy=(50, 10), xytext=(40, 8),
            arrowprops=dict(arrowstyle='->', color='red'),
            fontsize=12, color='red')

# 수평선/수직선
ax.axhline(y=tips['tip'].mean(), color='green', linestyle='--',
           label=f'Mean tip: ${tips["tip"].mean():.2f}')
ax.axvline(x=tips['total_bill'].mean(), color='blue', linestyle='--',
           label=f'Mean bill: ${tips["total_bill"].mean():.2f}')

ax.legend()
ax.set_title('Scatter Plot with Annotations')
plt.show()

9. 대시보드 스타일 레이아웃¶

fig = plt.figure(figsize=(16, 12))

# GridSpec 사용
from matplotlib.gridspec import GridSpec
gs = GridSpec(3, 3, figure=fig, hspace=0.3, wspace=0.3)

# 큰 플롯
ax1 = fig.add_subplot(gs[0, :2])
sns.histplot(data=tips, x='total_bill', kde=True, ax=ax1)
ax1.set_title('Distribution of Total Bill')

# 작은 플롯들
ax2 = fig.add_subplot(gs[0, 2])
sns.boxplot(data=tips, y='total_bill', ax=ax2)
ax2.set_title('Box Plot')

ax3 = fig.add_subplot(gs[1, 0])
sns.countplot(data=tips, x='day', ax=ax3)
ax3.set_title('Count by Day')

ax4 = fig.add_subplot(gs[1, 1])
sns.barplot(data=tips, x='day', y='tip', ax=ax4)
ax4.set_title('Average Tip by Day')

ax5 = fig.add_subplot(gs[1, 2])
tips['time'].value_counts().plot(kind='pie', autopct='%1.1f%%', ax=ax5)
ax5.set_title('Time Distribution')

ax6 = fig.add_subplot(gs[2, :])
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='time',
                size='size', ax=ax6)
ax6.set_title('Total Bill vs Tip')

plt.suptitle('Restaurant Tips Dashboard', fontsize=20, fontweight='bold', y=1.02)
plt.tight_layout()
plt.show()

10. 저장 및 내보내기¶

# 고해상도 저장
fig, ax = plt.subplots(figsize=(10, 6))
sns.boxplot(data=tips, x='day', y='total_bill', ax=ax)

# PNG
fig.savefig('boxplot.png', dpi=300, bbox_inches='tight',
            facecolor='white', edgecolor='none')

# PDF (벡터 형식)
fig.savefig('boxplot.pdf', bbox_inches='tight')

# SVG (벡터 형식)
fig.savefig('boxplot.svg', bbox_inches='tight')

plt.close()

Summary¶

플롯 유형	Seaborn 함수	용도
분포	`histplot()`, `kdeplot()`, `displot()`	단일 변수 분포
범주형	`countplot()`, `barplot()`, `boxplot()`, `violinplot()`	범주별 비교
관계	`scatterplot()`, `regplot()`, `lmplot()`	변수 간 관계
결합	`jointplot()`, `pairplot()`	다변량 분석
히트맵	`heatmap()`, `clustermap()`	행렬 데이터
다중 플롯	`FacetGrid`, `PairGrid`, `catplot()`	조건별 서브플롯