라이브러리 활용-PLT

학습목표:
라이브러리의 개념을 익히고 외부 라이브러리를 설치 할 수 있다.
다양한 외부 라이브러리를 익히고 프로그램에 사용 해 본다.

---

1.라이브러리 개념

• 라이브러리(library)는 도서관이라는 말 뜻대로 다양한 함수가 모인 곳
• 즉 특정 작업을 수행하기 위해서 미리 작성된 코드의 집합
• 다양한 기능을 제공하며, 프로그래머가 새로운 코드를 처음부터 작성할 필요없이 효율적으로 프로그램을 개발할 수 있게 도와 줌

---

2.다양한 라이브러리 예

• NumPy: 과학 계산을 위한 기본적인 라이브러리, 강력한 N차원 배열 객체와 이를 처리하는 다양한 함수를 제공합니다. 선형대수, 푸리에 변환, 난수 생성 등의 기능을 포함합니다. 기본 패키지 중 하나입니다.
• Pandas: 데이터 처리와 분석을 위한 라이브러리, 특히 테이블 형태의 데이터를 다루는데 유용합니다. *데이터프레임(DataFrame)과 시리즈(Series) *같은 자료구조를 제공하며, 데이터 조작, 정리, 탐색에 강력한 도구를 제공합니다.
• Matplotlib: 데이터를 시각화하는 라이브러리, 그래프와 차트를 쉽게 만들 수 있습니다. 플롯(Plot), 히스토그램, 바 차트 등 다양한 형태의 시각화를 지원합니다.
• TensorFlow/PyTorch: 두 라이브러리 모두 딥러닝과 머신 러닝을 위한 라이브러리로, 신경망을 구축하고 훈련하는 데 사용됩니다. 둘 다 대규모 데이터셋에 대한 학습, 자동 미분, 다양한 최적화 알고리즘을 제공합니다.
• 필로우(Pillow): PIL(Python Imaging Library)와 호환성을 유지하면서 쉽게 사용할수 있는 영상 처리 라이브러리.

---

3.라이브러리 설치 (pip)

• PIP (Python Installs Packages)은 Python에서 사용되는 패키지 관리 시스템입니다.
• 파이썬 패키지를 설치할 때 가장 많이 사용하는 도구가 바로 pip이다.
  다른 언어는 라이브러리를 설치하기가 만만치 않지만, 파이썬은 너무나도 간단하다. pip는 파이썬에 기본적으로 포함되는 설치 도구이다.

pip install Pillow

• notice :만약 패키지가 설치되지 않는다면?
  > 파이썬의 버전과 라이브러리 버전이 일치하지 않은 경우가 많다. 이때에는 파이썬의 버전을 조절하여 일치 시켜 준 후 설치한다.

---

2.맷플롯립(Matplotlib)-그래프를 그려보자

• Python에서 가장 널리 사용되는 데이터 시각화 라이브러리
• 복잡한 자료를 숫자나 텍스트보다는 그래프나 차트로 데이터를 시각화하여 이해하고 분석하는 것이 효과적
• 데이터를 시각화하는데 편리한 라이브러리
• 선 그래프, 막대 그래프, 히스토그램, 산점도, 파이 차트 등 다양한 유형의 그래프를 지원
• 파일 저장: 생성한 그래프를 다양한 형식(예: PNG, PDF, SVG)으로 저장

https://matplotlib.org/stable/plot_types/index.html

Plot types — Matplotlib 3.9.3 documentation

 

• 기본 설치 도구: pip 사용하기 - pip는 파이썬에 내장된 패키지 관리 도구로, 라이브러리를 쉽게 설치할 수 있다.
• 특정 버전 설치 : pip install pillow(라이브러리명)==9.0.0(버전)
• 최신 버전으로 업데이트 : pip install --upgrade 라이브러리명Python 코드 셀 내부에서 쉘 명령어를 실행하기 위해 !를 사용한다.

pip install matplotlib

import matplotlib.pyplot as plt

---

2.간단한 그래프

• 우리는 matplotlib의 하위 모듈인 pyplot을 사용한다. pyplot은 객체 지향적인 인터페이스를 제공한다.
• 각 그래프나 차트는 하나의 '객체'로 취급되며, 이는 각 그래프나 차트가 자신만의 속성(예: 색상, 레이블, 크기 등)과 메소드(예: 그리기, 색상 변경 등)를 가지고 있다는 의미.
• x값과 y값을 리스트 형태로 plot() 함수로 전달하면, plot() 함수는 이것으로 선 그래프를 그린다.
• Google Colab에서는 그래프를 생성하면 plt.show()를 사용하지 않아도 자동으로 그래프가 표시됩니다.

import matplotlib.pyplot as plt
MyGrowHeight = [130, 140, 150, 165, 175, 176]
plt.plot(MyGrowHeight)
plt.show()

plot 주요 매개변수

• x, y: 각각 x축과 y축에 대응하는 데이터 값입니다.
• color: 선의 색상을 지정합니다.
• linestyle: 선의 스타일을 지정합니다 (예: '-', '--', '-.', ':').
• linewidth: 선의 너비를 지정합니다.
• marker: 데이터 포인트에 표시할 마커의 스타일을 지정합니다 (예: 'o', '^', 's').
• label: 범례에 사용될 라벨을 지정합니다.

---

from matplotlib import pyplot as plt

import matplotlib.pyplot as plt  # Matplotlib의 pyplot 모듈을 불러옴

# 데이터 정의
x = [1, 2, 3]  # x축 데이터
y = [1, 2, 3]  # y축 데이터

# 그래프 생성
plt.plot(
    x, y, 
    linewidth=2,          # 선의 두께 설정
    linestyle='--',       # 선 스타일: 점선으로 설정
    color='green',        # 선 색깔: 녹색으로 설정
    marker="*"            # 데이터 포인트에 별 모양 마커 추가
)

# 그래프 제목
plt.title('line plot')  # 그래프 제목 설정

# 축 레이블 설정
plt.xlabel('x')  # x축 레이블
plt.ylabel('y')  # y축 레이블

# 범례 추가
plt.legend(['y'])  # 'y'라는 레이블을 범례로 추가

# 그리드 표시
plt.grid()  # 그래프에 그리드 표시

# 그래프 출력
plt.show()  # 그래프를 화면에 표시

---

3.하나의 그래프에 2개의 값을 겹쳐서 표시

import matplotlib.pyplot as plt
X = [ "Mon", "Tue", "Wed", "Thur", "Fri", "Sat", "Sun" ]
Y1 = [15.6, 14.2, 16.3, 18.2, 17.1, 20.2, 22.4]
Y2 = [20.1, 23.1, 23.8, 25.9, 23.4, 25.1, 26.3]

plt.plot(X,Y1, label='Y1')
plt.plot(X,Y2, label='Y2')

plt.legend(loc='upper left')

---

4.2차함수 그리기

import matplotlib.pyplot as plt

x, y, z = [], [], []

for i in range(100):
    x.append(i/50.0)

for i in x:
    y.append(i**2)

for i in x:
    z.append(i**3)

plt.plot(x,x, label='liner')
plt.plot(x,y, label='square')
plt.plot(x,z, label='cube')
plt.legend(['liner', 'square', 'cube'], loc='upper left')

---

5.막대그래프 : bar()

• 이산적(연속적이지 않은) 데이터를 시각화할 때 적합
• 카테고리 비교(Category Comparison) 할 때
• 변화 추적 : 시간이 지남에 따라 특정 카테고리의 변화를 추적할 때
• 구성 요소 비교(Comparison of Parts to a Whole): 전체에 대한 부분들의 비율을 비교할 때
• 참고 파라미트나 속성 확인 : plt.bar

import matplotlib.pyplot as plt
x = ["Mon","Tue","Wed","Thur","Fri","Sat","Sun"]
y = [15.6, 14.2, 16.3, 18.2, 17.1, 20.2, 22.4]

plt.bar(x,y, width=0.5, color='green', hatch='/')
plt.savefig('bar.jpg')
plt.show()

 

---

import matplotlib.pyplot as plt

numX = list(range(1, 11))

numY = range(10,0,-1)

plt.bar(numY,numY, color='pink')

plt.scatter(numX, numY, color='green')

plt.plot(numX,numY, c='red')

import matplotlib.pyplot as plt

numX = list(range(1, 11))
numY = range(10,0,-1)
plt.bar(numY,numY, color='pink')
plt.scatter(numX, numY, color='green')
plt.plot(numX,numY, c='red')

import matplotlib.pyplot as plt

y = [100, 120, 130, 140, 80, 150]
x = range(len(y))

plt.bar(x,y, width=0.5)

6.누적 막대 그래프

 

• bar에서 매개변수 bottom을 사용하여 이전 값을 더해 주는 형태로 만들어간다.

import matplotlib.pyplot as plt
import numpy as np

x= [1,2,3,4]
a = np.array([10,15,20,25])
b = np.array([50, 55, 60, 65])
c = np.array([100, 105, 110, 115])

plt.bar(x, a, color='pink')
plt.bar(x, b, color='green', bottom=a)
plt.bar(x, c, color="red", bottom=a + b)#배열간의 a + b를 사용하기 위해 numpy 사용

plt.show()

---

7.분포도 : scatter()

 

• 분포도란 : 선이 아닌 점으로 그래프를 표시하는 방법
• (x,y) 좌표의 자료 필요
• 산점도는** 두 변수 간의 관계를** 시각적으로 표현하는 데 유용한 그래프 유형
• 산점도를 통해 데이터가 어떻게 분포되어 있는지 시각적으로 확인할 수 있습니다. 데이터의 군집, 패턴, 이상치 등을 쉽게 파악할 수 있습니다.
• 데이터 중에서 다른 데이터 포인트와 비교해 눈에 띄게 다른 값들을 확인
• 색상이나 마커 스타일을 사용하여 다양한 그룹

import matplotlib.pyplot as plt

numX = [1,2,3,4,5,6,7,8,9,10]
numY = range(10, 0, -1)

plt.scatter(numX, numY, s=50, color="green")
plt.xlabel('X')
plt.ylabel('Y')

---

8.원그래프 - pie()

 

• pie()를 호출하여 그린다
• 비율 비교:여러 항목이 전체에서 차지하는 비율을 비교할 때
• 구성 요소 분석:상대적인 크기를 시각적으로 쉽게 파악
• 원형 그래프는 비교적 적은 수의 카테고리로 구성된 단순한 데이터 세트에 적합
• 파이 챠트 중에서 하나의 파이가 눈에 띄기를 원한다면 explode 매개 변수(폭발처럼 떨어져 나가서 그려짐)를 이용한다.

import matplotlib.pyplot as plt

ratio = [40, 20, 10, 30]
title =["Eating Out", "Shopping", "Groceries", "Housing"]
explode = [0.1,0, 0, 0]
plt.pie(ratio, labels=title, explode=explode)

plt.show()

9.그래프 저장과 불러오기

• 저장하기 : savefig('파일명)

x = [1,2,3]
y = [1,2,3]

plt.plot(x,y)
plt.savefig('bar2.jpg')

그래프 이미지 불러오기

• PIL 필로우 라이브러리 이용

from PIL import Image
import matplotlib.pyplot as plt

img = Image.open('bar1.jpg')
print(img.size)
plt.imshow(img)