11주차 2교시: Matplotlib·Seaborn으로 그래프와 포스터 구성하기

표를 요약하고 두 그래프를 세로형 데이터 포스터로 편집하기

• 0-7분Figure와 Axes

  전체 출력과 그래프 영역을 구분합니다.

• 7-18분집계와 막대

  범주별 합계를 정렬해 가로 막대로 그립니다.

• 18-28분관계 산점도

  두 측정값의 관계와 해석 한계를 읽습니다.

• 28-37분좌표 산점도

  경도·위도와 세 시각 변수를 연결합니다.

• 37-45분읽기와 접근성

  색상·표식·범례·주석을 점검합니다.

• 45-50분포스터와 저장

  읽기 위계를 만들고 PNG로 저장합니다.

• 50-60분선택 확장

  데이터는 유지하고 시각적 위계만 바꿉니다.

0-7분 · Figure, Axes, Axis를 종이와 그래프 영역으로 이해하기

Matplotlib에서 Figure는 제목, 그래프, 범례, 출처를 모두 담는 전체 출력 영역입니다. Axes는 Figure 안에서 데이터를 그리는 하나의 그래프 영역입니다. 하나의 Figure에 Axes가 두 개 있으면 그래프도 두 영역에 나누어 배치할 수 있습니다.

Axis는 Axes 안에서 가로 또는 세로 방향의 눈금과 좌표를 관리합니다. 이름이 비슷하지만 역할은 다릅니다. Figure 1개 안에 Axes 2개가 있고, 각 Axes에는 x Axis와 y Axis가 있다고 생각하면 됩니다.

import matplotlib.pyplot as plt

fig, axes = plt.subplots(
    nrows=2,
    ncols=1,
    figsize=(8, 11),
)

print(type(fig))
print(len(axes))

plt.subplots()는 Figure와 Axes를 함께 만듭니다. nrows=2와 ncols=1은 위아래로 놓인 두 영역을 뜻합니다. 반환된 Figure는 fig, 두 Axes는 axes[0]과 axes[1]로 가리킵니다. figsize=(8, 11)의 단위는 픽셀이 아니라 인치입니다.

7-18분 · 행 24개를 범주 세 개의 합계로 요약하기

원본 정제 표의 한 행은 시설 한 곳입니다. 막대그래프의 질문은 시설 24곳을 하나씩 비교하는 것이 아니라 세 범주의 프로그램 수 합계를 비교하는 것입니다. 따라서 먼저 같은 category를 가진 행을 묶고 program_count를 더합니다.

category_summary = (
    facility_df
    .groupby("category", as_index=False)["program_count"]
    .sum()
    .sort_values("program_count")
    .reset_index(drop=True)
)

print(category_summary)

세 범주의 시설 수는 모두 8개이므로 이 표에서는 합계를 바로 비교할 수 있습니다. 실제 데이터에서 범주별 시설 수가 크게 다르면 합계가 큰 이유가 시설 수 때문일 수 있습니다. 그때는 합계와 시설 수를 함께 보여 주거나 시설당 평균이라는 다른 질문을 분리해야 합니다.

category_palette = {
    "박물관": "#b94b40",
    "도서관": "#177f78",
    "문화센터": "#365f91",
}

sns.barplot(
    data=category_summary,
    x="program_count",
    y="category",
    hue="category",
    palette=category_palette,
    errorbar=None,
    legend=False,
    ax=axes[0],
)

axes[0].set_xlim(left=0)
axes[0].set_xlabel("프로그램 수 합계")
axes[0].set_ylabel("")

sns.barplot()은 범주와 수치를 막대로 연결합니다. 이번에는 이미 범주별 합계를 한 행씩 만든 표를 사용하므로 불확실성 막대가 필요하지 않아 errorbar=None으로 둡니다. axes[0].set_xlim(left=0)은 막대 길이의 기준선을 0으로 고정합니다.

18-28분 · 관계 산점도는 두 측정값이 함께 변하는지 살핀다

관계 산점도를 먼저 별도 사례로 연습하는 이유는 11주차 시설 좌표 산점도와 해석을 섞지 않기 위해서입니다. 9주차 창작 활동 기록의 duration_min과 focus_level은 작업 한 번에서 측정한 서로 다른 두 값입니다. 점 하나는 한 번의 활동입니다.

sns.scatterplot(
    data=activity_df,
    x="duration_min",
    y="focus_level",
    hue="activity",
)

plt.xlabel("작업 시간(분)")
plt.ylabel("집중도(1~5)")

가로축에서 작업 시간이 길어지고 세로축에서 집중도가 높아지는 방향에 점이 모이는지 살필 수 있습니다. 그러나 함께 변하는 패턴은 원인을 증명하지 않습니다. 활동 종류, 장소, 난이도, 기록 방식처럼 두 값에 함께 영향을 준 다른 조건이 있을 수 있습니다.

28-37분 · 좌표 산점도는 지도 없이 상대적 위치를 복원한다

이제 수업용 공공문화시설 24행으로 돌아옵니다. 좌표 산점도에서 longitude는 가로 위치, latitude는 세로 위치가 됩니다. category는 색상과 표식 모양에 함께 연결하고, program_count는 점의 면적에 연결합니다.

category_markers = {
    "도서관": "o",
    "박물관": "s",
    "문화센터": "^",
}

sns.scatterplot(
    data=facility_df,
    x="longitude",
    y="latitude",
    hue="category",
    style="category",
    size="program_count",
    palette=category_palette,
    markers=category_markers,
    sizes=(60, 300),
    alpha=0.82,
    edgecolor="#202523",
    ax=axes[1],
)

axes[1].set_aspect("equal", adjustable="datalim")

hue는 범주를 색상에, style은 같은 범주를 표식 모양에 연결합니다. size는 프로그램 수가 클수록 점의 면적을 키웁니다. sizes=(60, 300)은 가장 작은 점과 큰 점이 모두 보이도록 화면상의 면적 범위를 제한합니다.

37-45분 · 색상과 표식, 제목과 주석으로 읽기 경로 만들기

그래프가 실행되었다고 읽기 쉬운 것은 아닙니다. 학생이 코드 없이 PNG 한 장만 보더라도 질문, 축의 의미, 범주, 핵심 값, 데이터 범위가 드러나야 합니다. 장식보다 읽는 순서를 먼저 정합니다.

Seaborn 공식 문서는 같은 범주를 hue와 style에 중복 연결하면 그래픽의 접근성을 높이는 데 도움이 될 수 있다고 설명합니다. 이번 포스터는 색상과 표식 모양을 함께 사용해 흑백 출력이나 색각 차이에서도 범주를 구분할 단서를 남깁니다.

axes[0].set_title("어느 시설 범주의 프로그램 수 합계가 큰가?")
axes[1].set_title("시설 24개는 서로 어디에 놓였는가?")

for bar in axes[0].patches:
    value = int(bar.get_width())
    axes[0].text(
        value + 6,
        bar.get_y() + bar.get_height() / 2,
        str(value),
        va="center",
    )

45-50분 · 그래프, 관찰, 한계, 출처를 한 장으로 저장하기

포스터는 그래프 두 개를 단순히 붙인 이미지가 아닙니다. 위에서 아래로 질문형 제목 → 그래프 → 핵심 관찰 → 해석의 한계 → 데이터 출처가 이어지는 읽기 위계를 만듭니다. 제목은 질문을 제시하고, 관찰 문장은 그래프에서 직접 확인한 값을 말하며, 한계 문장은 현재 데이터로 단정할 수 없는 내용을 밝힙니다.

fig, axes = plt.subplots(
    nrows=2,
    ncols=1,
    figsize=(8, 11),
)

fig.suptitle(poster_title, x=0.08, ha="left")
fig.text(0.08, 0.08, main_observation)
fig.text(0.08, 0.05, limitation_statement)
fig.text(0.08, 0.02, dataset_source)

fig.savefig(
    output_filename,
    dpi=200,
    facecolor="#f3efe5",
)

figsize=(8, 11)과 dpi=200을 함께 사용하면 1600 × 2200픽셀 PNG가 만들어집니다. savefig()는 현재 Figure 전체를 파일로 저장합니다. 화면에 보이는 미리보기만 믿지 않고 저장 파일을 다시 열어 글자가 잘리지 않았는지 확인합니다.

50-60분 · 선택 확장: 데이터는 유지하고 위계만 바꾸기

기본 학습을 모두 마친 경우에만 개별로 진행합니다. 원본 포스터를 보존한 뒤 사본에서 아래 두 번째 구성을 시도합니다.

1. 가로 막대그래프를 더 크게 하고 좌표 산점도를 작게 배치합니다.
2. 질문형 제목의 위치와 크기를 바꾸되 문장 내용은 유지합니다.
3. 색상, 축 범위, 데이터 값, 관찰 문장과 출처는 바꾸지 않습니다.
4. 첫 번째 포스터와 두 번째 포스터에서 가장 먼저 보이는 정보가 무엇인지 각각 적습니다.
5. 어느 구성이 자신의 질문에 더 적합한지 세 문장으로 설명합니다.

수업 후 개별 복습

1. Figure, Axes, Axis를 종이, 그래프 영역, 방향별 눈금이라는 표현으로 구분합니다.
2. groupby()부터 reset_index()까지 범주별 합계 표를 만드는 순서를 설명합니다.
3. sum()으로 만든 326, 369, 400과 count()로 센 8, 8, 8의 차이를 설명합니다.
4. 관계 산점도에서 함께 변하는 패턴을 원인으로 단정할 수 없는 이유를 적습니다.
5. 좌표 산점도의 hue, style, size가 각각 무엇을 표현하는지 적습니다.
6. figsize=(8, 11)과 dpi=200이 1600 × 2200픽셀이 되는 계산을 적습니다.

공식 자료

• Matplotlib 공식 문서: Axes and subplotsFigure 안의 Axes, Axis, 제목·범례·주석 구조
• Matplotlib 공식 문서: savefig파일명, 출력 형식, dpi, 배경과 여백 옵션
• Seaborn 공식 문서: barplot범주별 집계값을 막대로 표현하고 0을 축 범위에 포함하는 이유
• Seaborn 공식 문서: scatterplothue, size, style과 중복 인코딩의 접근성