Matplotlib

# 라이브러리 불러오기 import pandas as pd import matplotlib.pyplot as plt # excel 데이터를 데이터프레임으로 가져오기 df = pd.read_excel("시도별 전출입 인구수.xlsx", engine='openpyxl', header=0) # 첫행이 변수가 될 것 df.head() Out[5]: 전출지별 전입지별 1970 1971 ... 2014 2015 2016 2017 0 전출지별 전입지별 이동자수 (명) 이동자수 (명) ... 이동자수 (명) 이동자수 (명) 이동자수 (명) 이동자수 (명) 1 전국 전국 4046536 4210164 ... 7629098 7755286 7378430 7154226 2 NaN 서울특별시 1742813 1671705 ... 1573594 1589431 1515602 1472937 3 NaN 부산광역시 448577 389797 ... 485710 507031 459015 439073 4 NaN 대구광역시 - - ... 350213 351424 328228 321182 [5 rows x 50 columns]

# 누락값 NaN을 앞 데이터로 채운다. (fillna 메소드 사용) df = df.fillna(method='ffill') # 앞의 행 값을 가져와서 채움 # 서울에서 다른 지역으로 이동한 데이터만 추출하여 정리 mask = (df['전출지별'] == '서울특별시') & (df['전입지별'] != '서울특별시') # 인덱스가 추출됨 df_seoul = df[mask] df_seoul = df_seoul.drop(['전출지별'], axis=1) # 열 제거하기 df_seoul.rename({'전입지별':'전입지'}, axis=1, inplace=True) # 열 이름 바꾸기 df_seoul.set_index('전입지', inplace=True) # 행 인덱스 지정하기 df_seoul 1970 1971 1972 1973 ... 2014 2015 2016 2017 전입지 ... 전국 1448985 1419016 1210559 1647268 ... 1661425 1726687 1655859 1571423 부산광역시 11568 11130 11768 16307 ... 17320 17009 15062 14484 대구광역시 - - - - ... 10062 10191 9623 8891 인천광역시 - - - - ... 43212 44915 43745 40485 광주광역시 - - - - ... 9759 9216 8354 7932 대전광역시 - - - - ... 13403 13453 12619 11815 울산광역시 - - - - ... 6047 5950 5102 4260 세종특별자치시 - - - - ... 6481 7550 5943 5813 경기도 130149 150313 93333 143234 ... 332785 359337 370760 342433 강원도 9352 12885 13561 16481 ... 21173 22659 21590 21016 충청북도 6700 9457 10853 12617 ... 14244 14379 14087 13302 충청남도 15954 18943 23406 27139 ... 21473 22299 21741 21020 전라북도 10814 13192 16583 18642 ... 14566 14835 13835 13179 전라남도 10513 16755 20157 22160 ... 14591 14598 13065 12426 경상북도 11868 16459 22073 27531 ... 14456 15113 14236 12464 경상남도 8409 10001 11263 15193 ... 14799 15220 13717 12692 제주특별자치도 1039 1325 1617 2456 ... 9031 10434 10465 10404 [17 rows x 48 columns] # df_seoul에서 '전입지'가 '경기도'인 행데이터를 선택하여 sr_one에 저장 sr_one = df_seoul.loc['경기도'] # 행을 선택할때는 iloc이나 loc 사용 sr_one.head() Out[22]: 1970 130149 1971 150313 1972 93333 1973 143234 1974 149045 Name: 경기도, dtype: object

# x, y축 데이터를 plot함수에 입력 plt.plot(sr_one.index, sr_one.values) # 물론, 시리즈 또는 데이터프레임 객체를 plot함수에 직접 입력하는 것도 가능하다. plt.plot(sr_one) # 결과는 위와 같다.

# 한글 폰트 사용을 위해서 세팅 import matplotlib matplotlib.rcParams['font.family']='Malgun Gothic' matplotlib.rcParams['axes.unicode_minus']=False # 위의 방식 아니면 아래 방식 from matplotlib import font_manager, rc font_path = "./malgun.ttf" # 폰트 파일 위치, 파이썬 파일과 같은 폴더에 저장 또는 윈도우/폰트 경로에 저장 font_name = font_manager.FontProperties(fname=font_path).get_name() rc('font',family=font_name) # 차트 제목, 축 이름 추가 # 차트 제목은 title() 함수, x축 이름는 xlabel(), y축 이름은 ylabel() 로 한다. # 서울에서 경기도로 이동한 인구 데이터 값만 선택 sr_one # x, y축 데이터를 plot함수에 입력 plt.plot(sr_one.index, sr_one.values) #차트 제목 추가 plt.title('서울 --> 경기 인구 이동') #축 이름 추가 plt.xlabel('기간') plt.ylabel('이동 인구수') plt.show() # 변경 사항 저장하고 그래프 출력

# 서울에서 경기도로 이동한 인구 데이터 값만 선택 sr_one = df_seoul.loc['경기도'] # 그림 사이즈 지정(가로 14인치, 세로 5인치) plt.figure(figsize=(14,5)) # x축 눈금 라벨 회전하기 plt.xticks(rotation='vertical') # 반시계 방향으로 90도 회전, 90으로 입력해도 같음 # x, y축 데이터를 plot 함수에 입력 plt.plot(sr_one.index, sr_one.values) plt.title('서울 --> 경기 인구 이동') # 차트 제목 plt.xlabel('기간') # x축 이름 plt.ylabel('이동 인구수') # y축 이름 plt.legend(labels=['서울-->경기'],loc='best') # 범례 표시 plt.show() # 변경사항 저장하고 그래프 출력

plt.xticks(rotation=90) # 는 plt.xticks(rotation='vertical') 와 같음

# 스타일 서식 지정 plt.style.use('ggplot') # ggplot이라는 스타일 서식을 지정 # 그림 사이즈 지정 plt.figure(figsize=(14,5)) # x축 눈금 라벨 회전하기 plt.xticks(size=10, rotation='vertical') # x축, y축 데이터를 plot 함수에 입력 plt.plot(sr_one.index,sr_one.values, marker='o',markersize=10) # 마커 표시 추가 plt.title('서울 --> 경기 인구 이동', size=30) # 차트 제목 plt.xlabel('기간', size=20) # x축 이름 plt.ylabel('이동 인구수', size=20) # y축 이름 plt.legend(labels=['서울-->경기'], loc='best', fontsize=15) # 범례 표시 plt.show()

# Matplotlib 스타일 리스트 출력 # 라이브러리 불러오기 import matplotlib.pyplot as plt # 스타일 리스트 출력 print(plt.style.available) ['Solarize_Light2', '_classic_test_patch', '_mpl-gallery', '_mpl-gallery-nogrid', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

# y축 범위 지정(최소값, 최대값) plt.ylim(50000,800000) # 주석 표시 - 화살표를 나타내기 plt.annotate('', xy = (20,620000) # 화살표의 끝점 xytext = (2,290000) # 화살표의 시작점 xycoords = 'data' # 좌표체계 arrowprops = dict(arrowstyle='->',color='skyblue',lw=5), # 화살표 서식 ) plt.annotate('', xy = (47,450000), xytext = (30,580000), xycoords = 'data', arrowprops = dict(arrowstyle='->',color='olive',lw=5), ) # 주석 표시 - 텍스트 plt.annotate('인구 이동 증가(1970-1995)', # 텍스트 입력 xy = (10,550000), # 텍스트 위치 시작점 rotation = 25, # 텍스트 회전 각도 va = 'baseline', # 텍스트 상하 정렬 ha = 'center', # 텍스트 좌우 정렬 fontsize = 15, # 텍스트 크기 ) plt.annotate('인구 이동 감소(1995-2017)', xy = (40,560000), rotation = -11, # 시계 방향 11도 회전 va = 'baseline', ha = 'center', fontsize = 15, ) plt.show() #변경 사항 저장하고 그래프 출력

# 그래프 객체 생성(figure에 2개의 서브 플롯 생성) fig = plt.figure(figsize=(10,10)) # 객체에 저장 ax1 = fig.add_subplot(2,1,1) # 2행 1열의 분할에서 1번째 부분을 나타냄 ax2 = fig.add_subplot(2,1,2) # axe 객체에 plot함수로 그래프 출력 ax1.plot(sr_one,'o', markersize=10) # 선 대신 점으로만 표시 ax2.plot(sr_one,marker='o',markerfacecolor='green',markersize=10, color='olive',linewidth=2, label='서울->경기') # 마커와 선 모두 표시, 라벨 지정 ax2.legend(loc='best') # 범례도 추가 # y축 범위 지정(최소값,최대값) ax1.set_ylim(50000,800000) ax2.set_ylim(50000,800000) # 축 눈금 라벨 지정 및 75도 회전 ax1.set_xticklabels(sr_one.index, rotation=75) ax2.set_xticklabels(sr_one.index, rotation=75) plt.show()

# 그래프 객체 생성(figure에 1개의 서브 플롯 생성) fig = plt.figure(figsize=(20,5)) ax = fig.add_subplot(1,1,1) # axe 객체에 plot함수로 그래프 출력 ax.plot(sr_one, marker='o', markerfacecolor='orange',markersize=10, color='olive',linewidth=2,label='서울->경기') ax.legend(loc='best') # y축 범위 지정(최소값, 최대값) ax.set_ylim(50000,800000) # 차트 제목 추가 ax.set_title('서울 -> 경기 인구 이동', size=20) # 축 이름 추가 ax.set_xlabel('기간',size=12) ax.set_ylabel('인구 이동수', size=12) # 축 눈금 라벨 지정 및 75도 회전 ax.set_xticklabels(sr_one.index,rotation=75) # 축 눈금 라벨 크기 ax.tick_params(axis="x", labelsize=10) ax.tick_params(axis="y", labelsize=10) plt.show()

# 서울에서 '충청남도', '경상북도', '강원도'로 이동한 인구 데이터 값만 선택 col_years = list(map(str,range(1970,2018))) # 1970~2018의 숫자를 문자열로 변환하여 리스트로 반환 df_3 = df_seoul.loc[['충청남도','경상북도','강원도'],col_years] # 스타일 서식 지정 plt.style.use('ggplot') # 그래프 객체 생성(figure에 1개의 서브 플롯 생성) fig = plt.figure(figsize=(20,5)) ax = fig.add_subplot(1,1,1) # axe 객체에 plot함수로 그래프 출력 ax.plot(col_years, df_3.loc['충청남도',:],marker='o', markerfacecolor='green',markersize=10,color='olive',linewidth=2,label='서울->충남') ax.plot(col_years, df_3.loc['경상북도',:],marker='o', markerfacecolor='blue', markersize=10,color='skyblue',linewidth=2,label='서울->경북') ax.plot(col_years, df_3.loc['강원도',:],marker='o', markerfacecolor='red',markersize=10,color='magenta',linewidth=2, label='서울->강원') # 범례 표시 ax.legend(loc='best') # 차트 제목 추가 ax.set_title('서울->충남,경북,강원 인구 이동',size=20) # 축 이름 추가 ax.set_xlabel('기간',size=12) ax.set_ylabel('이동 인구수',size=12) # 축 눈금 라벨 지정 및 90도 회전 ax.set_xticklabels(col_years,rotation=90) # 축 눈금 라벨 크기 ax.tick_params(axis='x', labelsize=10) ax.tick_params(axis='y', labelsize=10) plt.show()

# 서울에서 '충청남도','경상북도','강원도','전라남도'로 이동한 인구 데이터 값만 선택 col_years = list(map(str,range(1970,2018))) df_4 = df_seoul.loc[['충청남도','경상북도','강원도','전라남도'],col_years] # 스타일 서식 지정 plt.style.use('ggplot') # 그래프 객체 생성(figure에 4개의 서브 플롯 생성) fig = plt.figure(figsize=(20,10)) # figure 사이즈 지정 ax1 = fig.add_subplot(2,2,1) ax2 = fig.add_subplot(2,2,2) ax3 = fig.add_subplot(2,2,3) ax4 = fig.add_subplot(2,2,4) # axe 객체에 plot함수로 그래프 출력 ax1.plot(col_years, df_4.loc['충청남도',:],marker='o',markerfacecolor='green',markersize=10,color='olive',linewidth=2,label='서울->충남') ax2.plot(col_years, df_4.loc['경상북도',:],marker='o',markerfacecolor='blue',markersize=10,color='skyblue',linewidth=2,label='서울->경북') ax3.plot(col_years, df_4.loc['강원도',:], marker='o', markerfacecolor='red',markersize=10, color='magenta',linewidth=2,label='서울->강원') ax4.plot(col_years, df_4.loc['전라남도',:],marke='o', markerfacecolor='orange',markersize=10,color='yellow',linewidth=2,label='서울->전남') # 범례 표시 ax1.legend(loc='best') ax2.legend(loc='best') ax3.legend(loc='best') ax4.legend(loc='best') # 차트 제목 추가 ax1.set_title('서울->충남 인구 이동',size=15) ax2.set_title('서울->경북 인구 이동',size=15) ax3.set_title('서울->강원 인구 이동',size=15) ax4.set_title('서울->전남 인구 이동',size=15) # 축 눈금 라벨 지정 및 90도 회전 ax1.set_xticklabels(col_years,rotation=90) ax2.set_xticklabels(col_years,rotation=90) ax3.set_xticklabels(col_years,rotation=90) ax4.set_xticklabels(col_years,rotation=90) plt.show()

import matplotlib # 컬러 정보를 담을 빈 딕셔너리 생성 colors={} # 컬러 이름과 헥사코드 확인하여 딕셔너리에 입력 for name, hex in matplotlib.colors.cnames.items(): colors[name] = hex # 딕셔너리 출력 print(colors)

# 서울에서 다른 지역으로 이동한 데이터만 추출하여 정리 mask = (df['전출지별']=='서울특별시')&(df['전입지별']!='서울특별시') df_seoul = df[mask] df_seoul = df_seoul.drop(['전출지별'],axis=1) df_seoul.rename({'전입지별':'전입지'},axis=1,inplace=True) df_seoul.set_index('전입지',inplace=True) # 서울에서 '충청남도','경상북도','강원도','전라남도'로 이동한 인구 데이터 값만 선택 col_years = list(map(str,range(1970,2018))) # 먼저 1970~2018까지 문자열 데이터로 구성된 리스트 생성 df_4 = df_seoul.loc[['충청남도','경상북도','강원도','전라남도'],col_years] df_4 = df_4.transpose() # 년도가 행으로 오게끔 전치시킴 # 스타일 서식 지정 plt.style.use('ggplot') # 데이터프레임의 인덱스를 정수형으로 변경(x축 눈금 라벨 표시) df_4.index.map(int) # 현재 인덱스는 문자형인 년도임 # 면적 그래프 그리기 df_4.plot(kind='area',stacked=False, alpha=0.2, figsize=(20,10)) plt.title('서울 -> 타시도 인구 이동',size=30) plt.ylabel('이동 인구 수',size=20) plt.xlabel('기간', size=20) plt.legend(loc='best',fontsize=15) plt.show()

# 데이터프레임의 인덱스를 정수형으로 변경(앞의 내용과 같음) df_4.index = df_4.index.map(int) # 면적 그래프 그리기 df_4.plot(kind='area',stacked=True,alpha=0.2,figsize=(20,10)) plt.title('서울 -> 타시도 인구 이동',size=30) plt.ylabel('이동 인구 수',size=20) plt.xlabel('기간', size=20) plt.legend(loc='best',fontsize=15) plt.show()

# 면적 그래프 axe 객체 생성 ax = df_4.plot(kind='area',stacked=True,alpha=0.2,figsize=(20,10)) print(type(ax)) # axe객체 설정 변경 ax.set_title('서울->타시도 인구 이동',size=30,color='brown',weight='bold') # 크기, 색깔, 진하기를 설정할 수 있다. ax.set_ylabel('이동 인구 수',size=20,color='blue') ax.set_xlabel('기간',size=20,color='blue') ax.legend(loc='best',fontsize=15) plt.show()

col_years = list(map(str,range(2010,2018))) df_4 = df_seoul.loc[['충청남도','경상북도','강원도','전라남도'],col_years] df_4 = df_4.transpose() # 스타일 서식 지정 plt.style.use('ggplot') df_4.index = df_4.index.map(int) # 인덱스를 정수형으로 전환 # 막대 그래프 그리기 df_4.plot(kind='bar',figsize=(20,10), width=0.7, color=['orange','green','skyblue','blue']) plt.title('서울->타시도 인구 이동',size=30) plt.ylabel('이동 인구 수',size=20) plt.xlabel('기간',size=20) plt.ylim(5000,30000) plt.legend(loc='best',fontsize=15) plt.show()

col_years = list(map(str,range(2010,2018))) df_4 = df_seoul.loc[['충청남도','경상북도','강원도','전라남도'],col_years] # 2010~2017년 이동 인구 수를 합계하여 새로운 열로 추가 df_4['합계'] = df_4.sum(axis=1) # 연도인 열을 합치기 # 가장 큰 값부터 정렬 df_total = df_4[['합계']].sort_values(by='합계',ascending=True) # 합계 데이터를 오름차순으로 정렬 # 스타일 서식 지정 plt.style.use('ggplot') # 수평 막대 그래프 그리기 df_total.plot(kind='barh',color='cornflowerblue',width=0.5,figsize=(10,5)) plt.title('서울->타시도 인구 이동') plt.ylabel('전입지') plt.xlabel('이동 인구 수') plt.show()

# 라이브러리 불러오기 import pandas as pd import matplotlib.pyplot as plt # 한글 폰트 사용을 위해서 세팅 import matplotlib matplotlib.rcParams['font.family']='Malgun Gothic' matplotlib.rcParams['axes.unicode_minus']=False plt.style.use('ggplot') # 스타일 서식 지정 # excel 데이터를 데이터프레임으로 변환 df = pd.read_excel('./남북한발전량.xlsx', engine='openpyxl',convert_float=True) df = df.loc[5:9] # 북한 데이터만 뽑기 df.drop('전력량 (억㎾h)',axis=1,inplace=True) # 전력량 열 삭제 df.set_index('발전 전력별',inplace=True) # 행 인덱스를 발전 전력별 열로 지정 df = df.T # 전치시켜 행 인덱스가 열이 되고, 년도 열이 행이 됨 df.head() 발전 전력별 합계 수력 화력 원자력 1990 277 156 121 - 1991 263 150 113 - 1992 247 142 105 - 1993 221 133 88 - 1994 231 138 93 - # 증감률(변동률) 계산 df = df.rename(columns={'합계':'총발전량'}) df['총발전량 - 1년'] = df['총발전량'].shift(1) # 총발전량 열의 데이터를 1행씩 뒤로 이동한 열을 새로 만듦. df.head() Out[22]: 발전 전력별 총발전량 수력 화력 원자력 총발전량 - 1년 1990 277 156 121 - NaN 1991 263 150 113 - 277 1992 247 142 105 - 263 1993 221 133 88 - 247 1994 231 138 93 - 221 df['증감률'] = ((df['총발전량']/df['총발전량 - 1년']) - 1)*100 Out[24]: 발전 전력별 총발전량 수력 화력 원자력 총발전량 - 1년 증감률 1990 277 156 121 - NaN NaN 1991 263 150 113 - 277 -5.054152 1992 247 142 105 - 263 -6.08365 1993 221 133 88 - 247 -10.526316 1994 231 138 93 - 221 4.524887 # 2축 그래프 그리기 ax1 = df[['수력','화력']].plot(kind='bar',figsize=(20,10),width=0.7,stacked=True) #막대그래프의 stacked=True는 각 열의 값을 아래위로 쌓은형태의 그래프다. ax2 = ax1.twinx() # ax1의 쌍둥이 객체를 twinx() 메소드로 만들기 ax2.plot(df.index,df.증감률,ls='--',marker='o',markersize=20,color='red',label='전년대비 증감률(%)') ax1.set_ylim(0,500) ax2.set_ylim(-50,50) ax1.set_xlabel('연도',size=20) ax1.set_ylabel('발전량(억 ㎾h)') ax2.set_ylabel('전년 대비 증감률(%)') plt.title('북한 전력 발전량(1990 ~ 2016)',size=30) ax1.legend(loc='upper left') # 범례 위치는 왼쪽 위 plt.show()

import pandas as pd df = pd.read_excel('./남북한발전전력량.xlsx', engine='openpyxl') # 데이터프레임으로 반환 df.head() 전력량 (억㎾h) 발전 전력별 1990 1991 1992 1993 ... 2011 2012 2013 2014 2015 2016 0 남한 합계 1077 1186 1310 1444 ... 4969 5096 5171 5220 5281 5404 1 NaN 수력 64 51 49 60 ... 78 77 84 78 58 66 2 NaN 화력 484 573 696 803 ... 3343 3430 3581 3427 3402 3523 3 NaN 원자력 529 563 565 581 ... 1547 1503 1388 1564 1648 1620 4 NaN 신재생 - - - - ... - 86 118 151 173 195 [5 rows x 29 columns] df_ns = df.iloc[[0,5],3:] # 남한, 북한 발전량 합계 데이터만 추출 df_ns.head() 1991 1992 1993 1994 1995 1996 ... 2011 2012 2013 2014 2015 2016 0 1186 1310 1444 1650 1847 2055 ... 4969 5096 5171 5220 5281 5404 5 263 247 221 231 230 213 ... 211 215 221 216 190 239 [2 rows x 26 columns] # 행 인덱스 변경 df_ns.index = ['South','North'] df_ns.info() <class 'pandas.core.frame.DataFrame'> Index: 2 entries, South to North Data columns (total 26 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 1991 2 non-null object 1 1992 2 non-null object 2 1993 2 non-null object 3 1994 2 non-null object 4 1995 2 non-null object 5 1996 2 non-null object 6 1997 2 non-null object 7 1998 2 non-null object 8 1999 2 non-null object 9 2000 2 non-null object 10 2001 2 non-null object 11 2002 2 non-null object 12 2003 2 non-null object 13 2004 2 non-null object 14 2005 2 non-null object 15 2006 2 non-null object 16 2007 2 non-null object 17 2008 2 non-null object 18 2009 2 non-null object 19 2010 2 non-null object 20 2011 2 non-null object 21 2012 2 non-null object 22 2013 2 non-null object 23 2014 2 non-null object 24 2015 2 non-null object 25 2016 2 non-null object dtypes: object(26) memory usage: 432.0+ bytes # 숫자형이어야 할 값들이 모두 문자열로 되어있는 것을 확인 # 열 이름의 자료형을 정수형으로 변경 df_ns.columns = df_ns.columns.map(int) print(df_ns.head()) 1991 1992 1993 1994 1995 1996 ... 2011 2012 2013 2014 2015 2016 South 1186 1310 1444 1650 1847 2055 ... 4969 5096 5171 5220 5281 5404 North 263 247 221 231 230 213 ... 211 215 221 216 190 239 [2 rows x 26 columns]

# 선 그래프 그리기 df_ns.plot()

# 행, 열 전치하여 다시 그리기 tdf_ns = df_ns.T print(tdf_ns.head()) South North 1991 1186 263 1992 1310 247 1993 1444 221 1994 1650 231 1995 1847 230 tdf_ns.plot()

# 막대 그래프 그리기 tdf_ns.plot(kind="bar")

# 히스토그램 그리기 tdf_ns.plot(kind="hist")

tdf_ns = tdf_ns.astype('int64')

# read_csv()함수로 df 생성 df = pd.read_csv('./auto-mpg.csv', header=None) # 첫 행부터 데이터 시작이다. # 열 이름 지정 df.columns = ['mpg','cylinders','displacement','horsepower','weight','acceleration', 'model year','origin','name'] # 2개의 열을 선택하여 산점도 그리기 df.plot(x='weight',y='mpg', kind='scatter')

df['mpg'].describe() Out[21]: count 398.000000 mean 23.514573 std 7.815984 min 9.000000 25% 17.500000 50% 23.000000 75% 29.000000 max 46.600000 Name: mpg, dtype: float64

df['cylinders'].describe() Out[22]: count 398.000000 mean 5.454774 std 1.701004 min 3.000000 25% 4.000000 50% 4.000000 75% 8.000000 max 8.000000 Name: cylinders, dtype: float64

df[['mpg','cylinders']].plot(kind="box")