Week3 04

강의 7

• Polar Plot

  • 회전, 주기성 등 각도에 민감한 데이터에 표현하기 적합
  • projection = polar 추가하여 사용 (matplotlib)
  • Scatter Line Bar 모두 가능 => 치환 필요
  • 직교 좌표계 X, Y에서 변환 가능

• Radar Chart

  • 극 좌표계 사용하는 대표적 차트
  • 개별 데이터를 표현하기에 용이
  • 캐릭터 지표, 운동 선수 분석 등
  • 각 feature는 독립적이며 척도가 같아야함
  • 순서형 변수와 수치형 변수 함께 있다면 고려 필요! ex) 자동차 안전성평가 5점만점 / 최대속도,연비 등 절대적 수치
  • feature 순서따라 다각형 면적 크게 달라짐
  • Feature 너무 많으면 가독성 떨어짐, 10개이상 시각화 => 효과적x

• Pie Chart

  • 원을 부채꼴로 분할하여 표현하는 통계차트
  • 비교 어려움 (각도에 대한 인지 < 길이에 대한 인지)
  • 유용성 떨어짐
  • 오히려 bar plot이 더 유용

• Donut Chart => 디자인적으로 선호, 인포그래픽에서 종종 사용, Plotly에서 사용가능

• Sunburst Chart => 계층적 데이터 시각화에 사용, 직관적 이해 bad

• Treemap

  • 계층적 데이터의 대표적 시각화
  • 계층 데이터를 직사각형을 사용하여 포함 관계를 표현한 시각화 방법

• Waffle Chart

  • 와플 형태로 discrete하게 값을 나타내는 차트
  • pip install pywaffle
  • 이산적인 개수 비교에 용이
  • 와플차트의 테이블, 텍스트 보조지표를 활용하면 더 효과적으로 전달
  • icon 사용해서 만들기도 가능(인포그래픽에서 유용)

• Venn

  • 집합 등에서 사용하는 익숙하는 벤 다이어그램
  • 그렇게 추천하진 않음 (어려움)

• Facet

  • 분할을 의미
  • View를 분할 및 추가해서 다양한 관점 전달
    • 같은 데이터셋 서로 다른 인코딩
    • 같은 방법으로 동시에 여러 feature
    • 부분 집합 세세하게 보여줄 수 있음

• Matplotlib에서의 구현

  • Figure와 Axes
    • Figure는 큰 틀, Ax는 각 플롯이 들어가는 공간
    • Figure는 항상 1개, 플롯은 N개
  • N x M subplots
    • plt.subplot()
    • plt.figure() + fig.add_subplot()
    • plt.subplots()
  • Grid Spec의 활용
    • fig.add_grid_spec() => 슬라이싱으로 원하는 사각형 사용 가능
    • fig.subplot2grid() => 시작위치 x,y와 차이 dx,dy로 표현
  • 내부에 그리기
    • ax.inset_axes() => Ax 내부에 서브플롯 추가
    • make_axes_locatable(ax) => 사이드에 추가

• More Tips

  • Grid
    • 거리 및 값 정보를 보조적으로 제공
    • 무채색(color) => 색 다른 표현들 방해 안하도록
    • 맨 밑(zorder) => layer 순서 맨밑
    • 큰 격자/ 세부격자(which = ‘major’, ‘ minor’, ‘both’)
    • x축 y축? 동시에(axis = ‘x’, ‘y’, ‘both’)
    • 다양한 타입의 Grid 존재 => X+Y = C, Y=CX, 동심원 사용 => 특정 지점에서 거리 살펴볼 수 있음
  • 보조도구
    • 선 추가하기
    • 면(span) 추가하기 =>그룹의 느낌을 내기 좋음
  • 테마
    • 기본 색상
    • 텍스트
    • 테두리 제거

---

실습 7-1