지난 장에서 Pandas를 통한 Visualization에 대한 기초를 맛보았다.

이번엔 조금 더 잘 활용하는 방법에 대해서 알아보겠다.

예를 들어서 

1. 챠트에서 년/월등 시간이 겹쳐보일 때 해결하는 방법이라던지, 

2. 챠트의 표시선을 하나가 아닌 두개로 늘려서 보여준다던지

3. active한 chart를 만든다던지..

이 모든 것을 pandas에서 해줄 수 있다.

다음과 같이 작업해주자

csv파일엔 위와같이 Adj.Close, Adj.Volume 데이터가 매일마다 기록되어있다. 

이 두 컬럼의 내용을 한 챠트에 그래프로 그려보도록하자.

어떤가? 이상한가? 왜 하나만 보이는가? (궁예 말투로... --;;) 

그렇다. 하나의 데이터가 하나의 데이터에 가려지고 있는 현상이 생기는 것이다.

이런 일을 피하기 위해서 하나의 데이터만 선택하여 그래프로만들어보도록하자.

물론 데이터를 만들 때,꼭 figsize를 조절하여 적절한 모양으로 보이게 하는 것을 잊지 말자.

아까전보다 좀 나아졌다. 챠트를 해석해 보면 2007년도에 무슨 일이 발생했던 것만 같다. 이게 무슨일이지?

하지만 모든 데이터를 historical하게 보여주고 있어서 특정 일자만을 상세하게 볼 수 없어 답답하다.

그래, 이럴 때를 위해서 xlim과 ylim을 사용하는 것이다.

이전 장에서 배웠던 xlim함수와 ylim함수를 활용하자.

너무 ylim을 높였나보다 조금더 사실적으로 보이도록 몇가지 customization을 해보자.

ylim을 조절하고, linespace와 color를 조절해보았다.

어떤가? 조금 더 나아 보이는가??

동일한 방법으로 xlim과 ylim 를 설정하지 말고 , 명시적으로  2007-01-01과 2007-05-01까지의 index를 뽑아서 만들어 줄 수도 있다. 

일단 날짜만 한 번 뽑아보면 다음과 같다.

정상적으로 된 것같으니 해당하는 날짜의 Adj. Close까지 뽑아보자.

감이 왔는지 모르겠다. 일단 이렇게 해서 plot_date에 맞춰서 작성해보면 다음과 같다.

뭔가 점으로만 찍혀서 있어서 이쁘지 않은 것을 확인할 수 있다.

이를 피하기 위하여 좀더 이쁘게 선으로 연결해보자. 

좀 적당히 보인다. 근데 또 맘에 안드는 화면이 보인다. 각 챠트에서 년/월등 시간이 겹쳐 보이는 것이 확인된다.

이때, autofmt_xdate()를 쓰면, 자기가 알아서 시간에 맞추어 indentation 해준다. (대박 기능중 하나)

따라서 fig.autofmt_xdate()와 plt.tight_layout() 함수는 항상 맨 아래쪽 코드에 자리하고 있어야 한다.

깔끔해진 것을 발견할 수 있다.

챠트에 그리드(grid)도 넣고 뺄 수 있다.

yaxis.grid(), xaxis.grid() 두가지 함수를 통해 각 축별 그리드를 추가/삭제할 수 있다.

마지막으로 Major, Minor를 통해 챠트를 이쁘게 만들어보도록 하겠다.

• ax.xaxis.set_major_locator
• ax.xaxis.set_major_formatter
• ax.xaxis.set_minor_locator
• ax.xaxis.set_minor_formatter

Bonus!

아래와 같은 챠트로 변신한다. 

다양한 키들을 제공한다. 엥간한 컴포넌트보다 높은 수준의 기능을 제공한다.

특정 화면으로 이동도 가능하다.

특정부분의 확대도 가능하다.

  -> 

지금까지 pandas를 통한 데이터 visualization을 알아보았다.

다음장에서는 외부에서 실시간 데이터를 가져오면서 챠트를 갱신하는 기능을 보여주도록 하겠다.

혹시 블로그 보다가 궁금한 내용 있으면 물어보세요. 누가 이 블로그 글을 볼런지는 모르겠지만.. --;;

Pandas에 대해 알아보도록 하자.

Imports 

Style Sheets

hist함수를 통해 표현할 수 있다. 굉장히 편하다.

물론 plot함수로도 동일한 방법으로 표현도 되고.. 다른 방식으로도 가능하다. 

Plot Type에 대해 보도록하자

Plot은 아래와 같이 여러가지 타입을 제공한다.

• df.plot.area
• df.plot.barh
• df.plot.density
• df.plot.hist
• df.plot.line
• df.plot.scatter
• df.plot.bar
• df.plot.box
• df.plot.hexbin
• df.plot.kde
• df.plot.pie

자 다시 df2를 한번 확인해보도록 하자. 한 번씩 확인해보면 다음과 같다.

Area와 Bar

사실 df2 파일은 index가 10까지로 구성되어 있다.

따라서 그냥 데이터를 표시하는 것도 좋지만 뭔가 의미 있게 보는 방법도 필요하겠지.

Barplot 

plot.bar(stacked=True)

이뿐만이 아니다. figsize를 통하여 챠트의 크기를 변경하고, 특정 그래프만 보여줄 수도 있으며,

Line Plot과 Scatter Plot

한편 심도를 표기할 때 윗처럼 보이면 뭐가 중요한지 차이점을 구분할 수가 없다. 

그때, cmap등의 값을 활용하여 다음과 같이 매우 잘 활용할 수 있다.

BoxPlot

Hexagonal Bin Plot

Kernel Density Estimation Plot(KDE)

여러개를 동시에 진행할 수도 있다.

이 정도만 보면 일단 Pandas 가지고 Visualization을 하는 기본정도는 알고 있네... 라고 생각할 수 있겠다.

특히 matplotlib를 사용하는 것보다 훨씬 사용하기 쉽다는 것이 느껴졌을 것이다~!!! 즉 엥간하면 pandas를 쓰자~ 라고 생각하면 되겠다~

다음편에는 조금더 상세한 Pandas 응용편을 소개하도록 하겠다.!

Matplotlib을 상세히 다뤄보도록 하자.

들어가기전에

그렇게 입력하고 shit + tab을 눌러보면..

아래와 같은 결과를 확인할 수 있다.

몇가지 기능을 하나씩 소개하겠다.

Funtional로 구현하는 방식

xlabel, ylabel, title  

즉, 실행하면 다음과 같이 만들 수 있겠다.

헌데 그래프를 작성할 때, 그냥 하나만 작성해서 보여줄 일은 실상 별로 많지 않다.

비교표로 두 개의 그래프를 동시에 작성하던지, 아예 두개의 차트로서 표현을 해야할 때가 있다.

subplot 함수

plot 함수

Object Oriented로 구현하는 방식

기본적으로 fig = plt.figure() 후 axes = fig.add_axes([.1, .1, .8, .8])은 암기하자

아래와 같이 두개의 챠트를 중복해서 그릴 수도 있다. 

( 옛날에 이런 거 한 번 그릴려면 정말 난리가 났었다. 옛날 activeX 컴포넌트에서는 저것을 그릴 수 있는 유료콤포넌트가 없어서 외주 고객에게 정말 많이 깨졌었는데.. 이런 게 무료라니.. 이런 게 이렇게 쉽게 구현된다니.. 정말 기가 차다. 하긴 벌써 15년전 이야기니까... )

fig.add_axes함수

혹시나 이해가 안될까봐 하나씩 바꾸면서 작성을 해보았다. 이래도 이해가 안가면 나도 난감해질 수 있다.

복합편

쪼개기

tight_layout 함수

Size와 DPI 조절

Legend의 활용

legend함수

또한 상대수치를 입력하여 옮길 수도 있다. 어쩔대는 아예 외부에다가 둘때 더 이쁘더라.

Plot 모양새 바꾸기 정리

수치 변경에 따른 결과는 아래 챠트의 내용과 같다. 총정리랄까...

축의 모양 변경

set_xlim함수, set_ylim함수

그이외의 방법들

scatter함수

hist함수

여기까지 Matplotlib를 활용하여 챠트를 만들어 보는 방법을 정리해보았다.

이외에도

간략하게 정리해보았는데, 어땠는지 모르겠다.

궁금한 사항있으면 언제든지 댓글 남겨주세요. 감사합니다.

Matplotlib은 python 2D plotting library로서 png, jpg등의 파일 형식으로 이미지를 생성해주는, cross platform의 라이브러리이다.

Matplotlib를 통해 무엇을 만들 수 있냐면, plot, histogram, power spectra, bar chart, error chart, scatterplot 등등을 매주 적은 코드만을 가지고 만들 수가 있다. 

Python에서 

최고로 유용하고 강력한 !!!

Visualization 라이브러리라는 것을 잊지 말자!!!

사실 Matlab의 plotting 기능을 베낀 거...

상세정보는 https://matplotlib.org에

Matplotlib는 https://matplotlib.org 에서 자세한 내용을 확인할 수 있다. 특히 gallery에서 내가 원화는 화면을 클릭하면 어떻게 구현할 수 있는지에 대한 코드가 나와 있는데, 굉장히 유효하다.

갤러리는 꼭 들어가보자

 

 

사람들이 matplot을 별로 안좋아하는 이유

그럼 함 진행해보자!

주식등 다양한 financial technique들은 visualize가 필요하다. 

Python에는 다양한 library가 있는데, 그중에서도 Matplotlib와 panda's visualization이 최고이다.

(물론 seaborn, cufflinks, plotly, bokeh, vincent 등의 훌륭한 라이브러리가 있긴하지만)

Matplotlib은 다양한 플랫폼들에서 png,jpg등과 같은 형식들의 작성을 지원하는 python 2D plotting이다. 

따라서 우선 Matplotlib에 대해서 알아보는 시간을 갖도록 한다.

본 강좌는 다음과 같이 구성하려한다.

• Matplotlib
  
• Pandas Visualization
• Pandas Time Series Visualization

Matplotlib을 통해서는 다음과 같은 챠트들을 그릴 수 있다. 참고로 아래 챠트는 단 5줄로 그려진 차트이다. 대단하지 않은가?

진행하다가 궁금한 사항있으면 말씀주세요~ 즐겨찾기 꾸욱~