[seaborn] 데이터분포의 시각화 2: Kernel density estimation

데이터분포의 시각화 2: Kernel density estimation

히스토그램 작성을 위해 사용한 histplot()은 각 구간(bin)에 대응하는 빈도수(Count)를 작성한 것입니다(데이터분포의 시각화(histplot & displot) 참조). 빈도수를 정규화한 통계량인 density로 그래프를 작성하기 위해 figure-level 함수인 displot()의 인수 stat를 stat="density"로 지정합니다. 또한 y-축에 확률(probability)를 나타내기 위해 stat="probabilty"로 지정합니다. axes-level 함수인 kdeplot()으로 작성할 수 있습니다(Figure-level과 Axes-level 함수 그리고 히스토그램 참조 참조).

import numpy as np
from sklearn.datasets import make_blobs
import pandas as pd
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
plt.rcParams['font.family'] ='NanumGothic'
plt.rcParams['axes.unicode_minus'] =False
import seaborn as sns
import yfinance as yf

사용할 데이터로 코스피 지수의 일일자료(^KS11)를 모듈 yfiance를 사용하여 호출합니다. 그 자료에서 에 대해 일일변화율(시가에 대한 종가의 변화율)과 일간 거래량(Volume)의 변화율을 목록화하여 첨가하여 다음코드의 결과인 kos1df 자료를 생성합니다.

st=pd.Timestamp(2023, 10, 17)
et=pd.Timestamp(2024, 10, 17)
kos=yf.download("^KS11",st, et)
kos=kos.drop('Adj Close', axis=1)
scaler=StandardScaler().fit(kos)
kos1=scaler.transform(kos)
kos1df=pd.DataFrame(kos1)
kos1df.columns=kos.columns
kos1df['coChg']=pd.qcut((kos1df.Close-kos1df.Open)/kos1df.Open*100, 10, range(10))
kos1df['volChg']=pd.qcut(kos1df.Volume.pct_change(), 5, range(5))
kos1df=kos1df.dropna()
kos1df.head(3)

	Open	High	Low	Close	Volume	coChg	volChg
1	-1.442811	-1.449859	-1.297633	-1.325313	3.272987	3	4
2	-1.606734	-1.712166	-1.603687	-1.703523	2.085993	6	2
3	-1.935555	-2.031246	-1.992279	-2.033245	0.271720	6	1

다음 그래프들은 displot()으로 작성할 수 있지만 두개의 플롯을 작성하기 위해서는 axes-level 함수인 histplot()으로 작성하였습니다.

sns.set_style("darkgrid")
fig, (ax1, ax2)=plt.subplots(1,2, figsize=(8, 3), gridspec_kw={"width_ratios":[3,3]})
sns.histplot(data=kos1df, x="Close", hue="volChg", stat="density", ax=ax1)
b=sns.histplot(data=kos1df, x="Close", hue="volChg", stat="probability", ax=ax2)
plt.show()

히스토 그램은 각 구간에 대한 빈도수 또는 확률등을 이산적으로 나타내어 전체 분포의 특성을 나타냅니다. 이에 반해 커널밀도 추정(KDE)는 히스토그램의 이산적으로 나타내는 분포 특성을 가우시안 커널로 연속밀도 추정치를 생성합니다.

sns.displot(kos1df, x="Close", kind="kde")
plt.show()

함수 인수 bw_adjust를 사용하여 bandwidth를 조정할 수 있습니다.

fig, (ax1, ax2)=plt.subplots(1,2)
sns.kdeplot(kos1df, x="Close", bw_adjust=.4, ax=ax1)
b=sns.kdeplot(kos1df, x="Close", bw_adjust=2, ax=ax2)
b.set_ylabel("")
plt.show()

두개 이상의 클래스를 가진 제 2의 변수를 인수 hue에 지정하여 각 수준별로 밀도 추정치를 나타낼 수 있습니다. fill=True를 지정하여 각 밴드 내부를 채색하여 나타낼 수 있습니다. 이 경우 alpha로 채색의 불투명도를 조정합니다. 다음의 3번째 그래프는 multiple="stack"을 사용하여 이전에 밀도에 다음의 밀도를 중첩하여 작성할 수 있습니다.

fig, axs=plt.subplots(1, 3, figsize=(10, 3))
sns.kdeplot(data=kos1df, x="Close", hue="volChg",  ax=axs[0])
b=sns.kdeplot(data=kos1df, x="Close", hue="volChg",  fill=True, alpha=0.3, ax=axs[1])
b.set_ylabel("")
c=sns.kdeplot(data=kos1df, x="Close", hue="volChg",  multiple="stack", ax=axs[2])
c.set_ylabel("")
plt.show()

연속밀도 추정치 kde와 히스토그램을 동시에 나타낼 수 있습니다. 이 플롯은 displot()또는 histplot() 함수에 kde=True를 지정함으로서 실행됩니다.

sns.displot(data=kos1df, x="Close", stat="density", kde=True)
#=histplot(data=kos1df, x="Close", stat="density", kde=True)
plt.show()

위 그림은 다음과 같이 axes-level 함수인 histplot()과 kdeplot()의 다양한 인수를 조정하여 나타낼 수 있습니다.

sns.histplot(data=kos1df, x="Close", stat="density")
sns.kdeplot(data=kos1df, x="Close", color="brown", bw_adjust=1.5)
plt.show()

figure-level 함수에서 여러개의 클래스로 구성된 변수에 따라 다중 플롯을 구성하기 위한 인수인 col을 적용하여 다음과 같이 작성할 수 있습니다.

sns.displot(data=kos1df, x="Close", col="volChg", kde=True)
plt.show()