Line plot

Line plot

---

• 연속적으로 변화하는 값을 순서대로 점으로 나타내고, 이를 선으로 연결한 그래프
• 꺾은선 그래프, 선 그래프, line chart, line graph
• 시계열 분석에 특화됨! (시간/순서에 대한 변화)
• .plot()  (.line아님!!)
• 5개 이하의 선을 사용하는 것을 추천
• 시시각각 변동하는 데이터는 noise로 인해 추세 파악이 어려워서 noise 방해를 줄이기 위해 smoothing 사용
• 규칙적인 간격의 데이터가 아니라면 각 관측 값에 점으로 표시해서 오해를 줄이자!
• 범례 대신 라인 끝 단에 레이블을 추가하는 것을 추천!
• Min/Max 정보나 원하는 포인트는 annotation을 추가해주는 것이 도움 됨
• 보다 연한 색을 사용하여 uncertainty(신뢰구간, 분산 등) 표현 가능

Line plot 요소

- 색상: color

- 마커: marker, markersize

- 선의 종류: linestyle, linewidth

 

보간: 점과 점 사이 잇는 것

• 없는 데이터를 있다고 생각하게 할 수 있으며 작은 차이를 없앨 수 있어 일반적인 분석에서는 지양할 것!
• smoothing 방법
  • scipy.interpolate.make_interp_spline()
  • scipy.interpolate.interp1d()
  • scipy.ndimage.gaussian_filter1d()

이중 축 사용: 한 plot에 대해 2개의 축 사용

• .twinx(): 같은 축에 대해 서로 다른 종류의 데이터 표현
• .secondary_xaxis(), .secondary_yaxis(): 한 데이터에 대해 단위가 다를 때
• 이중 축은 지양할 것

 

Line plot 코드

---

fig, axes = plt.subplots(1, 2, figsize=(12, 7))

# x축은 정렬이 되어있어야함
x1 = [1, 2, 3, 4, 5] 
x2 = [1, 3, 2, 4, 5]
y = [1, 3, 2, 1, 5]

axes[0].plot(x1, y)
axes[1].plot(x2, y)

plt.show()

x2=[1,3,2,4,5]가 되면 그래프가 망가짐

# 도형그리기도 가능
fig = plt.figure(figsize=(5, 5))
ax = fig.add_subplot(111, aspect=1)

n = 1000 # n=4일때 삼각형 5면 사각형 ....1000이면 원처럼 보임
x = np.sin(np.linspace(0, 2*np.pi, n))
y = np.cos(np.linspace(0, 2*np.pi, n))

ax.plot(x, y)

plt.show()

fig, ax = plt.subplots(1, 1, figsize=(5, 5))

np.random.seed(97)
x = np.arange(7)
y = np.random.rand(7)

ax.plot(x, y,
        color='black', #색깔 설정
        marker='o', # 점의 모양 (*,^,. 등)
        linestyle='dotted', #solid, dotted, dashed 등...
       )

plt.show()

이동 평균 사용하기 (smoothing)

#pandas의 rolling 함수 사용 
google_rolling = google.rolling(window=20).mean()
#window=20 20개씩 평균을 보겠다, 평균을 내면 noise가 줄어들음

fig, axes = plt.subplots(2, 1, figsize=(12, 7), dpi=300, sharex=True) #dpi=해상도
axes[0].plot(google.index,google['close'])
axes[1].plot(google_rolling.index,google_rolling['close'])
plt.show()

원래 그래프와 smoothing 해준 그래프 비교

 

보간 (smoothing2)

from scipy.interpolate import make_interp_spline, interp1d
import matplotlib.dates as dates
fig, ax = plt.subplots(1, 2, figsize=(20, 7), dpi=300)

date_np = google.index
value_np = google['close']

date_num = dates.date2num(date_np)

# smooth
date_num_smooth = np.linspace(date_num.min(), date_num.max(), 50) 
spl = make_interp_spline(date_num, value_np, k=3) # 부드러운 곡선 만들기
value_np_smooth = spl(date_num_smooth)

# print
ax[0].plot(date_np, value_np) # 원래 그래프
ax[1].plot(dates.num2date(date_num_smooth), value_np_smooth) # smoothing한 그래프

plt.show()

 

필요에 따른 그래프 선택

from matplotlib.ticker import MultipleLocator
fig = plt.figure(figsize=(12, 5))
np.random.seed(970725)

x = np.arange(20)
y = np.random.rand(20) #랜덤 y

# Ax1-정확한 정보를 남기고 싶다!
ax1 = fig.add_subplot(121)
ax1.plot(x, y,
         marker='o',
         linewidth=2)

ax1.xaxis.set_major_locator(MultipleLocator(1)) #x축 1단위 그리드
ax1.yaxis.set_major_locator(MultipleLocator(0.05)) #y축 0.05단위 그리드
ax1.grid(linewidth=0.3)    


# Ax2- 추세를 보고싶다
ax2 = fig.add_subplot(122)
ax2.plot(x, y,
       linewidth=2,)

ax2.spines['top'].set_visible(False) #위, 오른쪽 선 안보이게
ax2.spines['right'].set_visible(False)

ax1.set_title(f"Line Plot (information)", loc='left', fontsize=12, va= 'bottom', fontweight='semibold')
ax2.set_title(f"Line Plot (clean)", loc='left', fontsize=12, va= 'bottom', fontweight='semibold')

plt.show()

왼: 정확한 정보 보고 싶을 때, 오: 추세 보고 싶을 때

 

 

이중축 사용

fig, ax1 = plt.subplots(figsize=(12, 7), dpi=150)

color = 'royalblue'

ax1.plot(google.index, google['close'], color=color)
ax1.set_xlabel('date') 
ax1.set_ylabel('close price', color=color)  
ax1.tick_params(axis='y', labelcolor=color)

ax2 = ax1.twinx()  #같은 x축 date에 대해 다른 정보를 사용할 때
color = 'tomato'

ax2.plot(google.index, google['volume'], color=color)
ax2.set_ylabel('volume', color=color)  
ax2.tick_params(axis='y', labelcolor=color)

ax1.set_title('Google Close Price & Volume', loc='left', fontsize=15)
plt.show()

def deg2rad(x):
    return x * np.pi / 180

def rad2deg(x):
    return x * 180 / np.pi

fig, ax = plt.subplots()
x = np.arange(0, 360)
y = np.sin(2 * x * np.pi / 180)
ax.plot(x, y)
ax.set_xlabel('angle [degrees]')
ax.set_ylabel('signal')
ax.set_title('Sine wave')
secax = ax.secondary_xaxis('top', functions=(deg2rad, rad2deg)) #한 데이터에 대해 단위가 다를 때, 각도를 라디안으로 바꾸기
secax.set_xlabel('angle [rad]')
plt.show()

그외...

#annotation 박스 그리기
ax.text(x[-1]+0.1, y1[-1], s='sin', fontweight='bold', #글자=sin, bold(진하게)
         va='center', ha='left', 
         bbox=dict(boxstyle='round,pad=0.3', fc='#1ABDE9', ec='black', alpha=0.3)) #박스 크기 색깔 투명도

#최대값 강조하기         
ax.plot([-1, x[np.argmax(y)]], [np.max(y)]*2, #-1부터 max값 까지 x축과 평행하게 그리기
        linestyle='--', color='tomato'
       )