matplotlib을 이용하여 컬럼수가 많을 때 컬러 그래프 만들기

matplotlib을 이용하여 컬럼수가 많을 때 컬러 그래프 만들기¶

• 라인 그래프와 컬러 그래프를 사용하여 컬럼수가 많을 때 상대적으로 이해가 쉬운 방식을 찾아봅니다.

In [1]:

import numpy as np
import pandas as pd
from matplotlib import cm
import matplotlib.pyplot as plt
from matplotlib.gridspec import GridSpec

In [2]:

# 18개 지역의 3월 온도 변화량 샘플데이터를 평균온도 7.7 편차가 1.5인 정규분포를 사용하여 생성하는 코드는 아래와 같습니다.
# 3월 평균 온도

mu = 7.7

# 3월 평균 편차
sigma = 1.5

endofdate = 31

# 지역
place_num = 18

temperature_data = []
for i in range(place_num):
    # 평균(mu), 표준편차(sigma) 기반 정규분포 가정하에 num_samples 만큼 데이터 생성 
    temp_list = np.random.normal(mu, sigma, endofdate)
    temperature_data.append(temp_list)
    
temperature_data = np.array(temperature_data)

In [ ]:

In [3]:

# 데이터프레임을 이용하여 샘플데이터 확인하기
pd.set_option('display.float_format', '{:.1f}'.format)
place_list = [f"place_{n+1}" for n in range(place_num)]
df = pd.DataFrame(temperature_data.T, columns=place_list)
df

Out[3]:

	place_1	place_2	place_3	place_4	place_5	place_6	place_7	place_8	place_9	place_10	place_11	place_12	place_13	place_14	place_15	place_16	place_17	place_18
0	9.1	8.5	8.0	8.5	6.1	7.0	8.6	9.5	5.8	8.8	7.0	5.4	6.9	6.6	9.7	11.6	6.2	8.8
1	7.1	7.1	4.9	4.4	8.1	9.3	7.7	7.0	6.8	10.7	6.5	7.8	6.8	9.8	6.9	6.9	7.3	5.0
2	8.4	7.4	10.0	9.3	5.5	7.4	7.4	7.6	8.7	8.3	7.7	7.6	8.4	8.7	9.0	9.0	10.4	8.9
3	5.5	9.2	10.1	8.3	8.8	7.1	8.0	6.6	8.8	10.3	9.3	6.2	7.8	10.2	6.6	8.4	9.9	8.1
4	6.0	8.3	12.1	7.7	9.4	8.9	11.2	6.1	9.9	7.0	6.0	11.4	7.0	7.3	2.8	9.4	7.4	9.3
5	6.0	9.6	6.3	8.8	6.7	10.2	9.5	9.2	9.1	8.3	8.6	8.1	10.0	9.3	5.8	8.2	8.5	8.7
6	6.8	6.2	7.7	7.9	5.7	8.3	8.0	7.3	6.9	6.1	12.0	9.6	7.2	8.9	8.6	8.5	5.5	4.0
7	9.6	7.1	9.8	7.2	5.2	7.1	9.6	6.9	10.7	5.1	5.6	9.3	6.2	7.1	9.9	5.9	8.1	7.6
8	7.1	7.8	7.7	8.1	5.7	5.5	8.6	7.8	7.5	9.5	8.6	9.6	4.0	7.1	8.2	5.7	4.5	7.8
9	9.0	8.4	5.2	9.0	7.9	6.4	8.6	8.5	7.3	7.1	10.1	6.9	5.7	6.9	7.2	7.5	8.8	9.8
10	7.9	10.0	9.2	5.6	7.9	6.4	6.9	6.3	5.2	7.1	7.3	6.4	9.5	7.6	7.1	8.5	7.9	6.9
11	7.5	8.9	8.6	7.5	8.6	8.7	6.8	7.5	5.5	10.2	6.5	9.2	8.6	9.8	9.1	7.7	6.9	9.4
12	6.0	7.0	10.2	9.2	7.7	7.1	8.6	6.7	7.1	6.4	9.9	6.6	7.8	7.8	8.1	6.7	6.1	8.4
13	7.6	7.3	5.7	7.2	8.8	9.7	7.9	9.0	6.7	10.0	7.7	6.3	8.0	5.0	8.0	5.3	7.1	8.1
14	6.5	7.0	8.2	6.8	8.3	8.3	6.7	7.9	7.5	8.1	11.7	12.2	7.6	9.7	6.4	7.0	6.8	7.5
15	10.3	9.2	7.6	7.3	9.9	5.8	5.1	8.3	7.7	10.2	8.0	9.2	4.6	7.1	11.8	6.2	6.1	7.9
16	6.3	6.9	7.0	9.5	8.2	5.1	9.7	8.0	6.3	7.8	9.0	8.3	8.8	6.9	8.8	9.0	10.9	8.3
17	7.4	5.1	10.4	8.7	6.6	6.7	9.4	10.9	7.2	7.3	10.1	9.3	7.2	6.1	9.3	9.5	6.6	8.6
18	7.2	7.9	8.0	7.0	8.2	7.2	7.9	7.6	9.3	8.1	7.9	6.8	6.3	8.1	7.8	7.0	8.4	8.0
19	9.0	5.5	6.2	7.5	8.5	8.0	6.6	6.9	9.6	9.2	5.8	9.1	8.7	7.4	5.5	8.1	9.6	8.4
20	5.4	7.1	6.8	9.1	7.5	6.9	6.3	5.5	7.0	10.1	4.5	8.4	9.0	5.9	9.2	7.5	7.6	6.5
21	11.2	9.4	7.9	6.6	8.8	9.2	6.9	9.5	4.5	5.9	8.0	8.8	6.8	7.9	8.2	8.6	7.9	8.3
22	7.4	7.7	10.5	6.6	8.7	7.0	7.0	8.1	7.8	7.1	7.1	10.1	6.2	8.1	8.9	5.7	9.0	8.1
23	8.5	9.0	5.5	10.0	8.0	8.4	10.2	8.7	5.0	8.5	5.6	8.9	6.7	6.2	9.4	7.5	7.2	9.7
24	7.7	8.1	6.3	9.5	6.7	10.4	6.4	7.0	7.2	10.9	8.2	7.8	3.6	6.2	8.0	9.8	6.8	9.0
25	7.6	6.7	7.7	9.0	10.9	9.4	9.0	9.0	7.5	6.3	6.6	6.0	7.8	7.4	6.0	8.5	7.4	10.4
26	8.4	6.7	5.5	7.1	9.2	8.0	10.0	9.4	4.8	8.0	5.9	11.5	10.9	6.0	9.3	6.4	8.2	9.9
27	8.2	6.7	7.0	6.6	9.6	5.9	10.8	8.8	7.6	7.2	8.8	8.2	6.1	6.0	7.0	6.3	7.6	8.6
28	9.7	6.0	8.1	7.1	8.1	5.9	9.1	8.5	7.3	5.2	8.3	8.6	7.0	10.6	10.3	6.1	8.7	8.0
29	6.9	5.4	10.2	4.1	10.4	8.4	6.7	5.8	6.1	8.6	7.8	10.6	2.4	8.8	6.5	9.2	7.9	10.2
30	7.7	8.9	12.0	5.7	7.9	9.7	8.6	8.6	7.6	9.4	8.8	6.9	7.6	5.3	10.6	5.7	8.9	8.0

• 컬럼 수가 많은 데이터에 대해 라인그래프로 표현할 경우 아래 그래프를 보면 직관적으로 이해하기 어렵다는 것을 알 수 있다.

In [4]:

## 온도 변화량을 라인 그래프로 그리기
# 사이즈 조절
plt.figure(figsize=(place_num, endofdate))
# 라인그래프 추가
for line in temperature_data:
    plt.plot(line)
    
# x 축 이름 작성
plt.xlabel("date")
# y 축 이름 작성
plt.ylabel("temperature")
# 라인 특성 작성
plt.legend(place_list, fontsize=12, loc='best')
# 그래프 표시
plt.show()

In [5]:

# 그래프 삭제
plt.clf()

<Figure size 432x288 with 0 Axes>

• 진한 빨간색으로 갈수록 높은 온도를 나타내고 진한 파란색으로 갈수록 온도가 낮아지게 컬러 그래프를 사용하면 상대적으로 이해가 쉬움을 알 수 있다.

In [6]:

## 컬러 그래프 그리기
# 사이즈 조절
plt.figure(figsize=(place_num, endofdate))
# 색상 그래프 표현 (cmap으로 컬러 스타일 지정 후 vmax로 최대값 고정)
plt.imshow(temperature_data, cmap=cm.coolwarm, vmax=np.max(temperature_data))
# 오른쪽 컬러바 그리기(shrink 를 이용한 사이즈 조절)
plt.colorbar(shrink=0.25)
# x 축 이름 작성
plt.xlabel("date")
# y 축 값 지정
plt.yticks(ticks=np.arange(0, place_num), labels=place_list)
# y 축 이름 작성
plt.ylabel("place")
plt.show()

• place_12 지역 14일에 온도가 높았음을 위 라인 그래프 보다 쉽게 확인 할 수 있습니다.

[참고] 객체 선언바방식을 활용한 색상그래프 작성 코드는 아래와 같습니다.

In [7]:

import matplotlib.pyplot as plt
import numpy as np

# Create a sample color image represented as a NumPy array
# Replace this with your own image data
image_data = np.random.random((200, 300, 3))  # Replace with your image shape

# Create a figure and axis
fig, ax = plt.subplots()

# Display the image
ax.imshow(image_data)

# Add a colorbar to show the color scale
cbar = ax.figure.colorbar(ax.images[0], ax=ax)

# Set labels for the colorbar
cbar.ax.set_ylabel('Color Intensity', rotation=-90, va="bottom")

# Set the title
ax.set_title('Color Image')

# Show the plot
plt.show()