[Seaborn] 파이썬 씨본을 이용한 히트맵 시각화 해보기

 

Seaborn을 이용한 히트맵 시각화 해보기

---

파이썬(Python)에는 맷플롯립(Matplotlib)이라는 괜찮은 시각화 패키지가 있습니다. 하지만, Matplotlib은 기본 배색이 별로라거나, 몇몇 그래프나 옵션을 이용하기 불편하다는 점이 있어서 별도의 패키지를 쓰는 경우가 많습니다.

 

 

이번에는 그 중에서 씨본(Seaborn)이라는 패키지를 이용해 보려 합니다. 이 패키지는 정적 그래프를 그리는데는 부족함 없는 기능과, 제법 괜찮은 기본 컬러팔레트를 가지고 있어서 누구나 손쉽게 고급스러운 그래프를 그릴 수 있도록 해 줍니다. 그리고, Matplotlib과의 호환성이 좋은 편이라 코드를 섞어 써도 된다는 장점이 있답니다.

 

 

이번에는 Seaborn을 이용해서 시각화를 하기 위해, Seaborn에서 기본 제공하는 샘플 데이터인 mpg를 이용해 보겠습니다. 해당 데이터는 미국, 유럽, 일본에서 제조된 옛날 자동차의 가격 및 기능에 대한 데이터입니다.

 

 

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

df = sns.load_dataset('mpg')
df.head()

	mpg	cylinders	displacement	horsepower	weight	acceleration	model_year	origin	name
0	18.0	8	307.0	130.0	3504	12.0	70	usa	chevrolet chevelle malibu
1	15.0	8	350.0	165.0	3693	11.5	70	usa	buick skylark 320
2	18.0	8	318.0	150.0	3436	11.0	70	usa	plymouth satellite
3	16.0	8	304.0	150.0	3433	12.0	70	usa	amc rebel sst
4	17.0	8	302.0	140.0	3449	10.5	70	usa	ford torino

 

 

Heatmap 그리기

---

히트맵(Heatmap)은 열분포 형태의 그래픽으로 표형하는 도표라고 하는데, 간단히 말해서 열화상 카메라에서 보여주는 그것이라고 생각하시면 됩니다. 예를 들어, 빨간색이 높은 숫자이고 파란색이 낮은 숫자라고 설정했다면 빨간색이 진하면 진할수록 높은 숫자라고 직관적으로 알 수 있지요. 그래서, 히트맵은 다양한 데이터를 늘어놓을 때, 특히 특정 그룹의 데이터 분포가 비슷할때 이를 보여주기 위해 자주 사용하는 도표입니다.

 

 

히트맵은 Seaborn에서 heatmap 이라는 함수를 이용해서 표현할 수 있습니다. 표현할 데이터프레임을 입력하고, 색상 정의를 cmap 이라는 패러미터로 지정해 주는 방식이지요. 참고로, Seaborn은 Matplotlib과 호환성이 높기 때문에, 그래프의 추가 요소를 Matplotlib 함수를 이용해 지정해 주어도 됩니다.

 

 

target = df.loc[:,['displacement','horsepower']]

plt.figure(figsize=(8,6))
sns.heatmap(target, cmap="YlGnBu")
plt.title('Seaborn Heatmap', fontsize=20)
plt.show() 

 

 

Log-scaling Heatmap

---

히트맵은 제한된 색상으로 데이터를 표현하는 특성상, 만약 데이터의 분포가 넓은 편이라면 너무 크거나 작은 데이터가 색깔을 선점해 버려서 나머지 데이터가 제대로 구분되지 않는 경우가 생길 수 있습니다.

 

 

이 때문에, 통계 분야에서는 시각화 등을 위해 데이터의 분포를 줄여주는 스케일링(scaling) 기법을 사용하는 편인데, 데이터의 크기가 너무 큰 값이 있다면 로그 스케일링(Log-scaling) 변환을 통해 너무 큰 값을 평균 수준에 가깝게 바꿔주는 편입니다.

 

 

로그 스케일링의 경우, 다양한 패키지에서 제공하는 로그 변환 함수 또는 직접 로그 계산을 할 수 있으며 이번에는 Matplotlib에서 제공하는 LogNorm 을 이용해서 로그 변환을 해 보겠습니다.

 

 

from matplotlib.colors import LogNorm

plt.figure(figsize=(8,6))
sns.heatmap(target, cmap="YlGnBu", norm = LogNorm(vmin = target.min().min(), vmax = target.max().max()))
plt.title('Log-scale Heatmap', fontsize=20)

plt.show()

 

 

이렇게 Seaborn을 이용하면 간편하게 히트맵을 그려볼 수 있습니다. 개인적으로는 인터렉티브 플롯이 필요한 상황이 아니라면 Seaborn을 주로 사용하는 편이며, 많은 데이터 사이언티스트들이 애용하는 패키지이니 한번 배워 보시면 좋을겁니다.