7) Figure-level vs. axes-level functions (2)

+ 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.

 

반대로 그림 수준 함수는 다른 플롯과 (쉽게) 구성될 수 없습니다. 설계상 초기화를 포함하여 고유한 그림을 "소유"하므로 그림 수준 함수를 사용하여 기존 축에 플롯을 그리는 개념이 없습니다. 이 제약 조건을 통해 그림 수준 함수는 범례를 플롯 외부에 배치하는 것과 같은 기능을 구현할 수 있습니다.

그럼에도 불구하고 반환하는 객체의 matplotlib 축에 액세스하고 플롯에 다른 요소를 추가하여 그림 수준 함수가 제공하는 것 이상을 수행할 수 있습니다.

In contrast, figure-level functions cannot (easily) be composed with other plots. By design, they “own” their own figure, including its initialization, so there’s no notion of using a figure-level function to draw a plot onto an existing axes. This constraint allows the figure-level functions to implement features such as putting the legend outside of the plot.

 

Nevertheless, it is possible to go beyond what the figure-level functions offer by accessing the matplotlib axes on the object that they return and adding other elements to the plot that way:

호오. 축(Axes) 수준 함수와는 반대로,
그림(Figure) 수준 함수는 다른 플롯과 (쉽게) 구성될 수 없다고 한다.
+ 여태까지 생각했던 그림(Figure) 수준 함수가 축(Axes) 수준의 함수를 소유(?)하고 있다는 생각이 틀렸다는 것이다.

그림(Figure) 수준 함수는 고유한 그림을 '소유'하므로,
그림(Figure) 수준 함수를 사용하여 기존 축에 플롯을 그리는 개념이 없다고 한다.

이 제약 조건을 통해, 범례를 플롯 외부에 배치하는 것과 같은 기능을 구현할 수 있다고 한다.

하지만, 무조건 안되는 것은 아니고 반환되는 객체를 이용하여 그 이상을 수행할 수 있다고 한다.

 

정리를 해보자면,

1. Seaborn의 객체들은 모두 수평적이다. 어떠한 함수가 다른 함수에 종속되는 관계가 아니다를 확인할 수 있었다.
2. 그림(Figure) 수준 함수는 고유한 '그림(Figure)'을 가지고 있다.
3. 그림(Figure) 수준 함수는 기존 축에 플롯을 그리는 개념이 없다.
   즉, 플롯이 그려지는 과정이 그림(Figure) 수준 함수 내부에서 축(Axes) 수준 함수를 호출하는 것으로 보인다.
4. 3번의 제약 조건을 통해, '그림(Figure)'를 다루는 특화된 기능이 구현되어 있다.
5. 하지만, 반환된 matplotlib 객체로 얼마든지 자유롭게 다룰 수 있다.

 

바로 예시를 봐보자.

오늘의 예제 데이터 셋은 'tips'다.

tips = sns.load_dataset('tips')

tips

예제 데이터 셋, tips

 

relplot()을 호출하고 그 반환값(객체, figure)를 grid(원문에는 g)에 담았다.

grid = sns.relplot(
    data='tips',
    x='total_bill',
    y='tip'
)

 

grid 객체(Figure, 그림)의 ax(Axes, 축)에 axline을 추가하였다.

grid.ax.axline(
    xy1=(10, 2),
    slope=.2,
    color='b',
    dashes=(5, 2)
)

 

완성된 그림(Figure)을 봐보자.

plt.show()

실행 결과

훌륭하게 그려졌다.

 

 

 

다음으로 '그림 수준 함수에서 플롯 사용자 지정'이라는 제목의 글이 나왔다.

 

그림 수준 함수는 서브플롯 구성에 대해 "스마트"한 방식으로 플롯의 속성을 사용자 정의하기 위한 몇 가지 방법이 있는 FacetGrid 인스턴스를 반환합니다. 예를 들어 한 줄의 코드를 사용하여 외부 축의 레이블을 변경할 수 있습니다.

The figure-level functions return a FacetGrid instance, which has a few methods for customizing attributes of the plot in a way that is “smart” about the subplot organization. For example, you can change the labels on the external axes using a single line of code:

그림(Figure) 수준 함수는 플롯의 속성을 커스터마이징할 수 있는 FacetGrid를 반환한다고 한다.

 

외부 축의 레이블을 변경하는 예시를 봐보자.
(penguins 데이터 셋을 불러오는 과정은 생략하였다.)

grid = sns.relplot(
    data=penguins,
    x='flipper_length_mm',
    y='bill_length_mm',
    col='sex'
);

relplot()의 반환값(FacetGrid)를 grid 변수에 담아주었다.

 

grid.set_axis_labels('Flipper Length (mm)', 'Bill Length (mm)')

grid(FacetGrid)의 set_axis_labels를 통해, 외부 축의 제목을 설정해주었다.

 

결과물을 봐보자.

plt.show()

실행 결과

왼쪽과 아래에 set_axis_labels로 설정해준 제목들이 들어갔다.

이러한 FacetGrid를 통해 그림(Figure)을 설정하는 기능은 matplotlib API의 기능이 아닌, Seaborn의 그림(Figure) 수준 함수를 사용할 때만 사용할 수 있다고 한다. 내부 처리는 조금 더 복잡해지긴 하지만, 실제로 사용하는 입장에서는 편리한 기능인 것 같다.

 

---

 

출처 :

User guide and tutorial — seaborn 0.12.2 documentation
https://seaborn.pydata.org/tutorial/function_overview.html#figure-level-functions-own-their-figure

Overview of seaborn plotting functions — seaborn 0.12.2 documentation

 

---

 

GitHub :

MoonsRainbow/seaborn-tutorial
https://github.com/MoonsRainbow/seaborn-tutorial

GitHub - MoonsRainbow/seaborn-tutorial: Seaborn User guide and tutorial 필사 코드입니다.