[EDA] 무작정 따라하는 EDA1

 

※ 출처 : 해당 내용은 유튜브의 todaycode님의 영상을 참고하였습니다. 더 자세한 내용은 유튜브를 참고 부탁드립니다. 

 

 

데이터 EDA 연습1¶

 

★개요★¶

1. 머신러닝 실습 진행중 시각화 및 EDA를 진행할 때¶

2. 미숙한 나의 모습을 발견하여 EDA에 대한 추가적인 공부가 필요하다고 생각하였다.¶

3. 이에, 무작정 EDA를 100개만 따라해보기로 하였다.¶

4. 오늘은 13개의 EDA를 따라한 실습내용을 포스팅하고자 합니다.¶

 

★학습한 내용★¶

 

1. 금융데이터를 불러오는 라이브러리를 알게 되었다.¶

-. 설치방법 : !pip install -U finance-datareader -. 불러오는 방법 : import FinanceDataReader as fdr

2. 판다스에서 datetime에서 df["ListingDate"].dt.year 라고 하면 연도만 받아 올 수 있음을 알게되었다.¶

3. 받아온 연도가 소수점(2020.0)으로 변형된 것 처리하기¶

-. 변형되는 사유 : 중간에 nan가 섞여 있기에 float type으로 변형됨 -. 변형하는 방법 : df_market_year.columns.astype(int)

4. 시각화 또한 데이터에 대한 이해가 반드시 있어서 명확하게 그릴 수 있음을 알게 되었다.¶

5. 상위 30개를 골라서 바로 시각화하는 방법을 알게 되었다.¶

6. 한글, 마이너스 깨짐현상을 처리하는 방법을 알겠되었다.¶

7. barh의 유용성을 알게 되었다! 특히 명목형 데이터를 시각화 할때 유용했다.¶

8. relplot을 통해서 그래프를 그리면 subplot을 그릴 수 있음을 알게되었다.¶

9. subplot에는 신뢰도를 보여주는 ci가 있다는 것을 알게되었다.¶

10. scaaterplot에는 색상을 구분할 수 있으며, size를 조정하여 빈도에 따른 scatter의 크기를 조정하는 방법을 알게되었다.¶

11. 연도 및 빈도 히스토그램을 보면서 데이터의 편중에 따른 몇년도에 많이 발생되어 있는지를 인사이트를 얻을 수 있음을 알게되었다.¶

12. 시각화에 대한 용어를 알게 되었다.¶

In [1]:

!pip install -U finance-datareader

 

Requirement already up-to-date: finance-datareader in c:\users\user\anaconda3\lib\site-packages (0.9.20)
Requirement already satisfied, skipping upgrade: requests-file in c:\users\user\anaconda3\lib\site-packages (from finance-datareader) (1.5.1)
Requirement already satisfied, skipping upgrade: tqdm in c:\users\user\anaconda3\lib\site-packages (from finance-datareader) (4.50.2)
Requirement already satisfied, skipping upgrade: requests>=2.3.0 in c:\users\user\anaconda3\lib\site-packages (from finance-datareader) (2.24.0)
Requirement already satisfied, skipping upgrade: lxml in c:\users\user\anaconda3\lib\site-packages (from finance-datareader) (4.6.1)
Requirement already satisfied, skipping upgrade: pandas>=0.19.2 in c:\users\user\anaconda3\lib\site-packages (from finance-datareader) (1.1.3)
Requirement already satisfied, skipping upgrade: six in c:\users\user\anaconda3\lib\site-packages (from requests-file->finance-datareader) (1.15.0)
Requirement already satisfied, skipping upgrade: certifi>=2017.4.17 in c:\users\user\anaconda3\lib\site-packages (from requests>=2.3.0->finance-datareader) (2020.6.20)
Requirement already satisfied, skipping upgrade: chardet<4,>=3.0.2 in c:\users\user\anaconda3\lib\site-packages (from requests>=2.3.0->finance-datareader) (3.0.4)
Requirement already satisfied, skipping upgrade: urllib3!=1.25.0,!=1.25.1,<1.26,>=1.21.1 in c:\users\user\anaconda3\lib\site-packages (from requests>=2.3.0->finance-datareader) (1.25.11)
Requirement already satisfied, skipping upgrade: idna<3,>=2.5 in c:\users\user\anaconda3\lib\site-packages (from requests>=2.3.0->finance-datareader) (2.10)
Requirement already satisfied, skipping upgrade: numpy>=1.15.4 in c:\users\user\anaconda3\lib\site-packages (from pandas>=0.19.2->finance-datareader) (1.19.2)
Requirement already satisfied, skipping upgrade: pytz>=2017.2 in c:\users\user\anaconda3\lib\site-packages (from pandas>=0.19.2->finance-datareader) (2020.1)
Requirement already satisfied, skipping upgrade: python-dateutil>=2.7.3 in c:\users\user\anaconda3\lib\site-packages (from pandas>=0.19.2->finance-datareader) (2.8.1)

In [2]:

import pandas as pd
import numpy as np 
import seaborn as sns
import FinanceDataReader as fdr

In [3]:

fdr.__version__

Out[3]:

'0.9.20'

In [5]:

# 한국거래소 상장종목 전체 가져오기
df_krx = fdr.StockListing("KRX")
df_krx.shape

Out[5]:

(7110, 10)

In [6]:

df_krx.info()

 

<class 'pandas.core.frame.DataFrame'>
Int64Index: 7110 entries, 0 to 7109
Data columns (total 10 columns):
 #   Column          Non-Null Count  Dtype         
---  ------          --------------  -----         
 0   Symbol          7110 non-null   object        
 1   Market          7110 non-null   object        
 2   Name            7110 non-null   object        
 3   Sector          2422 non-null   object        
 4   Industry        2403 non-null   object        
 5   ListingDate     2422 non-null   datetime64[ns]
 6   SettleMonth     2422 non-null   object        
 7   Representative  2422 non-null   object        
 8   HomePage        2247 non-null   object        
 9   Region          2422 non-null   object        
dtypes: datetime64[ns](1), object(9)
memory usage: 611.0+ KB

 

생각보다 결측치가 많았다.¶

In [7]:

df_krx.describe()

 

<ipython-input-7-8453f2ac474b>:1: FutureWarning: Treating datetime data as categorical rather than numeric in `.describe` is deprecated and will be removed in a future version of pandas. Specify `datetime_is_numeric=True` to silence this warning and adopt the future behavior now.
  df_krx.describe()

Out[7]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region
count	7110	7110	7110	2422	2403	2422	2422	2422	2247	2422
unique	7110	3	7110	158	2251	1784	9	2307	2226	22
top	58FK42	KOSPI	다우데이타	특수 목적용 기계 제조업	기업인수합병	1976-06-30 00:00:00	12월	-	http://www.ildong.com	서울특별시
freq	1	5464	1	142	36	8	2361	5	2	977
first	NaN	NaN	NaN	NaN	NaN	1956-03-03 00:00:00	NaN	NaN	NaN	NaN
last	NaN	NaN	NaN	NaN	NaN	2021-02-05 00:00:00	NaN	NaN	NaN	NaN

 

1. symbol : count와 unique값이 같네 다행이도
2. Market : 코스피, 코스닥, 코덱스로 구성되어 있고 KOSPI가 가장 많네
3. Name : 2021년 1월에 비해 5000개가 상장을 더했네... 어마어마 하네
4. Sector : 분야별로 데이터를 나누어놓은 것으로 특수목적용 기계제조업이 142개로 가장 많았다.
5. Industry : 산업은 기업인수합병이 가장 많다.
6. ListingDate : 1976-06-30에 8개의 기업이 장상을 가장 많이 했다고 나와 있다.

In [8]:

# to_csv로 DataFrame을 데이터 저장용 파일인 csv 파일로 바꿀 수 있음 
df_krx.to_csv("krx.csv", index=False)
# index=False는 read_csv를 할때 unnamed로 생기는 행을 제거하기 위한 것이다. 

In [9]:

df = pd.read_csv("krx.csv")

 

데이터 준비완료

In [10]:

df.shape

Out[10]:

(7110, 10)

In [11]:

# 위에서부터 데이터 가져오기 
df.head(1)

Out[11]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region
0	060310	KOSDAQ	3S	특수 목적용 기계 제조업	반도체 웨이퍼 캐리어	2002-04-23	03월	박종익, 김세완 (각자 대표이사)	http://www.3sref.com	서울특별시

In [12]:

# 아래에서부터 데이터 가져오기 
df.tail(1)

Out[12]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region
7109	238490	KOSDAQ	힘스	특수 목적용 기계 제조업	OLED Mask 인장기, OLED Mask 검사기 등	2017-07-20	12월	김주환	http://www.hims.co.kr	인천광역시

In [13]:

# 무작위로 랜덤하게 샘플 불러오기 
df.sample()

Out[13]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region
5631	57FN53	KOSPI	한국FN53KOSDAQ150콜	NaN	NaN	NaN	NaN	NaN	NaN	NaN

In [14]:

# read_csv로 데이터를 불러왔기 때문에 다시 한번 확인해 보자 
print(df.info()) #listingdate의 데이터타입이 변동되었다는 것을 확인함
print(df.describe())

 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7110 entries, 0 to 7109
Data columns (total 10 columns):
 #   Column          Non-Null Count  Dtype 
---  ------          --------------  ----- 
 0   Symbol          7110 non-null   object
 1   Market          7110 non-null   object
 2   Name            7110 non-null   object
 3   Sector          2422 non-null   object
 4   Industry        2403 non-null   object
 5   ListingDate     2422 non-null   object
 6   SettleMonth     2422 non-null   object
 7   Representative  2422 non-null   object
 8   HomePage        2247 non-null   object
 9   Region          2422 non-null   object
dtypes: object(10)
memory usage: 555.6+ KB
None
        Symbol Market   Name         Sector Industry ListingDate SettleMonth  \
count     7110   7110   7110           2422     2403        2422        2422   
unique    7110      3   7110            158     2251        1784           9   
top     58FK42  KOSPI  다우데이타  특수 목적용 기계 제조업   기업인수합병  1996-07-03         12월   
freq         1   5464      1            142       36           8        2361   

       Representative               HomePage Region  
count            2422                   2247   2422  
unique           2307                   2226     22  
top                 -  http://www.ildong.com  서울특별시  
freq                5                      2    977  

In [15]:

# 중복값을 제외한 unique값의 갯수 확인하는 방법
df.nunique()

Out[15]:

Symbol            7110
Market               3
Name              7110
Sector             158
Industry          2251
ListingDate       1784
SettleMonth          9
Representative    2307
HomePage          2226
Region              22
dtype: int64

In [16]:

# index값만 확인하기 
df.index

Out[16]:

RangeIndex(start=0, stop=7110, step=1)

In [17]:

# columns만 확인하기 
df.columns

Out[17]:

Index(['Symbol', 'Market', 'Name', 'Sector', 'Industry', 'ListingDate',
       'SettleMonth', 'Representative', 'HomePage', 'Region'],
      dtype='object')

In [18]:

# 값만 확인하기
df.values
# 아래와 같은 형태로도 확인이 가능함 
# pd.DataFrame(df.values)

Out[18]:

array([['060310', 'KOSDAQ', '3S', ..., '박종익, 김세완 (각자 대표이사)',
        'http://www.3sref.com', '서울특별시'],
       ['095570', 'KOSPI', 'AJ네트웍스', ..., '이현우',
        'http://www.ajnet.co.kr', '서울특별시'],
       ['006840', 'KOSPI', 'AK홀딩스', ..., '채형석, 이석주(각자 대표이사)',
        'http://www.aekyunggroup.co.kr', '서울특별시'],
       ...,
       ['003280', 'KOSPI', '흥아해운', ..., '이환구', 'http://www.heung-a.com',
        '서울특별시'],
       ['037440', 'KOSDAQ', '희림', ..., '정영균, 이목운, 허철호, 염두성 (각자대표)',
        'http://www.heerim.com', '서울특별시'],
       ['238490', 'KOSDAQ', '힘스', ..., '김주환', 'http://www.hims.co.kr',
        '인천광역시']], dtype=object)

 

method에서 어떤것은 괄호가 들어가고 어떤것들은 괄호가 안들어 갈까요? 괄호가 안들어가는 것들 예 -> shape, index, columns, values 등 괄호가 들어가는 것들 예 -> describe(), sum(), isnull() 등

()가 있는 것들은 함수(method)이고 파라미터들을 넣어주어 연산이 가능합니다. ()가 없는 것들은 attribute(속성)이라고 합니다.

In [19]:

# columns 하나만 가져와 보기 
df["Name"]
# 이렇게도 가져올 수 있음 : df.loc[:, "Name"]

Out[19]:

0            3S
1        AJ네트웍스
2         AK홀딩스
3        APS홀딩스
4         AP시스템
         ...   
7105    흥국화재2우B
7106      흥국화재우
7107       흥아해운
7108         희림
7109         힘스
Name: Name, Length: 7110, dtype: object

In [20]:

# columns 두개 이상 가져오기 
# 꼭 [ ]를 두개 써줘야한다. 
df[["Symbol", "Name"]].head(1)

Out[20]:

	Symbol	Name
0	060310	3S

In [21]:

# 이렇게도 가져올 수 있다.
# 활용 예 : ( 컬럼명을 한번에 받아오고 (df.columns) 을 리스트로 지정해준 후 사용가능)
list = ["Symbol", "Name"]
df[list].head(1)

Out[21]:

	Symbol	Name
0	060310	3S

In [22]:

# row(행) 가져오기 
df.loc[0]

Out[22]:

Symbol                          060310
Market                          KOSDAQ
Name                                3S
Sector                   특수 목적용 기계 제조업
Industry                   반도체 웨이퍼 캐리어
ListingDate                 2002-04-23
SettleMonth                        03월
Representative      박종익, 김세완 (각자 대표이사)
HomePage          http://www.3sref.com
Region                           서울특별시
Name: 0, dtype: object

In [23]:

# 여러 개의 row 가져오기 
df.loc[[0, 1, 3]]

Out[23]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region
0	060310	KOSDAQ	3S	특수 목적용 기계 제조업	반도체 웨이퍼 캐리어	2002-04-23	03월	박종익, 김세완 (각자 대표이사)	http://www.3sref.com	서울특별시
1	095570	KOSPI	AJ네트웍스	산업용 기계 및 장비 임대업	렌탈(파렛트, OA장비, 건설장비)	2015-08-21	12월	이현우	http://www.ajnet.co.kr	서울특별시
3	054620	KOSDAQ	APS홀딩스	기타 금융업	인터넷 트래픽 솔루션	2001-12-04	12월	정기로	http://www.apsholdings.co.kr	경기도

In [24]:

print(type(df["Name"]))
print(type(df))

 

<class 'pandas.core.series.Series'>
<class 'pandas.core.frame.DataFrame'>

In [25]:

#date data type 변경 
df["ListingDate"] = pd.to_datetime(df["ListingDate"])

In [26]:

# dt라는 것을 이용하여 datetime에서 특정한 연도, 월, 일 등만 가져올 수 있음
df["ListingYear"] = df["ListingDate"].dt.year

In [27]:

def get_font_family():
    """
    시스템 환경에 따른 기본 폰트명을 반환하는 함수
    """
    import platform
    system_name = platform.system()
    # colab 사용자는 system_name이 'Linux'로 확인

    if system_name == "Darwin" :
        font_family = "AppleGothic"
    elif system_name == "Windows":
        font_family = "Malgun Gothic"
    else:
        # Linux
        # colab에서는 runtime을 <꼭> 재시작 해야합니다.
        # 런타임을 재시작 하지 않고 폰트 설치를 하면 기본 설정 폰트가 로드되어 한글이 깨집니다.
        !apt-get update -qq
        !apt-get install fonts-nanum -qq  > /dev/null

        import matplotlib.font_manager as fm

        fontpath = '/usr/share/fonts/truetype/nanum/NanumBarunGothic.ttf'
        font = fm.FontProperties(fname=fontpath, size=9)
        fm._rebuild()
        font_family = "NanumBarunGothic"
    return font_family

In [28]:

get_font_family()

Out[28]:

'Malgun Gothic'

In [29]:

# 한글폰트 확인하기
pd.Series([1,3,4,5,6]).plot(title="한글폰트")

Out[29]:

<AxesSubplot:title={'center':'한글폰트'}>

 

C:\Users\user\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:238: RuntimeWarning: Glyph 54620 missing from current font.
  font.set_text(s, 0.0, flags=flags)
C:\Users\user\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:238: RuntimeWarning: Glyph 44544 missing from current font.
  font.set_text(s, 0.0, flags=flags)
C:\Users\user\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:238: RuntimeWarning: Glyph 54256 missing from current font.
  font.set_text(s, 0.0, flags=flags)
C:\Users\user\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:238: RuntimeWarning: Glyph 53944 missing from current font.
  font.set_text(s, 0.0, flags=flags)
C:\Users\user\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:201: RuntimeWarning: Glyph 54620 missing from current font.
  font.set_text(s, 0, flags=flags)
C:\Users\user\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:201: RuntimeWarning: Glyph 44544 missing from current font.
  font.set_text(s, 0, flags=flags)
C:\Users\user\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:201: RuntimeWarning: Glyph 54256 missing from current font.
  font.set_text(s, 0, flags=flags)
C:\Users\user\anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:201: RuntimeWarning: Glyph 53944 missing from current font.
  font.set_text(s, 0, flags=flags)

 

In [30]:

# 한글 폰트를 실행해주기 위해서는 꼭 plt가 있어야하고 아래와 같이 적어주어야 한다. 
import matplotlib.pyplot as plt
font_family = get_font_family()
plt.rc("font", family=font_family)

In [31]:

pd.Series([1,3,4,5,6]).plot(title="한글폰트");

 

In [32]:

# 마이너스폰트 설정
plt.rc("axes", unicode_minus=False) # 해당 코드를 작성하지 않으면 마이너스가 깨짐 
pd.Series([1,3,4,-5,6]).plot(title="한글폰트");

 

In [33]:

# ggplot으로 그래프 스타일 설정
plt.style.use("ggplot")
# 그래프에 retina display 적용
from IPython.display import set_matplotlib_formats
set_matplotlib_formats("retina")
pd.Series([1,3,4,-5,6]).plot(title="한글폰트");

 

In [34]:

# Market column에 어떤 데이터들이 있는지 확인합니다.
df["Market"].unique()

Out[34]:

array(['KOSDAQ', 'KOSPI', 'KONEX'], dtype=object)

In [35]:

# Market 데이터 빈도수 확인 
df["Market"].value_counts()

Out[35]:

KOSPI     5464
KOSDAQ    1504
KONEX      142
Name: Market, dtype: int64

In [36]:

# pandas에 내장된 그래프 속성으로 그리기
df["Market"].value_counts().plot.barh()

Out[36]:

<AxesSubplot:>

 

In [37]:

# sns의 속성으로 그리기

In [38]:

sns.countplot(data=df, x="Market")

Out[38]:

<AxesSubplot:xlabel='Market', ylabel='count'>

 

In [39]:

df1 = df["Sector"].value_counts().head(30)
df1.plot()
#   (진짜.. 몰라서 엄청 고생함... 이렇게 간단한데.. 역시 도전하고 차분하게 정리하는 시간이 필요함)

Out[39]:

<AxesSubplot:>

 

In [40]:

# 위의 글씨가 겹치는 문제를 그래프 종류를 변경하여 해결가능
df1.plot.barh(figsize=(10,8), title="Sector 빈도수")

Out[40]:

<AxesSubplot:title={'center':'Sector 빈도수'}>

 

In [41]:

sns.countplot(data=df, y="Sector")

Out[41]:

<AxesSubplot:xlabel='count', ylabel='Sector'>

 

 

위와 같이 sns에서도 countplot을 그릴 수 있는데 보기가 너무 사납다. 이럴 때는 위에 df1의 인덱스 값을 가져와서 isin func으로 boolean을 얻고 해당 boolean을 기준으로 df를 인덱스 한 다음 그래프를 그려주면 된다.

In [42]:

sns.countplot()

Out[42]:

<AxesSubplot:ylabel='count'>

 

In [43]:

df[df["Sector"].isin(df1.index)]

Out[43]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region	ListingYear
0	060310	KOSDAQ	3S	특수 목적용 기계 제조업	반도체 웨이퍼 캐리어	2002-04-23	03월	박종익, 김세완 (각자 대표이사)	http://www.3sref.com	서울특별시	2002.0
2	006840	KOSPI	AK홀딩스	기타 금융업	지주사업	1999-08-11	12월	채형석, 이석주(각자 대표이사)	http://www.aekyunggroup.co.kr	서울특별시	1999.0
3	054620	KOSDAQ	APS홀딩스	기타 금융업	인터넷 트래픽 솔루션	2001-12-04	12월	정기로	http://www.apsholdings.co.kr	경기도	2001.0
4	265520	KOSDAQ	AP시스템	특수 목적용 기계 제조업	디스플레이 제조 장비	2017-04-07	12월	김영주	http://www.apsystems.co.kr	경기도	2017.0
5	211270	KOSDAQ	AP위성	통신 및 방송 장비 제조업	위성통신 단말기	2016-03-04	12월	류장수	http://www.apsi.co.kr	서울특별시	2016.0
...	...	...	...	...	...	...	...	...	...	...	...
7098	145020	KOSDAQ	휴젤	기초 의약물질 및 생물학적 제제 제조업	보툴리눔톡신, 필러	2015-12-24	12월	손지훈	http://www.hugel.co.kr	강원도	2015.0
7099	069260	KOSPI	휴켐스	기타 화학제품 제조업	화합물,화학제품 제조	2002-10-07	12월	신진용	http://www.huchems.com	서울특별시	2002.0
7100	024060	KOSDAQ	흥구석유	기타 전문 도매업	휘발유등	1994-12-07	12월	김상우	NaN	대구광역시	1994.0
7101	010240	KOSDAQ	흥국	특수 목적용 기계 제조업	굴삭기 Roller 및 형단조품	2009-05-12	12월	류명준	http://www.heungkuk.co.kr	충청남도	2009.0
7109	238490	KOSDAQ	힘스	특수 목적용 기계 제조업	OLED Mask 인장기, OLED Mask 검사기 등	2017-07-20	12월	김주환	http://www.hims.co.kr	인천광역시	2017.0

1674 rows × 11 columns

In [44]:

# 자 다시 그래프를 그리면 이렇게 예쁘게 나옴 
sns.countplot(data=df[df["Sector"].isin(df1.index)], y="Sector")

Out[44]:

<AxesSubplot:xlabel='count', ylabel='Sector'>

 

In [45]:

# 그런데 정렬을 해보고 싶다면 말이지 
# ascending이라는 걸로 정렬된 줄 알았더니 order라는 명령어를 사용하더라구!
sns.countplot(data=df[df["Sector"].isin(df1.index)], 
              y="Sector", 
             order=df1.index)

Out[45]:

<AxesSubplot:xlabel='count', ylabel='Sector'>

 

In [46]:

plt.figure(figsize=(7,7))
sns.countplot(data=df[df["Sector"].isin(df1.index)], 
              y="Sector", palette="Blues_r", 
             order=df1.index);

 

In [47]:

# 빈도수가 가장 많은 데이터 색인하기
df[df["Sector"] == "특수 목적용 기계 제조업"]

Out[47]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region	ListingYear
0	060310	KOSDAQ	3S	특수 목적용 기계 제조업	반도체 웨이퍼 캐리어	2002-04-23	03월	박종익, 김세완 (각자 대표이사)	http://www.3sref.com	서울특별시	2002.0
4	265520	KOSDAQ	AP시스템	특수 목적용 기계 제조업	디스플레이 제조 장비	2017-04-07	12월	김영주	http://www.apsystems.co.kr	경기도	2017.0
80	068790	KOSDAQ	DMS	특수 목적용 기계 제조업	LCD 제조장비	2004-10-01	12월	박용석	http://www.dms21.co.kr	경기도	2004.0
100	083450	KOSDAQ	GST	특수 목적용 기계 제조업	GasScrubber,Chiller	2006-02-01	12월	김덕준	http://www.gst-in.com	경기도	2006.0
124	078150	KOSDAQ	HB테크놀러지	특수 목적용 기계 제조업	TFT-LCD검사장비	2004-12-08	12월	문성준	http://www.ncbnet.co.kr	충청남도	2004.0
...	...	...	...	...	...	...	...	...	...	...	...
7069	010660	KOSPI	화천기계	특수 목적용 기계 제조업	선반,밀링,연삭기,CNC선반,CNC밀링,머시닝센타 제조,판매/자동차부품(실린더블럭) 제조	1988-12-12	12월	권영열, 권형석	http://www.hwacheon.co.kr	서울특별시	1988.0
7070	000850	KOSPI	화천기공	특수 목적용 기계 제조업	CNC선반,CNC밀링,연마기(금속공작기계),MC공작기계,COPY밀링기계,주방품 제조,도매	1999-11-18	12월	각자대표이사 권영두, 권영렬	http://www.hwacheon.com	광주광역시	1999.0
7086	090710	KOSDAQ	휴림로봇	특수 목적용 기계 제조업	제조업용로봇및서비스로봇	2006-12-05	12월	정광원	http://www.dstrobot.com	충청남도	2006.0
7101	010240	KOSDAQ	흥국	특수 목적용 기계 제조업	굴삭기 Roller 및 형단조품	2009-05-12	12월	류명준	http://www.heungkuk.co.kr	충청남도	2009.0
7109	238490	KOSDAQ	힘스	특수 목적용 기계 제조업	OLED Mask 인장기, OLED Mask 검사기 등	2017-07-20	12월	김주환	http://www.hims.co.kr	인천광역시	2017.0

142 rows × 11 columns

 

Industry column으로 그래프 그리기 연습

In [48]:

df2 = df["Industry"].value_counts().head(30)

In [49]:

df2.plot.barh(figsize=(10,8), title="Industry 빈도수");

 

In [50]:

# 위에와 같은 그래프인데 sort_value()만 있으면 바로 역순으로 나열가능! 
df2 = df["Industry"].value_counts().head(30).sort_values()
df2.plot.barh(figsize=(10,8), title="Industry 빈도수");

 

In [51]:

plt.figure(figsize=(7,7))
sns.countplot(data=df[df["Industry"].isin(df2.index)], 
              y="Industry", palette="Blues", 
              order=df2.index)

Out[51]:

<AxesSubplot:xlabel='count', ylabel='Industry'>

 

 

region으로 그래프 그리기 연습

In [52]:

df["Region"].value_counts().plot.barh()

Out[52]:

<AxesSubplot:>

 

In [53]:

# 사실 별도의 전처리 없이 sns으로 아래와 같이 작성하면
# 바로 시각화를 할 수 있음....ㅎㅎㅎㅎ Simple!!!!
# order를 아래와 같이 작성하면 바로 탑에 있는 녀석들을 볼 수 있는 것이죠!
# 와! 이거 진짜 심박하네요! 
sns.countplot(data=df, y="Region", 
              palette="Blues_r",
              order=df["Region"].value_counts().head(30).index).set_title("소재지별 종목 수");

 

In [54]:

# 또 다른 정렬방법 ( 기존 df의 순서대로 정렬하기 )
sns.countplot(data=df.sort_values(by="Region"),
              palette="Greens_r",
              y="Region")

Out[54]:

<AxesSubplot:xlabel='count', ylabel='Region'>

 

 

두개의 변수에 대한 시각화

• pd.crosstab을 통한 2개의 변수에 대한 빈도수 구하기

In [55]:

# 첫번째로 넣어주는 컬럼이 인덱스가 되고, 뒤에 넣어주는 것이 컬럼으로 간다. 
pd.crosstab(df["Market"], df["Region"])

Out[55]:

Region	강원도	경기도	경상남도	경상북도	광주광역시	대구광역시	대전광역시	미국	부산광역시	서울특별시	...	울산광역시	인천광역시	일본	전라남도	전라북도	제주특별자치도	충청남도	충청북도	케이맨 제도	홍콩
Market
KONEX	7	37	0	7	6	1	7	0	1	54	...	0	4	0	3	1	1	3	9	0	0
KOSDAQ	16	493	49	38	9	34	39	5	39	515	...	10	57	3	13	15	2	63	59	4	9
KOSPI	4	146	40	19	9	21	8	0	37	408	...	16	25	0	7	11	7	26	14	1	0

3 rows × 22 columns

In [56]:

# 1번
# countplot으로 Market과 Region으로 빈도수 시각화 하기 
sns.countplot(data=df, y="Region", hue="Market")

Out[56]:

<AxesSubplot:xlabel='count', ylabel='Region'>

 

In [57]:

# 2번
# Seaborn countplot 활용하여 빈도수를 표현합니다.
# hue 를 사용해 다른 변수를 함께 표현합니다. hue는 색상을 의미합니다.
plt.figure(figsize=(15, 4))
plt.xticks(rotation=90)
sns.countplot(data=df, x="ListingYear", hue="Market")

Out[57]:

<AxesSubplot:xlabel='ListingYear', ylabel='count'>

 

In [58]:

# 3번 
# Market, ListingYear 빈도수 구하기
df_market_year = pd.crosstab(df["Market"], df["ListingYear"])
df_market_year

Out[58]:

ListingYear	1956.0	1962.0	1964.0	1966.0	1968.0	1969.0	1970.0	1971.0	1972.0	1973.0	...	2012.0	2013.0	2014.0	2015.0	2016.0	2017.0	2018.0	2019.0	2020.0	2021.0
Market
KONEX	0	0	0	0	0	0	0	0	0	0	...	0	13	13	27	27	19	14	17	12	0
KOSDAQ	0	0	0	0	0	0	0	0	0	0	...	20	35	59	90	65	68	89	97	86	10
KOSPI	5	1	1	1	6	5	4	1	3	22	...	14	11	9	18	18	20	19	15	14	3

3 rows × 57 columns

In [59]:

df_market_year.plot();

 

In [60]:

# 으악! 위 그래프가 정말... 보기가 힘들구만...
# 단 한글자로 그래프에 마법을 부려보겠습니다. 
df_market_year.T.plot(figsize=(15, 4));

 

In [61]:

# sub plot으로 그려보자 
# 그런데 y축 값이 다 다르다는 걸 알 수 있다. 
# 앞으로 활용할 때는 y축 값이 일정한 데이터에 한하여 사용하도록 해봐야겠다. 
df_market_year.T.plot(subplots=True);

 

In [62]:

df_market_year.T.plot.bar(figsize=(15, 4));

 

In [63]:

# 컬럼명의 데이터 타입을 int 형태로 변경합니다.
df_market_year.columns = df_market_year.columns.astype(int)
df_market_year.T
df_market_year.T.plot.bar(figsize=(15, 4));

 

 

groupby 사용법

In [64]:

# 묶는 기준을 groupby내에 넣어주자 : groupby(["ListingYear", "Market" ])
# 묶어주고 싶은 컬럼을 그 뒤에 적어주자 : ["Symbol"]
# 어떤 방식으로 진행할지를 . 과 함께 적어주자 

df.groupby(["ListingYear", "Market" ])["Symbol"].count()

Out[64]:

ListingYear  Market
1956.0       KOSPI      5
1962.0       KOSPI      1
1964.0       KOSPI      1
1966.0       KOSPI      1
1968.0       KOSPI      6
                       ..
2020.0       KONEX     12
             KOSDAQ    86
             KOSPI     14
2021.0       KOSDAQ    10
             KOSPI      3
Name: Symbol, Length: 98, dtype: int64

In [65]:

# 코드를 나누어서 하나씩 실행해보세요 
# reset_index를 추가하면 시리즈를 데이터프래임으로 바꿔줄 수 있음 
df.groupby(["ListingYear", "Market" ])["Symbol"].count().reset_index()

# 새롭게 추가된 컬럼의 이름을 바꿔주고 싶다면 index(name="count")를 넣어주면 된다. 
df.groupby(
    ["ListingYear", "Market" ])["Symbol"].count().reset_index(name="count")

# 재사용하기 위해서 변수가 저장을 해주자 
df_year_market = df.groupby(
        ["ListingYear", "Market" ])["Symbol"].count().reset_index(name="count")

In [66]:

df_year_market

Out[66]:

	ListingYear	Market	count
0	1956.0	KOSPI	5
1	1962.0	KOSPI	1
2	1964.0	KOSPI	1
3	1966.0	KOSPI	1
4	1968.0	KOSPI	6
...	...	...	...
93	2020.0	KONEX	12
94	2020.0	KOSDAQ	86
95	2020.0	KOSPI	14
96	2021.0	KOSDAQ	10
97	2021.0	KOSPI	3

98 rows × 3 columns

 

pivot_table 사용법

• pivot_table은 형태도 바꾸고 연산이 가능함
• pivot은 형태만 바꿔줌

In [67]:

df_year_market = pd.pivot_table(data=df, index="ListingYear", aggfunc="count")
# 이와 같이 작성을 하면 전부다에 대한 COUNT가 되니까 특정 값을 지정해줘야겠지?

In [68]:

# 코드를 나누어서 하나씩 실행해보세요 
df_year_market = pd.pivot_table(data=df, index=["ListingYear", "Market"], 
               values="Symbol", aggfunc="count")
df_year_market = df_year_market.reset_index()
df_year_market
# 위와 같이만 작성을 하면 이름을 바꿀 수가 없다. 
# groupby처럼 index() 괄호 안에 넣어주었더니 오류가.. 난다.. 
# 그럼 어떻게 하지 ?
df_year_market.rename(columns={"Symbol":"Count"})

# 잉? 왜 안바꾸었을까? 음..음...... 아!
df_year_market = df_year_market.rename(columns={"Symbol":"Count"})
df_year_market

Out[68]:

	ListingYear	Market	Count
0	1956.0	KOSPI	5
1	1962.0	KOSPI	1
2	1964.0	KOSPI	1
3	1966.0	KOSPI	1
4	1968.0	KOSPI	6
...	...	...	...
93	2020.0	KONEX	12
94	2020.0	KOSDAQ	86
95	2020.0	KOSPI	14
96	2021.0	KOSDAQ	10
97	2021.0	KOSPI	3

98 rows × 3 columns

In [69]:

# 데이터에 대한 이해가 없다면 시각화 하기도 어렵구나! 
sns.scatterplot(data=df_year_market, x="ListingYear", y="Count")

# Market이 3개나 있는데 색상이 모두 똑같네?
# hue를 이용하여 색을 분류해보자 
sns.scatterplot(data=df_year_market, x="ListingYear", y="Count", hue="Market")

# hue을 구분하였는데 각 점별로 횟수가 다른데.. 
# 이걸 어떻게 표현해 줄 수 있을까?
# 크기가 작으니까 키워주자 
plt.figure(figsize=(7,5))
sns.scatterplot(data=df_year_market, 
                x="ListingYear", y="Count", 
                hue="Market", size="Count")

Out[69]:

<AxesSubplot:xlabel='ListingYear', ylabel='Count'>

 

 

In [70]:

# 이번에는 라인그래프를 그려보자 
# sns.lineplot(data=df_year_market, x="ListingYear", y="Count")

# 지금까지 못보던 녀석이 나오네.. 이건 머지?
# 이건 sns의 기본값 중 ci, n_boot라는 것 때문이야 
# 즉 저 라인에 있는 95% 신뢰구간을 표시해주는 아주 좋으 녀석이지
# 만약 없애주고 싶다면! ci=None을 입력하면 돼 
sns.lineplot(data=df_year_market, x="ListingYear", y="Count", ci=None)

# Market 별로 색상을 다르게 한다. 
plt.figure(figsize=(7,5))
sns.lineplot(data=df_year_market, x="ListingYear", y="Count", hue="Market", ci=None)

Out[70]:

<AxesSubplot:xlabel='ListingYear', ylabel='Count'>

 

 

 

relplot 배우기

• relplot과 scatterplot의 가장 큰 차이점 : subplot을 그릴 수 있냐 없냐의 차이

In [71]:

# row로 나열되느 replot 그리기 
sns.relplot(data=df_year_market, x="ListingYear", y="Count", row="Market")
# column으로 나열되느 replot 그리기 
sns.relplot(data=df_year_market, x="ListingYear", y="Count",
            col="Market", hue="Market")

sns.relplot(data=df_year_market, x="ListingYear", y="Count",
            col="Market", hue="Market", kind="line")

Out[71]:

<seaborn.axisgrid.FacetGrid at 0x14d8bda4ac0>

 

 

 

 

히스토그램 알아보기

In [72]:

# 아래와 같이 bins를 별도로 주어서 구분할 수 있음 

df["ListingYear"].plot.hist(bins=30)
df["ListingYear"].plot.hist(bins=100, figsize=(7,7), title="상장연도")

Out[72]:

<AxesSubplot:title={'center':'상장연도'}, ylabel='Frequency'>

 

 

이 그래프를 보고

• 데이터가 오른쪽으로 편중되어 있으며, 2000년대에 더 많은 기업이 상장되었다.

라는 것을 알 수 있다.

 

데이터 색인¶

In [73]:

# 케이맨 제도에 있는 회사 찾기
df[df["Region"] == "케이맨 제도"]

Out[73]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region	ListingYear
2313	900280	KOSDAQ	골든센츄리	기타 금융업	트랙터용 휠 및 타이어	2016-10-19	12월	주승화	http://www.jsj-wheel.co.kr	케이맨 제도	2016.0
2348	900070	KOSDAQ	글로벌에스엠	기타 금융업	자회사 제품 : IT기기용 정밀 화스너부품(스크류, 샤프트, 스프링)	2009-12-23	12월	나윤복	http://www.globalsmtech.com	케이맨 제도	2009.0
4105	900120	KOSDAQ	씨케이에이치	기타 금융업	건강보조식품	2010-03-31	06월	린진성	NaN	케이맨 제도	2010.0
4363	900140	KOSPI	엘브이엠씨홀딩스	자동차 판매업	지주회사	2010-11-30	12월	오세영, 노성석, 김선발 (각자 대표이사)	http://www.lvmcholdings.net	케이맨 제도	2010.0
5007	900250	KOSDAQ	크리스탈신소재	기타 금융업	합성운모 플레이크, 파우더, 테이프	2016-01-28	12월	다이중치우 (DAI ZHONG QIU)	http://www.crystalnewmaterial.com	케이맨 제도	2016.0

In [74]:

# 1970년 이전에 상장한 기업 찾기
df[df["ListingYear"] < 1970]

Out[74]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region	ListingYear
56	000120	KOSPI	CJ대한통운	도로 화물 운송업	Contract Logistics, 포워딩, 항만하역, 해운, 택배국제특송, SCM...	1956-07-02	12월	박근희	http://www.cjlogistics.com	서울특별시	1956.0
75	001530	KOSPI	DI동일	상품 중개업	면사,화섬사,면포,혼방포,스포츠웨어용 신합섬 제조,도매,수출	1964-01-04	12월	서태원, 손재선	http://www.dong-il.com	서울특별시	1964.0
1999	004250	KOSPI	NPC	플라스틱제품 제조업	산업용기프라스틱제품(플라스틱 파렛트,시트 파렛트) 제조,판매	1969-09-08	12월	최병민	http://www.npc.co.kr	경기도	1969.0
2296	000050	KOSPI	경방	종합 소매업	섬유류(면사,면혼방사,면직물,면혼방직물,화섬사,화섬직물) 제조,도매,수출입	1956-03-03	12월	김준, 김담	http://www.kyungbang.co.kr	서울특별시	1956.0
2569	001440	KOSPI	대한전선	절연선 및 케이블 제조업	전력선,통신케이블,적산계기,스텐레스압연제품,광케이블,초고압선,알루미늄 제조,도매/전기공사	1968-12-27	12월	나형균	http://www.taihan.com	경기도	1968.0
2571	001790	KOSPI	대한제당	곡물가공품, 전분 및 전분제품 제조업	제당,가축용 배합사료,설탕,기능성감미료(자일로올리고당),외식산 제조,도소매/부동산 임대	1968-12-27	12월	김기영	http://www.ts.co.kr	인천광역시	1968.0
2574	003490	KOSPI	대한항공	항공 여객 운송업	여객운송,화물운송,항공기 제조,판매,정비수리/기내식 제조판매,면세품 판매	1966-03-18	12월	조원태, 우기홍	http://www.koreanair.com	서울특별시	1966.0
2829	000060	KOSPI	메리츠화재	보험업	손해보험(화재,해상,운송보험)	1956-07-02	12월	김용범	http://www.meritzfire.com	서울특별시	1956.0
3756	000070	KOSPI	삼양홀딩스	기타 금융업	지주회사,경영자문컨설팅	1968-12-27	12월	윤재엽	http://www.samyang.com	서울특별시	1968.0
3856	002420	KOSPI	세기상사	영화, 비디오물, 방송프로그램 제작 및 배급업	극장(영화상영)/극영화,만화영화 제조/음식료품,일용잡화 소매/부동산 임대	1968-12-27	12월	김정희	http://daehancinema.com	서울특별시	1968.0
3866	003030	KOSPI	세아제강지주	기타 금융업	경영컨설팅업	1969-05-13	12월	이순형, 남형근	http://www.seahsteel.co.kr/company/holdings/	서울특별시	1969.0
4553	000700	KOSPI	유수홀딩스	회사 본부 및 경영 컨설팅 서비스업	지주사업	1956-03-03	12월	송영규	http://www.eusu-holdings.com	서울특별시	1956.0
4582	000100	KOSPI	유한양행	의약품 제조업	의약품(삐콤씨,알마겔,세파졸린주사,아코텍스주사,이세파신,신생아호흡곤란치료제 등),생...	1962-11-01	12월	대표이사 이정희	http://www.yuhan.co.kr	서울특별시	1962.0
4744	000950	KOSPI	전방	방적 및 가공사 제조업	면사,면혼방사,마혼방사,화섬사,염색사,자수사,소모사,면직물,면혼방직물,화섬직물,특수...	1968-10-21	12월	조규옥, 김형건	http://www.chonbang.co.kr	서울특별시	1968.0
4945	003690	KOSPI	코리안리	재 보험업	금융보험/부동산 임대	1969-12-22	12월	원종규	http://www.koreanre.co.kr	서울특별시	1969.0
6881	000240	KOSPI	한국앤컴퍼니	기타 금융업	비금융지주회사	1968-12-27	12월	조현식, 조현범(각자 대표이사)	http://www.hankook-technologygroup.com	경기도	1968.0
6896	000970	KOSPI	한국주철관	1차 철강 제조업	수도용주철관,강관 제조	1969-12-12	03월	홍동국, 김태형, 김형규, 김길출 (각자대표제)	http://www.kcip.co.kr	부산광역시	1969.0
6965	003300	KOSPI	한일홀딩스	시멘트, 석회, 플라스터 및 그 제품 제조업	지주사업	1969-11-20	12월	허기호, 전근식(각자대표)	http://www.hanil.com	서울특별시	1969.0
6973	003480	KOSPI	한진중공업홀딩스	연료용 가스 제조 및 배관공급업	지주회사	1956-03-03	12월	조남호, 조원국	http://www.hhic-holdings.com	경기도	1956.0

In [75]:

# 2021년 상장한 서울특별시에 소재한 코스피 종목을 찾기

df[(df["ListingYear"] == 2021) & 
   (df["Region"] == "서울특별시") & 
   (df["Market"] == "KOSPI")]

Out[75]:

	Symbol	Market	Name	Sector	Industry	ListingDate	SettleMonth	Representative	HomePage	Region	ListingYear
78	375500	KOSPI	DL이앤씨	토목 건설업	토목 건설 사업	2021-01-25	12월	마창민	NaN	서울특별시	2021.0

In [76]:

# Sector, Region 으로 crosstab 연산하기
df_sr = pd.crosstab(df["Sector"], df["Region"])
df_sr

Out[76]:

Region	강원도	경기도	경상남도	경상북도	광주광역시	대구광역시	대전광역시	미국	부산광역시	서울특별시	...	울산광역시	인천광역시	일본	전라남도	전라북도	제주특별자치도	충청남도	충청북도	케이맨 제도	홍콩
Sector
1차 비철금속 제조업	0	7	1	1	0	3	1	0	1	3	...	0	0	0	0	0	0	1	0	0	0
1차 철강 제조업	0	4	11	7	1	0	1	0	12	11	...	0	4	0	1	1	0	4	0	0	0
가구 제조업	0	4	0	0	0	0	0	0	0	3	...	0	1	0	0	0	0	0	0	0	0
가전제품 및 정보통신장비 소매업	0	0	0	0	0	1	0	0	0	1	...	0	0	0	0	0	0	0	0	0	0
가정용 기기 제조업	0	6	1	0	1	0	0	0	0	1	...	0	0	0	0	0	0	0	0	0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
해상 운송업	0	0	0	0	0	0	0	0	0	5	...	0	0	0	0	0	0	0	0	0	0
해체, 선별 및 원료 재생업	0	1	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
화학섬유 제조업	0	1	0	1	0	1	0	0	0	6	...	0	0	0	0	1	0	0	0	0	0
환경 정화 및 복원업	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	1	0	0	0
회사 본부 및 경영 컨설팅 서비스업	0	1	0	0	0	1	0	0	2	7	...	0	0	0	0	0	0	0	0	0	0

158 rows × 22 columns

In [77]:

# 특정 컬럼만 가져오기
df_sr[["서울특별시", "경기도", "인천광역시"]]

Out[77]:

Region	서울특별시	경기도	인천광역시
Sector
1차 비철금속 제조업	3	7	0
1차 철강 제조업	11	4	4
가구 제조업	3	4	1
가전제품 및 정보통신장비 소매업	1	0	0
가정용 기기 제조업	1	6	0
...	...	...	...
해상 운송업	5	0	0
해체, 선별 및 원료 재생업	0	1	0
화학섬유 제조업	6	1	0
환경 정화 및 복원업	0	0	0
회사 본부 및 경영 컨설팅 서비스업	7	1	0

158 rows × 3 columns

In [78]:

# df_sr에서 "소프트웨어 개발 및 공급업" 행만 가져오기
df_sr.loc["소프트웨어 개발 및 공급업"].sort_values(ascending=False)

Out[78]:

Region
서울특별시      93
경기도        38
충청북도        2
일본          2
홍콩          1
광주광역시       1
대전광역시       1
부산광역시       1
경상남도        0
경상북도        0
대구광역시       0
미국          0
세종특별자치시     0
케이맨 제도      0
싱가포르        0
울산광역시       0
인천광역시       0
전라남도        0
전라북도        0
제주특별자치도     0
충청남도        0
강원도         0
Name: 소프트웨어 개발 및 공급업, dtype: int64

In [79]:

# loc 로 행인덱스 가져오기
# 행에서 "소프트웨어 개발 및 공급업", "금융 지원 서비스업", "의약품 제조업" 가져오기
df_sr.loc[["소프트웨어 개발 및 공급업", "금융 지원 서비스업", "의약품 제조업"]]

Out[79]:

Region	강원도	경기도	경상남도	경상북도	광주광역시	대구광역시	대전광역시	미국	부산광역시	서울특별시	...	울산광역시	인천광역시	일본	전라남도	전라북도	제주특별자치도	충청남도	충청북도	케이맨 제도	홍콩
Sector
소프트웨어 개발 및 공급업	0	38	0	0	1	0	1	0	1	93	...	0	0	2	0	0	0	0	2	0	1
금융 지원 서비스업	0	0	0	1	0	0	0	0	0	71	...	0	0	0	0	0	0	0	0	0	0
의약품 제조업	5	34	1	0	0	0	2	0	1	39	...	0	2	0	0	0	0	2	5	0	0

3 rows × 22 columns

In [80]:

# loc로 여러 행과 열 가져오기

df_sr.loc[["소프트웨어 개발 및 공급업", "금융 지원 서비스업", "의약품 제조업"], 
          ["서울특별시", "경기도", "인천광역시"]]

Out[80]:

Region	서울특별시	경기도	인천광역시
Sector
소프트웨어 개발 및 공급업	93	38	0
금융 지원 서비스업	71	0	0
의약품 제조업	39	34	2

 

출처 : https://matplotlib.org/3.2.1/gallery/showcase/anatomy.html

 

 

In [83]:

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import AutoMinorLocator, MultipleLocator, FuncFormatter

np.random.seed(19680801)

X = np.linspace(0.5, 3.5, 100)
Y1 = 3+np.cos(X)
Y2 = 1+np.cos(1+X/0.75)/2
Y3 = np.random.uniform(Y1, Y2, len(X))

fig = plt.figure(figsize=(8, 8))
ax = fig.add_subplot(1, 1, 1, aspect=1)


def minor_tick(x, pos):
    if not x % 1.0:
        return ""
    return "%.2f" % x

ax.xaxis.set_major_locator(MultipleLocator(1.000))
ax.xaxis.set_minor_locator(AutoMinorLocator(4))
ax.yaxis.set_major_locator(MultipleLocator(1.000))
ax.yaxis.set_minor_locator(AutoMinorLocator(4))
ax.xaxis.set_minor_formatter(FuncFormatter(minor_tick))

ax.set_xlim(0, 4)
ax.set_ylim(0, 4)

ax.tick_params(which='major', width=1.0)
ax.tick_params(which='major', length=10)
ax.tick_params(which='minor', width=1.0, labelsize=10)
ax.tick_params(which='minor', length=5, labelsize=10, labelcolor='0.25')

ax.grid(linestyle="--", linewidth=0.5, color='.25', zorder=-10)

ax.plot(X, Y1, c=(0.25, 0.25, 1.00), lw=2, label="Blue signal", zorder=10)
ax.plot(X, Y2, c=(1.00, 0.25, 0.25), lw=2, label="Red signal")
ax.plot(X, Y3, linewidth=0,
        marker='o', markerfacecolor='w', markeredgecolor='k')

ax.set_title("Anatomy of a figure", fontsize=20, verticalalignment='bottom')
ax.set_xlabel("X axis label")
ax.set_ylabel("Y axis label")

ax.legend()


def circle(x, y, radius=0.15):
    from matplotlib.patches import Circle
    from matplotlib.patheffects import withStroke
    circle = Circle((x, y), radius, clip_on=False, zorder=10, linewidth=1,
                    edgecolor='black', facecolor=(0, 0, 0, .0125),
                    path_effects=[withStroke(linewidth=5, foreground='w')])
    ax.add_artist(circle)


def text(x, y, text):
    ax.text(x, y, text, backgroundcolor="white",
            ha='center', va='top', weight='bold', color='blue')


# Minor tick
circle(0.50, -0.10)
text(0.50, -0.32, "Minor tick label")

# Major tick
circle(-0.03, 4.00)
text(0.03, 3.80, "Major tick")

# Minor tick
circle(0.00, 3.50)
text(0.00, 3.30, "Minor tick")

# Major tick label
circle(-0.15, 3.00)
text(-0.15, 2.80, "Major tick label")

# X Label
circle(1.80, -0.27)
text(1.80, -0.45, "X axis label")

# Y Label
circle(-0.27, 1.80)
text(-0.27, 1.6, "Y axis label")

# Title
circle(1.60, 4.13)
text(1.60, 3.93, "Title")

# Blue plot
circle(1.75, 2.80)
text(1.75, 2.60, "Line\n(line plot)")

# Red plot
circle(1.20, 0.60)
text(1.20, 0.40, "Line\n(line plot)")

# Scatter plot
circle(3.20, 1.75)
text(3.20, 1.55, "Markers\n(scatter plot)")

# Grid
circle(3.00, 3.00)
text(3.00, 2.80, "Grid")

# Legend
circle(3.70, 3.80)
text(3.70, 3.60, "Legend")

# Axes
circle(0.5, 0.5)
text(0.5, 0.3, "Axes")

# Figure
circle(-0.3, 0.65)
text(-0.3, 0.45, "Figure")

color = 'blue'
ax.annotate('Spines', xy=(4.0, 0.35), xytext=(3.3, 0.5),
            weight='bold', color=color,
            arrowprops=dict(arrowstyle='->',
                            connectionstyle="arc3",
                            color=color))

ax.annotate('', xy=(3.15, 0.0), xytext=(3.45, 0.45),
            weight='bold', color=color,
            arrowprops=dict(arrowstyle='->',
                            connectionstyle="arc3",
                            color=color))

ax.text(4.0, -0.4, "Made with http://matplotlib.org",
        fontsize=10, ha="right", color='.5')

plt.show()

 

 

출처 : https://matplotlib.org/3.2.1/gallery/showcase/anatomy.html

In [ ]: