VSCode의 Jupyter Extension을 사용하여 간단하게 Python으로 데이터 시각화하기

안녕하세요, 모델연구팀 김세회입니다.

기존에는 Python으로 데이터 분석을 할 경우 로컬이나 서버에 Jupyter Notebook을 설치하여 작업을 했습니다.

하지만 이번에 팀 내 스터디를 진행하면서 VSCode로 Jupyter Extension을 설치해서 사용해보았던 경험을 정리하여 공유하고자 합니다.

비록 Jupyter Notebook의 다양한 plugin 같은 기능은 지원하지 않지만, 간단하게 로컬에서 VSCode 내 Jupyter Extension으로 코드를 작성하고 바로 실행해 볼 수 있습니다.

여기서는 붓꽃 예제 데이터를 이용해서 Pandas로 데이터를 로딩하고 간단한 통계를 확인한 후 Seaborn으로 시각화해보도록 하겠습니다.

준비하기

Python 설치

• Python을 설치하는 방법은 여러 가지가 있지만 전 데이터 분석을 위한 다양한 라이브러리가 함께 설치되는 Anaconda로 설치하였습니다.
• 오픈소스인 Anaconda Individual Edition을 운영체제에 맞게 다운로드하셔서 설치하시면 됩니다.

VSCode 설치

• 마찬가지로 VSCode 사이트에서 다운로드하셔서 설치하시면 됩니다.
• 설치 및 실행에 관한 자세한 내용은 공식 사이트 참고하시기 바랍니다.

Jupyter Extension 설치

• 아래 스샷처럼 VSCode에서 왼쪽 Extension 아이콘을 클릭하여 Jupyter로 검색하여 클릭한 후 오른쪽 Install을 눌러서 설치하시면 됩니다.

예제 데이터 CSV 파일 다운로드

• Kaggle에 있는 붓꽃 예제 데이터 CSV 파일을 가지고 통계 및 시각화를 진행해보았습니다.
  • 데이터 컬럼

컬럼명	설명
Id	일련번호
SepalLengthCm	꽃받침의 길이
SepalWidthCm	꽃받침의 너비
PetalLengthCm	꽃잎의 길이
PetalWidthCm	꽃잎의 너비
Species	붓꽃 종류 setosa, versicolor, virginica

Jupyter Notebook 간단 사용법

Jupyter Notebook 새로 만들기

• 새 프로젝트를 생성하고 Cmd(윈도우는 Ctrl)-Shift-P를 눌러서 커맨드 팔레트 실행하여, "Jupyter: Create New Blank Notebook" 커맨드를 실행하면 빈 노트북이 생성이 됩니다.

코드 작성 후 실행

• cell을 클릭하면 코드를 작성할 수 있습니다.
• 코드를 작성한 후 위에 녹색 실행 버튼을 클릭하거나 Cmd+Shift+Enter를 누르면 실행이 되며, cell 아래 실행 결과가 나타납니다.

데이터 로딩하고 살펴보기

데이터 로딩

• Pandas의 read_csv() 함수로 CSV 파일을 DataFrame으로 로딩할 수 있습니다.
  • delimiter로 구분자를 지정할 수 있습니다.
  • index_col로 인덱스 칼럼을 지정할 수 있습니다.
  • header=0으로 칼럼명으로 사용할 행을 지정할 수 있습니다.
  • header=None이면 Pandas에서 임의로 칼럼명을 생성합니다.

import pandas as pd

df = pd.read_csv("Iris.csv", delimiter=",", index_col="Id", header=0)

# 또는 아래와 같이 names에 컬럼명을 넘겨주면 명시적으로 컬럼명을 지정할 수도 있습니다.
col_names = ["Id", "SepalLengthCm", "SepalWidthCm", "PetalLengthCm", "PetalWidthCm", "Species"]
df = pd.read_csv("Iris.csv", delimiter=",", names=col_names, index_col=0, header=None)

• DataFrame.head() 함수로 로딩한 DataFrame의 데이터를 일부 살펴볼 수 있습니다.

df.head()

데이터셋 크기, 칼럼, 데이터 타입 살펴보기

• DataFrame.shape으로 데이터셋의 크기(row 개수, column 개수)를 확인할 수 있습니다.
• DataFrame.columns로 칼럼들을 확인할 수 있습니다.
• DataFrame.dtypes로는 칼럼 별 데이터 타입을 확인할 수 있습니다.
• 또는 위 세 가지를 info() 함수로 한 번에 확인할 수도 있습니다.
• 데이터는 총 150개이며 Id 인덱스를 제외한 5개의 칼럼이 있는 것을 확인할 수 있습니다.

Pandas로 데이터 통계내기

칼럼 별 통계 확인하기

• DataFrame.describe() 함수로 칼럼 별 데이터 개수와 분포를 확인할 수 있습니다.
• 이를 통해 칼럼마다 평균과 최솟값, 최댓값 그리고 중앙값이 다른 것을 확인할 수 있습니다.

Seaborn으로 시각화하기

분포도

• describe() 함수로 확인한 각 컬럼별 분포를 boxplot() 함수로 시각화하여 확인해 볼 수 있습니다.

import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns

# 스타일 지정
# white, dark, whitegrid, darkgrid 등이 있음
sns.set_style("darkgrid")

# boxplot 실행
ax = sns.boxplot(data=df, orient="h", palette="Set2")

• 또는 종(Species)에 따른 특정 컬럼(SepalLengthCm)의 분포의 차이도 아래처럼 확인할 수 있습니다.

ax = sns.boxplot(x="Species", y="SepalLengthCm", data=df)

산점도

• scatterplot() 함수를 이용하여 산점도를 그려서 x, y로 입력한 두 칼럼 간의 상관관계를 확인해볼 수 있습니다.

ax = sns.scatterplot(data=df, x="SepalLengthCm", y="SepalWidthCm", hue="Species")

• 또한 아래와 같이 hue로 입력한 종(Species)에 따른 x, y의 상관관계 및 분포 차이도 확인해볼 수 있습니다.
  • 이를 통해 꽃잎의 길이와 너비에 따라 세 가지 종류가 확실히 구분이 되는 것을 확인할 수 있습니다.

ax = sns.scatterplot(data=df, x="PetalLengthCm", y="PetalWidthCm", hue="Species")

다중 차트

• PairGrid() 함수를 사용하면 여러 개의 산점도 등을 한 번에 그릴 수 있습니다.
• 이를 통해 종을 제외한 4개의 칼럼들 간의 상관관계 및 종에 따른 분포 차이를 한 번에 확인해볼 수 있습니다.
  • 단 데이터 크기가 클 경우 그리는데 오래 걸릴 수 있습니다.

# PairGrid 실행
# diag_sharey: y축을 공유하지 않음
g = sns.PairGrid(df, hue="Species", diag_sharey=False)

# 대각선 위쪽 차트는 kdeplot으로 함
g.map_upper(sns.kdeplot)

# 대각선 차트 유형은 히스토그램으로 함
g.map_diag(plt.hist)

# 대각선 아래쪽 차트 유형은 산점도로 함.
g.map_lower(sns.scatterplot)

# 범례를 추가
g.add_legend()

마치며

간단하게 VSCode의 Jupyter Extension을 사용하여 Python으로 데이터 통계 및 시각화하는 방법을 살펴보았습니다.

간단하지만 응용만 잘한다면 실무에 있어서 데이터를 기반으로 한 의사결정이나 모델링을 하기 위한 근거로도 사용할 수 있을 것 같습니다.

부족한 글이지만 끝까지 읽어주셔서 감사합니다.