(데이터분석) 불연속 데이터에서의 히스토그램, 막대그래프 나타내기

지난 글에 이어 이번에는 불연속 데이터의
히스토그램, 막대그래프를 나타내는
방법에 대해 알아보겠습니다.

 

🔻막대그래프🔻

(데이터분석) seaborn과 matplotlib으로 막대그래프 작성하기

🔻히스토그램🔻

(데이터분석) seaborn과 matplotlib으로 히스토그램 나타내기

 

1. 불연속 데이터에 맞는 차트 선택하기

불연속적 정량적 변수를 차트로 나타낼 때는 히스토그램이나 막대그래프를 사용할 수 있습니다.

• 불연속적 : 연속적이지 않은 값, 주어진 집합이나 범위에 속하는 제한된(셀 수 있는) 값
  • ex) 가족 구성원의 수, 스포츠 토너먼트 경기의 수, 대학에 존재하는 학수의 수
• 정량적 : 해당 데이터가 양을 측정한 결과

이 경우 데이터가 숫자이므로 당연히 히스토그램을 선택하게 됩니다. 

하지만 계급의 경계와 관련하여 주의해야 할 사항이 있습니다. 계급의 경계를 데이터가 실제로 취할 수 있는 값들의 사이에 존재하는 값으로 지정해야 불필요한 혼란이 발생하지 않습니다.

 

2. 혼란을 일으킬 수 있는 사례

예를 들어, 어느 막대가 [10-20]의 범위에 걸쳐 존재하는데, 20인 관측값이 하나 존재한다고 가정합시다.

[10-20]의 범위는 20을 포함하지 않으므로 해당 관측값은 오른쪽 막대에 포함됩니다. 

하지만 독자는 계갑의 경계에 존재하는 값들이 오른쪽 계급에 포함된다는 것을 모를 것이므로 혼란을 겪을 수 있습니다.

 

실제 예를 들어보겠습니다. 100개의 주사위를 던진 결과를 나타내는 자료입니다.

import numpy as np
import pandas as pd
import matlpotlib.pyplot as plt
import seaborn as sns

die_rolls = pd.read_csv('die-rolls.csv')

# 각 주사위는 정육면체이며 각 면에는 1-6의 숫자가 하나씩 표시되어 있습니다.
# 서로 다른 100개의 주사위가 존재하며 두 번의 시행이 있었습니다.
# 각 시행에서는 100개의 주사위를 모두 굴려서 그 결과[1-6]를 기록했습니다.
# `Sum` 열은 두 번의 시행을 통해 서로 다른 주사위별로 얻은 두 값의 합을 나타냅니다.
die_rolls.head(10)

해결책1) 막대의 경계를 조정하기

plt.figure(figsize = [20, 5])

#왼쪽 히스토그램, 게급의 경계가 정수
plt.subplot(1, 2, 1)
bin_edges = np.arange(2, 12+1.1, 1) 
#1.1더한 이유:히스토그램의 오른쪽 끝에 주사위 합이 12인 경우만을 포함하는 하나의 계급 더 추가
#마지막 막대가 11과 12인 경우를 모두 포함하지 않게 하기 위함
plt.hist(data=die_rolls, x='Sum', bins=bin_edges);
plt.xticks(np.arange(2, 12+1, 1));

#오른쪽 히스토그램, 계급의 경계가 정수 사이에 있음
plt.subplot(1, 2, 2)
bin_edges = np.arange(1.5, 12.5+1, 1)
plt.hist(data=die_rolls, x='Sum', bins=bin_edges);
plt.xticks(np.arange(2, 12+1, 1));

• 두 subplot은 동일한 데이터를 나타내지만 계급 경계가 다르게 설정되어 있습니다.

해결책2) 막대 사이에 빈 공간 만들기

• 히스토그램과는 달리 각 계급의 막대가 서로 접하지 않는 것이 적합할 때도 있습니다.
• 이전 코드를 동일하게 사용하되, 'rwidth' 매개변수를 추가하여
• 원래의 히스토그램 막대에서 몇퍼센트의 면적에 색상을 입힐 것인지 설정하겠습니다.

bin_edges = np.arange(1.5, 12.5+1, 1)
#막대 면적의 70%에만 색상을 입혔으며 나머지 30%의 공간은 비워두었습니다.
plt.hist(data=die_rolls, x='Sum', bins = bin_edges, rwidth = 0.7)
plt.xticks(np.arange(2, 12+1, 1));

• 막대 사이에 빈 공간이 존재하며 데이터가 불연속적라는 사실이 분명하게 드러납니다.