3주차 Seaborn Mini Quest

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

범주형 데이터(Categorical Data)

1. 샘플 데이터를 직접 생성한 후 Seaborn을 활용하여 막대 그래프(Bar Plot)를 생성하는 코드를 작성하세요.

data = pd.DataFrame({
    "카테고리": ["X", "X", "Y", "Y", "Z", "Z", "Z", "X", "Y", "Z"],
    "값": [5, 9, 4, 6, 12, 10, 14, 7, 5, 18]
})

sns.barplot(x="카테고리", y="값", data=data)
plt.show()

/usr/local/lib/python3.11/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 52852 (\N{HANGUL SYLLABLE KA}) missing from font(s) DejaVu Sans.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.11/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 53580 (\N{HANGUL SYLLABLE TE}) missing from font(s) DejaVu Sans.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.11/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 44256 (\N{HANGUL SYLLABLE GO}) missing from font(s) DejaVu Sans.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.11/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 47532 (\N{HANGUL SYLLABLE RI}) missing from font(s) DejaVu Sans.
  fig.canvas.print_figure(bytes_io, **kw)
/usr/local/lib/python3.11/dist-packages/IPython/core/pylabtools.py:151: UserWarning: Glyph 44050 (\N{HANGUL SYLLABLE GABS}) missing from font(s) DejaVu Sans.
  fig.canvas.print_figure(bytes_io, **kw)

1. Seaborn의 sns.boxplot()을 활용하여 범주형 데이터의 분포를 시각화하는 코드를 작성하세요.

data = pd.DataFrame({
    "group": ["A", "A", "B", "B", "C", "C", "C", "A", "B", "C"],
    "score": [65, 70, 55, 60, 90, 85, 95, 72, 58, 88]
})

sns.boxplot(x="group", y="score", data=data)
plt.show()

1. Seaborn의 sns.violinplot()과 sns.stripplot()을 함께 사용하여 범주형 데이터의 분포를 더욱 자세히 시각화하는 코드를 작성하세요.

data = pd.DataFrame({
    "category": ["A", "A", "B", "B", "C", "C", "C", "A", "B", "C"],
    "score": [80, 85, 70, 75, 95, 90, 100, 82, 72, 98]
})

sns.violinplot(x="category", y="score", data=data)
sns.stripplot(x="category", y="score", data=data, jitter=True, color="salmon")
plt.show()

연속형 데이터(Continuous Data)

1. 평균 0, 표준편차 1을 따르는 정규분포 데이터를 500개 생성한 후 히스토그램과 KDE를 함께 시각화하는 코드를 작성하세요.

np.random.seed(42)
data = np.random.randn(500)

sns.histplot(data, kde=True)
plt.show()

1. 0 부터 20까지 균등한 간격으로 생성된 데이터를 사용하여 사인 함수의 선 그래프를 그리는 코드를 작성하세요.

x = np.linspace(0, 20, 100)
y = np.sin(x)

sns.lineplot(x=x, y=y)
plt.show()

1. 랜덤한 100개의 연속형 데이터를 생성하여 산점도와 회귀선을 포함한 그래프를 그리는 코드를 작성하세요.

np.random.seed(0)
x = np.random.rand(100) * 10
y = 2 * x + np.random.randn(100)

sns.regplot(x=x, y=y, line_kws = {'color' : 'salmon'})
plt.show()

관계형 데이터(Relational Data)

1. Seaborn의 scatterplot을 활용하여 “총 결제 금액”(total_bill)과 “팁”(tip)의 관계를 시각화하는 코드를 작성하세요. 단, scatterplot의 색상과 스타일을 다르게 설정하여 출력해야 합니다.

tips = sns.load_dataset("tips")

sns.scatterplot(x="total_bill", y="tip", data=tips)
plt.show()

1. sns.regplot을 사용하여 “총 결제 금액”(total_bill)과 “팁”(tip)의 관계를 나타내는 회귀선 그래프를 그리고 산점도의 투명도를 조정하는 코드를 작성하세요. 단, 산점도에서 특정 성별(sex)만 필터링하여 표시해야 합니다.

tips = sns.load_dataset("tips")

sns.regplot(x="total_bill", y="tip", data=tips, scatter_kws={"alpha": 0.5}, line_kws={'color' : 'salmon'})
plt.show()

1. sns.pairplot을 사용하여 다중 변수(total_bill, tip, size)간의 관계를 성별(sex)과 요일(day)에 따라 시각화하는 코드를 작성하세요. 단, 요일(day)에 따라 다른 색상을 적용해야 합니다.

tips = sns.load_dataset("tips")

sns.pairplot(data=tips, hue="sex", vars=["total_bill", "tip", "size"], palette="coolwarm")
plt.show()