Plotly: Interactive Visualization

Plotly 

Interactive Visualization은 정적 시각화가 가지고 있는 단점을 해결하기 위해서 사용하는 방법으로, 다양한 라이브러리가 존재하지만, 그 중 가장 많이 사용되는 plotly에 대해서 다루고자 한다.  Plotly는 python 뿐만 아니라 R, JS에서도 사용가능하며 문서화가 잘 되어 있어 커스텀하기에 좋다. 통계 시각화 뿐만 아니라 지리, 3D, 금융 시각화와 같은 다양한 기능도 제공한다.

 Plotly Express는 plotly를 Seaborn과 유사하게 만들어서 사용을 쉬운 사용을 가능하게 한 라이브러리이다. 하지만 커스텀적인 부분이 부족하다는 것이 단점이라고 할 수 있다. 하지만 앞서 말했듯이 사용법이 쉽기 때문에 간단하게 Interactive를 구현할 수 있고, Input도 list, dict, DataFrame 등 다양하게 넣을 수 있다. 따라서 해당 포스팅에서는 Plotly에 대해 간단히 정리하고자 한다.

해당 포스팅에서 사용하는 데이터는 기본적으로 seaborn에서 제공하는 Iris, flights와 같은 데이터나 px에서 제공하는 데이터를 사용합니다.  

설치

# !pip install plotly statsmodels

# plotly import
import plotly
import plotly.express as px 
print(plotly.__version__)
import seaborn as sns
# > 5.6.0

Plotly 사용법

 Plotly는 Interactive라는 말처럼 plot을 변경할 수 있는 요소들이 있다. Zoom을 이용해 특정 부분을 집중해서 볼 수도 있고, Legend에서 데이터를 켜고 끄면서 원하는 데이터만 볼 수도 있다. 또한 data point에 마우스를 올리면(hover) 데이터의 정보를 볼 수도 있다.

  참고로 이렇게 유용한 Plotly이지만 이를 남발하게 된다면 CPU의 메모리를 많이 잡아먹는 문제가 발생할 수 있다. 따라서 Interactive Visualization이 필요한 지에 대해서 생각을 하고 Plotly를 사용해야 한다. 

Scatter, Bar, Line

Scatter

Seaborn과 마찬가지로 x, y, size color설정이 가능하며 다음과 같은 변수 설정이 가능하다.

• range_x: x축 값 범위 설정
• range_y: y축 값 범위 설정
• marginal_x: JointPlot에서 처럼 ScatterPlot 위쪽에 subplot을 그려준다.
• marginal_y: JointPlot에서 처럼 ScatterPlot 오른쪽에 subplot을 그려준다.
• hover_data: 마우스를 올렸을 각 데이터에 대한 정보령을 조정
• hover_name: 마우스를 올렸을 각 데이터에 대한 이름을 조정
• trendline: 회귀선 설정
• facet_col: FacetGrid의 기능
• facet_row: FacetGrid의 기능 

fig = px.scatter(iris, 
                 x='sepal_length',
                 y='petal_length',
                 size='sepal_length',
                 color='species', # seaborn의 hue역할
                 
                 marginal_y="violin",
                 marginal_x="box", 
            )
fig.show()

fig = px.scatter(iris, 
                 x='sepal_length',
                 y='petal_length',
                 color='species',
                 hover_data=['sepal_width', 'petal_width'],
                 hover_name='species',
                 trendline="ols",
                 facet_col='species',
#                  facet_row='species',
            )
fig.show()

Line

Seaborn과 큰 차이 없다. 

fig = px.line(flights, 
              x='year',
              y='passengers',
              color='month',
            )
fig.show()

Bar

fig = px.bar(medals, 
             x="nation", 
             y="count", 
             color="medal",
             # barmode="group", # grouped Bar Chart로도 그릴 수 있다.
            )
fig.show()

다양한 차트

그 외에도 Plotly에는 다양한 차트가 존재하는데, Seaborn의 다양한 내용과 겹쳐있어 필요한 경우 확인하면 좋다..

• hist : histogram, density_heatmap
• kdeplot : density_contour
• boxplot : box
• violinplot : `violin
• stripplot : strip
• heatmap : imshow
• pairplot : scatter_matrix

plotly 단독 차트

plotly에서 단독으로 제공하거나, 사용하기 편리한 그래프에 대해서 간단하게 살펴보도록 하겠다.

 

Part-of-whole

데이터가 게층적인 구조로 되어있을 때, 트리구조로 데이터를 살피고자할 때 유용한 시각화 방법론이다. 클릭을 하면 데이터를 세부적으로 볼 수 있기 때문에 좋다.

- sunburst & treemap

# Sunburst
fig = px.sunburst(tips, 
                  path=['day', 'time', 'sex'], 
                  values='total_bill')
fig.show()

# Treemap
fig = px.treemap(tips, 
                  path=['day', 'time', 'sex'], 
                  values='total_bill')
fig.show()

Sunburst

Treemap

3-Dimensional

fig = px.scatter_3d(iris, 
                    x='sepal_length',
                    y='sepal_width', 
                    z='petal_width',
                    symbol='species',
                    color='species')
fig.show()

Plotly에 대한 더 많은 정보는 Plotly 공식 홈페이지를 참고해주시기 바랍니다.

※ 해당 포스팅은 네이버 부스트캠프 AITech3기 내 강의를 바탕으로 제작되었습니다.