+ Seaborn의 User guide and tutorial를 필사한 내용입니다. + 실행 환경은 Anaconda, IPython, Jupyter NoteBook 입니다. 이번 주제는, 'The seaborn.objects interface' 이다. 번역하자면, 'seaborn.objects 인터페이스' 이다. 이 글에서 다룰 파트는, 'Transforming data before plotting' : 플로팅 전 데이터 변환 이다. 이 글에서 다룰 소제목은, Statistical transformation, :통계적 변환 이다. 바로 시작해보자. Transforming data before plotting : 플로팅 전 데이터 변환 Statistical transformation : 통계적 변환 많은 ..

+ Seaborn의 User guide and tutorial를 필사한 내용입니다. + 실행 환경은 Anaconda, IPython, Jupyter NoteBook 입니다. 이번 주제는, 'The seaborn.objects interface' 이다. 번역하자면, 'seaborn.objects 인터페이스' 이다. 이 글에서 다룰 파트는, 'Specifying a plot and mapping data' : 플롯 및 매핑 데이터 지정 이다. 이 글에서 다룰 소제목은, Setting properties, :속성 설정 Mapping properties, :매핑 속성 Defining groups, :그룹 정의 이다. 바로 시작해보자. The seaborn.objects interface : seaborn.obj..

+ Seaborn의 User guide and tutorial를 필사한 내용입니다. + 실행 환경은 Anaconda, IPython, Jupyter NoteBook 입니다. 이번 주제는, 'Data structures accepted by seaborn' 이다. 번역하자면, 'seaborn에서 허용하는 데이터 구조' 이다. 이 글에서 다룰 파트는, Options for visualizing long-form data, 긴 형식의 데이터를 시각화하기 위한 옵션 Options for visualizing wide-form data, 넓은 형식의 데이터를 시각화하기 위한 옵션 이다. 바로 시작해보자. Options for visualizing long-form data : 긴 형식의 데이터를 시각화하기 위한 ..

+ Seaborn의 User guide and tutorial를 필사한 내용입니다. + 실행 환경은 Anaconda, IPython, Jupyter NoteBook 입니다. 이번에 다룰 주제는, 'Data structures accepted by seaborn' 이다. 번역하자면, 'seaborn에서 허용하는 데이터 구조' 이다. 바로 시작해보자. 데이터 시각화 라이브러리로서, 사용자는 seaborn에게 데이터를 제공해야 합니다. 이 장에서는 해당 작업을 수행하는 다양한 방법에 대해 설명합니다. Seaborn은 여러 가지 데이터 세트 형식을 지원하며 대부분의 함수는 목록 및 사전과 같은 내장 Python 유형뿐만 아니라 pandas 또는 numpy 라이브러리의 객체로 표현된 데이터를 허용합니다. 이러한 ..

+ Seaborn의 User guide and tutorial를 필사한 내용입니다. + 실행 환경은 Anaconda, IPython, Jupyter NoteBook 입니다. 이번에 다룰 주제는, 지난 여섯 번째 글과 동일한 Figure-level vs. axes-level functions 이다. 지난 글에서 Figure-level vs. axes-level functions 파트의 'Customizing plots from a figure-level function'까지 알아보았다. 오늘은 이 글의 나머지 내용들을 정리할 것이다. 바로 시작해보자. 그림 크기 지정 플롯을 설정하는 동안 전역 rcParams에서 전체 그림의 너비와 높이를 설정하거나(예: matplotlib.pyplot.subplots()..

경고! 당신의 시간이 낭비됩니다. 이 프로젝트는... 호기심으로 시작되었습니다. 이 프로젝트에서... 나온 정보는 모두 믿을 수 없는 정보입니다. 나온 정보로 로또를 사는 것을 반대합니다. + 로또를 사는 것은 온전히 개인의 책임이며 자유입니다. + 그래도 혹시나 기적적으로 이 프로젝트의 결과물을 토대로 1등에 당첨되면, 연락은 해주세요. ㅎㅎ 이 프로젝트의 목표는... 로또 번호, 아무거나 찍으면 불리하다는 것을 알아보는 것 입니다. (사실 상, 아무거나 찍어도 상관없긴 합니다.. ㅎㅎ) 이 프로젝트의 환경은... Jupyter NoteBook 입니다. 목차 로또 1등 당첨 확률은 얼마나 될까? 로또 1등 당첨의 모든 경우의 수를 구해보자. 로또 1등 당첨 번호는 과연 공평할까? 로또 1등 당첨 확률..

+ Seaborn의 User guide and tutorial를 필사한 내용입니다. + 실행 환경은 Anaconda, IPython, Jupyter NoteBook 입니다. 이번에 다룰 주제는, 지난 여섯 번째 글과 동일한 Figure-level vs. axes-level functions 이다. 지난 글에서 Figure-level vs. axes-level functions 파트의 'Axes-level functions make self-contained plots'까지 알아보았다. 오늘은 이 글의 나머지 내용들을 정리할 것이다. 바로 시작해보자. 'Figure-level functions own their figure' 제목은 이러하다. 번역하자면, '그림 수준 함수는 자신의 그림을 소유합니다.'이다..

+ Seaborn의 User guide and tutorial를 필사한 내용입니다. + 실행 환경은 Anaconda, IPython, Jupyter NoteBook 입니다. 이번에 다룰 주제는, 여섯 번째 글인 Figure-level vs. axes-level functions 이다. 바로 시작해보자. 제목을 번역하자면 '그림 수준 대 축 수준 함수'이다. 다양한 모듈 외에도 seaborn 기능의 교차 분류가 "축 수준" 또는 "그림 수준"으로 분류됩니다. 위의 예는 축 수준 함수입니다. matplotlib.pyplot.Axes 함수의 반환 값인 단일 개체에 데이터를 표시합니다 . 대조적으로, 그림 수준 함수는 그림을 관리하는 seaborn 객체(보통 FacetGrid)를 통해 matplotlib와 인터..

+ Seaborn의 User guide and tutorial를 필사한 내용입니다. + 실행 환경은 Anaconda, IPython, Jupyter NoteBook 입니다. 이번에 다룰 주제는, 다섯 번째 글인 Similar functions for similar tasks 이다. 바로 시작해보자. 이 글은 'Seaborn 플로팅 함수의 개요'에 속해 있는 글이다. 제목을 번역하자면, '유사한 작업에 대한 유사한 기능'이다. seaborn 네임스페이스는 평평합니다. 모든 기능은 최상위 수준에서 액세스할 수 있습니다. 그러나 코드 자체는 서로 다른 수단을 통해 유사한 시각화 목표를 달성하는 함수 모듈로 계층 구조로 구성되어 있습니다. 대부분의 문서는 이러한 모듈을 중심으로 구성되어 있습니다. "관계형", ..

+ Seaborn의 User guide and tutorial를 필사한 내용입니다. + 실행 환경은 Anaconda, IPython, Jupyter NoteBook 입니다. 이번에 다룰 주제는, 네 번째 글인 Opinionated defaults and flexible customization 이다. 바로 시작해보자. 이번 글의 제목은 '신중한 기본값 및 유연한 사용자 정의'이다. Seaborn은 단일 함수 호출로 완전한 그래픽을 생성합니다. 가능한 경우 해당 함수는 플롯의 의미론적 매핑을 설명하는 유익한 축 레이블과 범례를 자동으로 추가합니다. 많은 경우에 seaborn은 데이터의 특성에 따라 매개변수의 기본값을 선택하기도 합니다. 예를 들어 지금까지 살펴본 색상 매핑 은 hue에 할당된 범주형 변수의..