[데이터 시각화] 히트맵 및 swarmplot

앞서 concat으로 병합한 데이터셋 df를 활용하여 데이터 시각화를 하자. 

pivot_table 사용하기

# 연도를 인덱스로, 지역명을 컬럼으로 평당분양가격을 피봇테이블로 그리기.
# pivot은 연산 없이 데이터 형태만 바꾸는 것
# pivot_table은 연산 가능

t = pd.pivot_table(df, index="연도", columns="지역명", values="평당분양가격").round()
t

 

히트맵으로 구현하기

# 위에서 그린 피봇테이블을 히트맵으로 표현하기.

plt.figure(figsize=(15, 7))
sns.heatmap(t, cmap="Blues", annot=True, fmt='.0f')

 

plt.figure(figsize=(15, 7))
sns.heatmap(t.T, cmap="Blues", annot=True, fmt='.0f')

 

# Groupby를 사용하기. 인덱스에 ["연도", "지역명"] 을 넣는다.

g = df.groupby(["연도", "지역명"])["평당분양가격"].mean().unstack().round()
g

 

plt.figure(figsize=(15, 7))
sns.heatmap(g.T, annot=True, fmt=".0f", cmap="Greens")

 

연도별 평당분양가격 데이터 시각화

# 연도별 평당분양가격 swarmplot 그리기

plt.figure(figsize=(12, 5))
sns.swarmplot(data=df, x="연도", y="평당분양가격", hue="지역명")
# 레전드를 밖에 위치 시키기
plt.legend(bbox_to_anchor=(1.02, 1), loc=2, borderaxespad=0.)

 

plt.figure(figsize=(12, 5))
sns.violinplot(data=df, x="연도", y="평당분양가격")
sns.swarmplot(data=df, x="연도", y="평당분양가격", hue="지역명")
# 레전드를 밖에 위치 시키기
plt.legend(bbox_to_anchor=(1.02, 1), loc=2, borderaxespad=0.)