지혜의 개발공부로그
Mac 환경에서 Spotfire 다뤄보기
12 Aug 2025 | Visualization개인공부 후 자료를 남기기 위한 목적임으로 내용 상에 오류가 있을 수 있습니다.
Spotfire
정리중
개인공부 후 자료를 남기기 위한 목적임으로 내용 상에 오류가 있을 수 있습니다.
정리중
개인공부 후 자료를 남기기 위한 목적임으로 내용 상에 오류가 있을 수 있습니다.
import matplotlib.pyplot as plt
# 실제 판매량 데이터 (단위: 만대)
actual_sales = [350, 250, 150, 100, 150]
fig, (ax1, ax2) = plt.subplots(1,2, # (1,2) > 1x2
figsize=(10,4))
# 왼쪽에 파이차트
ax1.pie(market_share, labels=brands,
colors=colors,
autopct='%.1f%%')
ax1.set_title('시장점유율')
# 오른쪽에 바차트
ax2.bar(brands, market_share,
color=colors
)
ax2.set_title('시장점유율')
plt.show()
# 분기별 데이터
q1_data = [35, 25, 15, 10, 15]
q2_data = [33, 27, 16, 12, 12]
q3_data = [30, 30, 18, 15, 7]
q4_data = [28, 32, 20, 15, 5]
colors = ['#ffd6ee','#fff0f1','#ecd2e0','#ced1f8','#a7abde']
color2 = ['#e6194b', '#3cb44b', '#ffe119', '#4363d8', '#f58231']
fig, axes = plt.subplots(2,2, # (2x2) > 총 4개 구현한다는 의미
figsize=(8,7)
)
# print(fig)
# print(axes)
axes[0,0].pie(q1_data, labels=brands, colors=colors, autopct='%.1f%%')
axes[0,0].set_title('1분기')
axes[0,1].pie(q2_data, labels=brands, colors=color2, autopct='%.1f%%')
axes[0,1].set_title('2분기')
axes[1,0].pie(q3_data, labels=brands, colors=colors, autopct='%.1f%%')
axes[1,0].set_title('3분기')
axes[1,1].pie(q4_data, labels=brands, colors=colors, autopct='%.1f%%')
axes[1,1].set_title('4분기')
plt.tight_layout() # 서브플롯 간격 조절
plt.show()
개인공부 후 자료를 남기기 위한 목적임으로 내용 상에 오류가 있을 수 있습니다.
import matplotlib.pyplot as plt
기본 데이터는 아래와 같다.
# 브랜드별 시장점유율 데이터
brands = ['삼성', '애플', 'LG', '샤오미', '기타']
market_share = [35, 25, 15, 10, 15]
# 파이차트 기본 시각화
plt.figure(figsize=(4,4))
# autopct='%.1f%%'
# %: 뒤에 문자들이 포매팅 규칙이 오게된다(시작점의미)
# 1.1f 실제 숫자를 어떻게 표현할지 , '.1'소수점 1자리까지 표현을 의미 | f 는 부동소수점 처리
# %%: %를 출력하라는 의미
plt.pie(market_share, labels=brands, autopct='%.1f%%')
plt.show()
# 파이차트 색상 지정
colors=['#ff9999','#66b3ff','#99ff99','#ffcc99','#c2c2f0']
plt.figure(figsize=(4,4))
plt.pie(market_share, labels=brands,
colors=colors, # 색상지정
autopct='%.1f%%', # 숫자의 소수점 지정
shadow=True, # 그림자
startangle=90, # 시작각도
explode=[0.2,0.1,0.1,0.1,0] # 분리된 파이차트 > 강조하고 싶으면 0보다 크게, 아니면 0 / 0.~ 이런식으로 간격 조절 가능
)
plt.show()
colors=['#ff9999','#66b3ff','#99ff99','#ffcc99','#c2c2f0']
plt.figure(figsize=(4,4))
plt.pie(market_share, labels=brands,
colors=colors,
autopct='%.1f%%',
shadow=True,
startangle=90,
explode=[0.2,0.1,0.1,0.1,0]
)
# 범례추가
# bbox_to_anchor=(1,0.5) > 범례박스가 bbox/레전드 위치 조절 (가로축, 세로축)
plt.legend(brands, loc='center left', bbox_to_anchor=(1.1,0.5))
plt.show()
plt.figure(figsize=(4,4))
# wedges: 도넛 조각을 의미하는 객체리스트
# texts: 각조각의 라벨
# autotexts: 각 조각 내부숫자(비율)을 의미
wedges, texts, autotexts = plt.pie(
market_share, labels=brands,
colors=colors,
autopct='%.1f%%',
wedgeprops={'width':0.5} # 도넛 두께 설정 > 보통 0~1사이 값 넣음
)
print(wedges) # 도넛 객체들
print(texts) # 좌표, 브랜드 이름
print(autotexts) # 좌표, 퍼센트
plt.title('스마트폰 시장 점유율', fontsize=20)
plt.show()
plt.figure(figsize=(4,4))
wedges, texts, autotexts = plt.pie(
market_share, labels=brands,
colors=colors,
autopct='%.1f%%',
wedgeprops={'width':0.5},
pctdistance=0.73 # 안쪽 퍼센트 거리조절
)
# 퍼센트 친구들 설정해주기
for autotext in autotexts:
autotext.set_color('purple')
autotext.set_fontsize(12)
autotext.set_fontweight('bold')
for text in texts:
text.set_color('y')
text.set_fontsize(12)
text.set_fontweight('bold')
plt.title('스마트폰 시장 점유율', fontsize=20)
plt.show()
plt.figure(figsize=(4,4))
wedges, texts, autotexts = plt.pie(
market_share, labels=brands,
colors=colors,
autopct='%.1f%%',
wedgeprops={'width':0.5},
pctdistance=0.73
)
for autotext in autotexts:
autotext.set_color('purple')
autotext.set_fontsize(12)
autotext.set_fontweight('bold')
for text in texts:
text.set_color('y')
text.set_fontsize(12)
text.set_fontweight('bold')
# 중앙에 총 판매량 표시
total_sales = sum(market_share)
plt.text(0,0, # (x,y)
f'{total_sales}%',
horizontalalignment='center', # 가로축을 센터에 맞춰주고
verticalalignment='center', # 세로축을 센터에 맞춰줌
fontsize=20,
fontweight='bold'
)
plt.title('스마트폰 시장 점유율', fontsize=20)
plt.show()
개인공부 후 자료를 남기기 위한 목적임으로 내용 상에 오류가 있을 수 있습니다.
추후 정리
개인공부 후 자료를 남기기 위한 목적임으로 내용 상에 오류가 있을 수 있습니다.
import matplotlib.pyplot as plt
# 시험 점수 데이터 (100명) 생성
np.random.seed(42)
scores = np.random.normal(75, 15, 100) # 평균 75점, 표준편차 15
scores = np.clip(scores, 0, 100) # 0-100점 범위로 제한 / clip> 제한하는 함수
# 히스토그램 구현
plt.figure(figsize=(5,3))
# bins: 데이터를 구획하는 숫자 > 데이터를 몇 구획으로 나눌것인가
# 많이할수록 더욱 세분화되어 보임
plt.hist(scores, bins=10,
color='red',
alpha=0.5,
edgecolor='red',
linewidth=1,
# density=True
)
plt.title('시험 점수 분포')
plt.xlabel('점수')
plt.ylabel('학생수')
plt.show()
통계션을 추가해서 많이 사용 > 평균, 중앙값 > .axvline(값)
plt.figure(figsize=(5,3))
plt.hist(scores, bins=10,
color='red',
alpha=0.5,
edgecolor='red',
linewidth=1
)
mean_score = np.mean(scores)
median_score = np.median(scores)
# .axvline > x축 통계선 추가
plt.axvline(mean_score, color='purple', linestyle='--', label=f'평균: {mean_score:.2f}점')
plt.axvline(median_score, color='black', linestyle=':', label=f'중앙값: {median_score:.2f}점')
plt.legend(fontsize=8, loc='upper left')
plt.title('시험 점수 분포')
plt.xlabel('점수')
plt.ylabel('학생수')
plt.show()
- 두개의 시각화 표현
- 밀도 히스토그램 구현(density=True)
plt.figure(figsize=(6,4))
plt.subplot(1,2,1)
plt.hist(scores, bins=10,
color='red',
alpha=0.5,
edgecolor='red',
linewidth=1,
# density=True
)
plt.title('시험 점수 분포')
plt.xlabel('점수')
plt.ylabel('학생수')
plt.subplot(1,2,2)
plt.hist(scores, bins=10,
color='red',
alpha=0.5,
edgecolor='red',
linewidth=1,
density=True # 밀도 히스토그램이 표현됨
)
plt.title('시험 점수 분포')
plt.xlabel('점수')
plt.ylabel('학생수')
plt.show()
