5.0.3 토이 데이터(Toy Data) 소환과 2D 맵핑 기초

앞서 설치한 pydataset 라이브러리를 사용하면 지루한 CSV 저장/불러오기 과정을 생략하고, 전 세계 데이터 사이언티스트들이 튜토리얼용으로 공통으로 사용하는 고품질 장난감 데이터(Toy Data)를 즉시 메모리에 올려서 시각화 실습에 집중할 수 있습니다.

💾 [실습 파일 다운로드] 본 강의의 전체 실습 코드를 직접 실행해 볼 수 있는 주피터 노트북 파일입니다. 아래 링크를 클릭하여 다운로드 후 VS Code에서 열어보세요.

[실습] pydataset 전체 데이터셋 목록 확인

pydataset 안에는 무려 757종의 데이터가 들어 있습니다. 어떤 데이터가 있는지 data() 명령어로 탐색해 보겠습니다.

🚨 트러블슈팅: ModuleNotFoundError 에러가 발생할 때

실습 코드를 실행할 때 No module named 'pydataset'과 같은 에러가 뜬다면, 현재 사용 중인 파이썬 환경에 라이브러리가 없는 것입니다. 이럴 땐 코드 최상단 셀이나 터미널에서 아래 명령을 한 번 실행하여 패키지를 설치해 주세요.

%pip install pydataset matplotlib seaborn pandas

from pydataset import data 

# 함수의 인자를 비워두면, 제공하는 전체 데이터셋 목록표가 DataFrame으로 나옵니다.
all_data = data()
print(all_data.head())

[출력 결과]

      dataset_id                                              title
0  AirPassengers       Monthly Airline Passenger Numbers 1949-1960
1        BJsales                 Sales Data with Leading Indicator
2            BOD                         Biochemical Oxygen Demand
3   Formaldehyde                     Determination of Formaldehyde
4   HairEyeColor         Hair and Eye Color of Statistics Students

[실습] cars (자동차 제동거리) 데이터 뽑아오기

가장 기초적인 인과관계를 나타내는 cars 데이터를 불러와서, speed(달리던 속도)와 dist(브레이크 밟고 멈출 때까지 미끄러진 제동거리)의 관계를 확인해 보겠습니다.

# 'cars'라는 문자열을 넘기면, 해당 데이터가 2차원 표(DataFrame)로 뽑혀 나옵니다!
cars = data('cars')
print(cars.head())

[출력 결과]

   speed  dist
1      4     2
2      4    10
3      7     4
4      7    22
5      8    16

수학적 의미 해석: speed 4mph로 달리던 첫 번째 차는 브레이크를 밟고 2피트(ft)만에 멈췄고, speed 7mph로 달리던 네 번째 차는 무려 22피트나 미끄러졌음을 의미합니다.

차트 도화지(2D 공간)에 표 데이터 매핑(Mapping)하기

이 DataFrame을 matplotlib이나 seaborn에 넘겨주어 “스피드를 X축(가로)으로 삼고, 미끄러진 거리를 Y축(세로)으로 삼아 교차하는 지점에 점을 찍어줘!” 라고 선언하면 산점도(Scatter Plot)가 그려집니다.

DataFrame 컬럼을 좌표공간의 축으로 매핑하는 원리

import matplotlib.pyplot as plt
import seaborn as sns

# Seaborn 마법 지팡이(템플릿)를 사용하여 점을 찍습니다.
# (데이터를 넣어도 되고, 판다스 시리즈 객체를 직접 지정해도 됩니다)
sns.scatterplot(x=cars['speed'], y=cars['dist'])

# 모니터에 지금까지 도화지에 그렸던 그림들을 출력하라!
plt.show()

[시각화 꿀팁] 주피터 노트북 한글 폰트 & 화질 향상

시각화 중 지역명 같은 한글이 네모(ㅁㅁ)로 깨진다면, 스크립트 최상단에 다음 환경설정 부적을 붙여주세요.

plt.rcParams['font.family'] = 'Malgun Gothic' # 윈도우(맑은고딕) / 맥(AppleGothic)
plt.rcParams['axes.unicode_minus'] = False     # 마이너스(-) 기호 깨짐 방지
%config InlineBackend.figure_format = 'retina' # 모니터 출력 화질 2배 강화

[실습] mpg (다차원 자동차 연비) 데이터와 군집 시각화

조금 더 속성이 많은 mpg 데이터를 꺼내보겠습니다.

mpg = data('mpg')
print(mpg.head())

[출력 결과]

  manufacturer model  displ  year  cyl       trans drv  cty  hwy fl    class
1         audi    a4    1.8  1999    4    auto(l5)   f   18   29  p  compact
2         audi    a4    1.8  1999    4  manual(m5)   f   21   29  p  compact
...
  • displ (Displacement): 자동차 배기량 (엔진 크기)
  • cty (City): 도심 주행 연비 (1갤런당 달리는 거리)
  • drv (Drive): 구동 방식 (f: 전륜, r: 후륜, 4: 사륜)

단순히 배기량(X축)과 연비(Y축)만 점으로 그리지 않고, seaborn만의 강력한 기능인 hue (색상 매핑) 를 사용하여 색상이라는 3번째 차원을 그래프에 입힐 수 있습니다.

# hue 옵션에 'drv(구동 방식)' 컬럼을 지정하면, 구동 방식별로 알아서 그룹핑하여 색상을 다르게 칠해줍니다!
sns.scatterplot(data=mpg, x='displ', y='cty', hue='drv')
plt.show()

배기량과 연비, 차종별 산점도

  • 점이 우하향으로 분포합니다. 즉, 엔진이 무식하게 클수록(배기량 증가) 기름을 엄청나게 먹는다(연비 최악)는 당연한 자연의 법칙을 눈으로 증명할 수 있습니다.
  • 파란색(전륜, f) 차들이 주로 좌상단(가볍고 연비 좋음)에 몰려 있고, 초록색(사륜, 4) 차들이 우하단(무겁고 연비 나쁨)에 밀집해 있는 것을 알 수 있습니다.
서브목차