데이터 시각화와 관련하여 대부분의 사람들은 무엇을해야하는지에 대한 직접적인 아이디어를 가지고 있습니다.산점도를 사용하여 두 변수 간의 관계를 표시합니다.상자 그림은 변수에서 개별 요소의 분산을 비교하는 데 사용됩니다.원형 차트를 사용하여 여러 클래스가 변수에 전체적으로 기여하는 방식을 나타낼 수 있습니다.시계열도는 누군가 또는 조직에 의해 시간에 따른 진행 상황을 표시하는 데 사용할 수 있습니다.
단단한 것 말고나는어떤 차트를 사용할지 결정하기 위해 소프트웨어 패키지를 사용하여 그래프를 만들고 차트를 개발하는 것이 중요하며이를 가능하게하는 데 사용할 수있는 여러 리소스가 있습니다.R을 통한 ggplot2, python을 통한 seaborn, Tableau, PowerBI, MS Excel은 차트를 작성하는 데 사용되는 유명한 플랫폼 중 일부입니다.
이 기사에서는 Tableau, seaborn 및 ggplot2의 세 가지 패키지 / 플랫폼에서 차트를 작성하는 데 필요한 프로세스에 초점을 맞출 것입니다.활용 된 데이터 세트는 널리 사용되는 홍채 데이터 세트입니다.홍채 데이터 셋에는 5 개의 변수가 있습니다.그중 4 개는 꽃잎 길이, 꽃잎 너비, 꽃받침 길이 및 꽃받침 너비의 연속 변수입니다.마지막 하나는 종이라는 범주 형 변수입니다.setosa, virginica 및 versicolor의 세 가지 클래스가 있습니다.
세 가지 플랫폼 모두에서 동일한 차트를 작성함으로써 차트의 품질을 비교하고 데이터 시각화 프로젝트에서 작업 할 때 사용할 차트를 결정할 수 있습니다.생성 된 두 차트는 다음과 같습니다.
- 꽃받침 너비와 꽃받침 길이 간의 관계를 비교하는 산점도입니다.
- 여러 종에 걸쳐 네 가지 변수의 평균 값을 비교하는 막대 차트입니다.
홍채 데이터 세트는 R-studio와 Jupyter 노트북 모두에서 기성품입니다.따라서 Tableau에서 사용하기 위해 쉽게 내보낼 수있었습니다.
Tableau
Tableau는 데이터 시각화를 가능한 한 쉽게 만들어주는 플랫폼입니다.Python 및 R에 비해 큰 장점은 데이터 세트를로드하거나 그래프를 생성하는 데 코드가 필요하지 않다는 사실입니다.끌어서 놓기 기능으로 인해 사용자는 변수를 조정하여 사용자에게 정보를 효과적으로 표시하는 차트를 작성할 수 있습니다.또한 차트를 아름답게하고 청중의 관심을 끌 수있는 다른 기능도 있습니다.
Tableau의 사용하기 쉬운 기능은 위의 비디오에서 확인할 수 있습니다.초보자를위한 Tableau 사용 기술을 습득하는 방법에 대한 가이드 역할을 할 수있는 책은 Ben Jones의Tableau와 데이터 통신 : 데이터 시각화 설계, 개발 및 제공.Tableau를 사용하여 작성된 다른 차트는 아래에서 볼 수 있습니다.
ggplot2
ggplot2는 R-studio에서 제공하는 놀라운 패키지입니다.Tableau와 달리 차트를 작성하려면 사용자가 패키지를 가져와야합니다.약간의 코딩이 필요하지만 코딩 구문은 매우 간단합니다.ggplot2로 간단한 차트를 작성하려면 두 가지 간단한 단계가 필요합니다.
첫 번째 단계는 tidyverse 패키지를로드하는 것입니다.ggplot2 패키지는 tidyverse 패키지에서 제공하는 많은 패키지 중 하나입니다.tidyverse 패키지를로드하면 사용자는 그래프를 디자인하는 동안 다른 패키지의 기능에 액세스 할 수 있습니다.tidyverse를로드하는 코드는 아래에서 볼 수 있습니다.
install.packages ( "tidyverse")
도서관 (tidyverse)
두 번째 단계는 코딩 구문을 사용하여 그래프를 생성하는 것입니다.코딩 구문은 아래에서 볼 수 있습니다.ggplot ()은 ggplot2 패키지를 호출하고 사용할 데이터를 식별합니다.geom_point ()는 점이있는 산점도가 원하는 그래프임을 나타냅니다.geom_point () 내에서 aes ()를 사용하면 x 및 y 축에 표시 할 변수를 쉽게 매핑 할 수있을뿐만 아니라 종에 따라 그룹화 할 수 있습니다.labs ()를 사용하여 그래프의 제목을 추가하고 x 및 y 축 모두에 레이블을 지정할 수 있습니다.theme_classic ()을 사용하여 테마를 클래식으로 설정하면 사용자가 테마 설정을 제어 할 수 있습니다.
사용자가 ggplot2를 통해 위에서 만든 것과 다른 차트를 그리는 데 관심이 있다면링크사용자를위한 가이드 역할을 할 수 있습니다.
ggplot (데이터 = df_iris) +
geom_point (aes (x = sepal_width, y = sepal_length, color = species)) +
labs (title = "Sepal 길이 vs Sepal 너비", x = "Sepal 너비", y = "Sepal 길이") +
theme_classic ()
Seaborn
Seaborn은 python에서 제공하는 패키지입니다.이는 그래프를 아름답게하기 위해 Python에서 제공하는 또 다른 데이터 시각화 패키지 인 matplotlib를 개선하는 역할을합니다.Seaborn은 사용자가 패키지를로드해야하고 원하는 플롯을 얻기 위해 코딩 구문을 사용한다는 점에서 ggplot2와 동일하게 작동합니다.다음은 seaborn 패키지 및 그래프를 쉽게 디자인 할 수있는 기타 유용한 패키지를로드하는 코드입니다.
seaborn을 sns로 가져옵니다.sns.set_theme (style = "dark")
% matplotlib 인라인
matplotlib.pyplot을 plt로 가져 오기
패키지를로드 한 후 다음 단계는 올바른 기능을 사용하여 차트를 그리는 것입니다.plt.figure ()를 사용하여 플롯의 크기를 결정할 수 있습니다.sns.barplot ()은 사용할 데이터 세트뿐 아니라 x 및 y 축에 배치 할 변수를받습니다.ggplot2와 마찬가지로 sns.barplot () 함수 내에서 플롯 모양에 대한 추가 변경이 이루어집니다.plt.title (), plt.xlabel () 및 plt.ylabel ()은 플롯에 레이블을 지정하는 데 사용됩니다.
사용자가 seaborn을 통해 위의 것과 다른 차트를 그리는 데 관심이 있다면링크사용자를위한 가이드 역할을 할 수 있습니다.
plt.figure (figsize = (20,12))
sns.barplot (x = "종", y = "숫자", 데이터 = n_iris2, 색상 = "특징", 팔레트 = "깊이")
plt.title ( "종별 특성의 평균 값에 대한 막대 차트", fontsize = 20)
plt.xlabel ( "종", fontsize = 12)
plt.ylabel ( "평균값", fontsize = 12)
Conclusion
위에서 설명한 세 가지 플랫폼은 모두 그래프를 디자인하고 구축하는 데 훌륭합니다.Tableau는 코딩에 관심이없는 사람이 차트를 쉽게 생성 할 수있는 좋은 방법입니다.ggplot2 및 seaborn은 사용자에게 그래프 모양을 제어 할 수있는 개방형 접근 방식을 제공하는 코딩 플랫폼입니다.데이터 시각화에 관해서는 상상력이 유일한 한계입니다.
다음은 데이터 시각화에 대한 권장 문서 목록입니다.
읽어 주셔서 감사합니다!