[Data Analysis] 기본 차트 유형 및 사용법

막대 그래프 (Bar Chart)

• 막대 그래프는 '범주형 데이터의 빈도나 값'을 나타내기 위해 사용되는 기본적인 시각화 도구입니다.
• 데이터 값은 수평 또는 수직 막대로 표현되며, 각 막대의 길이는 해당 범주의 크기나 빈도를 나타냅니다.
• 예시
  • 비즈니스: 월별 매출 비교를 통해 성과 분석
  • 교육: 학년별 성적 비교
  • 의료: 병원별 환자 수 비교

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

# 데이터 정의
months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']
sales = [150, 200, 180, 220, 250, 230]

# 막대그래프 생성
plt.figure(figsize=(10, 6))  # 그래프 크기 설정
plt.bar(months, sales, color='skyblue', label='Sales')  # 막대그래프 생성
plt.title('Monthly Sales')  # 제목 추가
plt.xlabel('Month')  # x축 레이블 추가
plt.ylabel('Sales')  # y축 레이블 추가
plt.legend()  # 범례 추가
plt.grid(True)  # 그리드 추가
plt.show()  # 그래프 출력

---

히스토그램 (Histogram)

• 히스토그램은 '연속형 데이터의 분포'를 나타내는 데 사용됩니다.
• 데이터 범위를 여러 구간(bin)으로 나누고 각 구간의 데이터 빈도를 막대로 표시합니다.
• 예시:
  • 비즈니스: 제품 가격대별 판매량 분포
  • 교육: 시험 점수 분포
  • 건강: 나이대별 환자 수 분포

# 데이터 생성
np.random.seed(10)
data = np.random.randn(1000)

# 히스토그램 생성
plt.figure(figsize=(10, 6))  # 그래프 크기 설정
plt.hist(data, bins=30, color='skyblue', edgecolor='black')
plt.title('Histogram of Random Data')  # 제목 추가
plt.xlabel('Value')  # x축 레이블 추가
plt.ylabel('Frequency')  # y축 레이블 추가
plt.grid(True)  # 그리드 추가
plt.show()

---

선 그래프 (Line Chart)

• 선 그래프는 시간에 따른 데이터 변화를 시각화하는 데 사용됩니다.
• 데이터 포인트가 선으로 연결되어 시간 경과에 따른 추세를 나타냅니다.
• 예시:
  • 비즈니스: 주간 매출 트렌드 분석
  • 교육: 학기별 학생 출석률 변화
  • 건강: 일별 혈압 수치 변화

# 데이터 정의
data = {'Year': [2018, 2019, 2020, 2021], 'Visitors': [12000, 18000, 2300, 30000]}
df = pd.DataFrame(data)

# 선그래프 생성
plt.figure(figsize=(10, 6))  # 그래프 크기 설정
sns.lineplot(x='Year', y='Visitors', data=df, marker='o', label='Visitors')
plt.title('Annual Website Visitors')  # 제목 추가
plt.xlabel('Year')  # x축 레이블 추가
plt.ylabel('Number of Visitors')  # y축 레이블 추가
plt.legend()  # 범례 추가
plt.grid(True)  # 그리드 추가
plt.show()

선그래프 복합차트 예시

# 복합 차트 생성
plt.figure(figsize=(10, 6))  # 그래프 크기 설정
sns.lineplot(x='Year', y='Product A', data=df, marker='o', label='Product A')
sns.lineplot(x='Year', y='Product B', data=df, marker='o', label='Product B')
sns.lineplot(x='Year', y='Product C', data=df, marker='o', label='Product C')
plt.title('Annual Product Sales')  # 제목 추가
plt.xlabel('Year')  # x축 레이블 추가
plt.ylabel('Sales')  # y축 레이블 추가
plt.legend()  # 범례 추가
plt.grid(True)  # 그리드 추가
plt.show()

---

파이 차트 (Pie Chart)

• 파이 차트는 전체에서 각 부분의 비율을 시각화하는 데 사용됩니다.
• 원형 차트로, 각 조각의 크기는 전체에서 해당 항목의 비율을 나타냅니다.
• 예시:
  • 비즈니스: 예산 분배, 시장 점유율 비교
  • 교육: 학과별 학생 비율
  • 의료: 병원 내 각 부서별 환자 비율

# 데이터 정의
labels = ['Product A', 'Product B', 'Product C', 'Product D']
sizes = [400, 300, 500, 100]
colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue']
explode = (0, 0.1, 0, 0)  # 첫 번째 조각을 약간 떨어뜨리기

# 복잡한 디자인의 파이차트
plt.figure(figsize=(8, 8))  # 그래프 크기 설정
plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=140)
plt.title('Sales Distribution - Complex Design')
plt.axis('equal')  # 파이차트를 원형으로 유지
plt.show()

---

산점도 (Scatter Plot)

• 산점도는 두 변수 간의 관계를 시각화하는 데 사용됩니다.
• 각 데이터 포인트는 두 변수 값의 교차점에 위치합니다.
• 예시:
  • 비즈니스: 광고비와 매출 간의 상관관계 분석
  • 교육: 공부 시간과 성적 간의 관계
  • 건강: 체중과 혈압 간의 관계

# 데이터 생성
np.random.seed(10)
data = {
    'x': np.random.randn(100),
    'y': np.random.randn(100)
}
df = pd.DataFrame(data)

# 산점도 생성
plt.figure(figsize=(10, 6))  # 그래프 크기 설정
sns.scatterplot(x='x', y='y', data=df)
plt.title('Scatter Plot of Random Data')  # 제목 추가
plt.xlabel('X')  # x축 레이블 추가
plt.ylabel('Y')  # y축 레이블 추가
plt.grid(True)  # 그리드 추가
plt.show()

---

박스플롯 (Box Plot)

• 박스플롯은 데이터의 분포와 이상치를 시각화하는 데 사용됩니다.
• 중앙값, 사분위수, 최소값, 최대값 및 이상치를 표시합니다.
• 예시:
  • 비즈니스: 직원 연봉 분포 분석
  • 교육: 시험 점수 분포와 이상치 분석
  • 건강: 체질량지수(BMI) 분포

# 데이터 생성
np.random.seed(10)
data = {
    'Category': np.random.choice(['A', 'B', 'C'], 100),
    'Value': np.random.randn(100)
}
df = pd.DataFrame(data)

# 박스플롯 생성
plt.figure(figsize=(10, 6))  # 그래프 크기 설정
sns.boxplot(x='Category', y='Value', data=df)
plt.title('Box Plot of Random Data by Category')  # 제목 추가
plt.xlabel('Category')  # x축 레이블 추가
plt.ylabel('Value')  # y축 레이블 추가
plt.grid(True)  # 그리드 추가
plt.show()