Seaborn의 주요 플롯 계열을 훑는 하나의 실습형 Jupyter Notebook으로 라이브러리를 탐색합니다. Iris 데이터 세트와 생성된 행렬 데이터를 사용해 Seaborn과 Matplotlib을 비교하고, 내장 스타일을 적용하며, 관계형·범주형·분포·회귀·행렬 시각화를 만듭니다.
이 과정은 여러 랩을 천천히 진행하는 구성이 아니라 폭넓은 API 둘러보기입니다. 고수준 Seaborn 함수가 데이터 열을 위치, 색상, 마커 스타일에 빠르게 매핑하는 방법과 Figure-level 및 Axes-level 인터페이스가 Matplotlib과 어떻게 연결되는지 설명합니다.
학습 내용
- Seaborn 테마, 컨텍스트, 스타일, 팔레트를 Matplotlib 플롯에 적용하기
- Iris 데이터 세트를 불러오고
hue와style로 범주 표현하기 relplot,scatterplot,lineplot으로 관계형 시각화 만들기- strip, swarm, box, violin, boxen, point, bar, count 플롯으로 범주 분포 비교하기
- KDE, joint plot, pair plot으로 일변량 및 이변량 분포 살펴보기
regplot과lmplot으로 적합된 관계 추가하기- 히트맵과 클러스터 히트맵으로 행렬 시각화하기
- Figure-level 편의 함수와 Matplotlib에 밀접한 Axes-level 함수 구분하기
추천 대상
탐색적 데이터 분석에 사용할 Seaborn 플롯 어휘를 짧게 살펴보려는 Python 사용자를 위한 과정입니다. Notebook 코드와 기본적인 표 형식 데이터를 읽을 수 있는 학습자에게 가장 적합합니다. 많은 API가 하나의 Notebook에 모여 있으므로 Python이나 통계학의 첫 입문보다 가이드형 탐색으로 활용하는 편이 좋습니다.
선수 지식: Python 및 Jupyter Notebook 기초와 변수, 함수 호출, 표 형식 데이터에 대한 이해를 권장합니다. Matplotlib 경험은 도움이 되지만 필수는 아닙니다.
학습 환경: 준비된 Notebook이 포함된 Ubuntu 22.04 Jupyter 환경을 제공합니다. 셀을 실행하고 수정하면서 라이브러리를 설치하거나 가져오고, 데이터를 불러와 플롯을 인라인으로 표시합니다.
자주 묻는 질문
여러 랩으로 구성된 전체 강좌인가요?
아니요. 내용이 많은 Notebook 하나를 중심으로 한 초급 랩입니다. 다양한 플롯 계열을 둘러보지만 별도 챌린지나 최종 프로젝트는 없습니다.
어떤 데이터를 사용하나요?
대부분의 예제는 Iris 데이터 세트로 꽃의 측정값과 품종을 비교합니다. 히트맵 예제에서는 NumPy로 생성한 행렬도 사용합니다.
통계 이론도 가르치나요?
아니요. 분포, 회귀 적합, 클러스터 히트맵을 시연하지만 깊이 있는 해석에 필요한 통계나 클러스터링 이론은 다루지 않습니다.
모든 예제가 최신 Seaborn API를 사용하나요?
완전히 그렇지는 않습니다. Notebook에는 kdeplot, jointplot, pairplot과 함께 이전 distplot API가 포함되어 있습니다. 개념을 둘러보는 자료로 활용하고 새 코드에 적용할 때는 현재 문서를 확인하세요.
