5.2.4 Seaborn 첫 그래프 기초
💾 [실습 파일 다운로드] 본 강의의 전체 실습 코드를 직접 실행해 볼 수 있는 주피터 노트북 파일입니다. 아래 링크를 클릭하여 다운로드 후 VS Code에서 열어보세요.
- 📥 seaborn_graph_practice.ipynb 파일 다운로드 (클릭 또는 마우스 우클릭 후 ‘다른 이름으로 링크 저장’)
변수의 타입을 완벽하게 이해했다면, 본격적으로 Seaborn 마법사에게 그래프를 주문할 차례입니다.
빈도와 분포
초보자들이 가장 많이 헷갈리는 두 가지 그래프인 Countplot(카운트플롯)과 Histplot(히스토그램)을 타이타닉 데이터에 적용해 보겠습니다.
[실습 1] 범주형 데이터 전용: sns.countplot()
용도: “1등급, 2등급, 3등급칸에 탄 사람이 각각 몇 명이야?”
countplot은 막대그래프의 일종으로, 지정한 범주형(글자, 등급, 종류) 변수 안에 들어있는 생존여부, 좌석 등급 같은 데이터들의 빈도수(Count)를 막대의 높이로 표현해 줍니다.
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('titanic')
# 도화지 크기 설정 (안 해도 되지만, 예쁘게 보기 위해 추가)
plt.figure(figsize=(6, 4))
# Seaborn 마법 지팡이 휘두르기: "데이터 df의 'pclass(객실 등급)' 열을 카운트해서 막대로 그려라!"
sns.countplot(data=df, x='pclass')
plt.title("타이타닉호 객실 등급별 탑승객 수")
plt.show()
[출력 원리 해석]
코드 한 줄만 실행하면, value_counts()로 일일이 세어볼 필요 없이 1등급, 2등급, 3등급 자리에 솟아오른 세 개의 막대가 화면에 예쁘게 그려집니다.
[실습 2] 수치형 데이터 전용: sns.histplot()
용도: “탑승객들의 나이 분포가 대충 어떻게 되는데? 20대가 많아, 60대가 많아?”
histplot은 히스토그램으로, 연속된 숫자(수치형) 데이터를 일정한 구간(Bin)으로 잘게 쪼갠 뒤, 해당 구간에 속하는 데이터의 개수를 다닥다닥 붙어있는 막대로 그려줍니다. 산의 지형도처럼 데이터가 어디에 몰려 있는지(분포)를 보여줍니다.
plt.figure(figsize=(6, 4))
# Seaborn 마법 지팡이 휘두르기: "데이터 df의 'age(나이)' 열 분포도를 부드러운 곡선(kde=True)과 함께 그려라!"
sns.histplot(data=df, x='age', kde=True, bins=20)
plt.title("타이타닉호 탑승객 연령 분포")
plt.show()
[출력 원리 해석]
bins=20 옵션은 태어난 지 0살부터 80세 노인까지의 데이터 범위를 20개 구간으로 등분하라는 뜻입니다. kde=True 옵션을 켜면 막대들의 꼭대기를 감싸고 흐르는 멋진 빨간색 등고선(KDE 밀도 추정 곡선)이 막대그래프 위에 부드럽게 얹혀서 그려집니다.
🚨 결론: 초보자 절대 주의사항!
sns.histplot(x='pclass')(X) : 좌석 등급은 숫자로 적혀 있지만 의미상 범주형이므로 막대가 이상하게 그려집니다.countplot을 쓰세요!sns.countplot(x='age')(X) : 나이는 12.5세, 13세 등 끝없이 다양하므로 카운트플롯을 그리면 바늘처럼 수백 개의 얇은 막대가 그려져 컴퓨터가 버벅거립니다.histplot을 쓰세요!
이 감각만 익히면 여러분도 이제 본격적인 데이터 분석가입니다! 5.3장부터는 드디어 두 가지 이상의 데이터 열(X축, Y축)을 동시에 비교하는 산점도(Scatter Plot), 선 그래프(Line Plot), 막대 그래프(Bar Plot)의 마법을 배웁니다.