Lv3 부터 EDA 과정에 시각화를 진행합니다. 가장 중요한 변수, 예측하고자 하는 변수인 종속변수(quality) 의 분포를 시각화해보겠습니다.

matplotlib, seaborn 라이브러리로 시각화를 출력할 수 있습니다. 시각화 결과를 통해 머신러닝 방향성을 잡을 수 있습니다.

-------------------------------------------------------------------------------

import matplotlib

import matplotlib.pyplot as plt

import seaborn as sns

-------------------------------------------------------------------------------

시각화를 진행할 때는 보통 copy() 매서드로 복사본을 생성한 후 진행합니다.

-------------------------------------------------------------------------------

dfcopy = df.copy()

-------------------------------------------------------------------------------

seaborn 의 distplot() 매서드를 이용합니다.

-------------------------------------------------------------------------------

sns.distplot(df['피쳐명'], kde=True, bins=None)

df['피쳐명']: 출력하고자 하는 컬럼

kde: '그래프에 선을 출력할지 여부'

bins: '출력할 막대그래프 갯수'

-------------------------------------------------------------------------------

matplotlib 의 axis() 매서드로 그래프 축의 최솟값, 최댓값을 지정할 수 있습니다.

-------------------------------------------------------------------------------

plt.axis(['x 축 최솟값, x 축 최댓값, y 축 최솟값, y 축 최댓값'])

-------------------------------------------------------------------------------

matplotlib 의 title() 매서드로 그래프의 제목을 지정할 수 있습니다.

-------------------------------------------------------------------------------

plt.title('제목')

-------------------------------------------------------------------------------

matplotlib 의 show() 매서드로 그래프를 출력할 수 있습니다.

-------------------------------------------------------------------------------

plt.show()

-------------------------------------------------------------------------------

[Colab 실습 링크]

↩️ 오늘의 파이썬 리스트

#데이콘_101 #AI #머신러닝 #딥러닝 #파이썬 #파이선  #데이터분석 #데이터사이언티스트 #코랩 #Python  #colab #kaggle #pandas #numpy #sckit-learn # read_csv