Python - matplotlib 08. pandas·seaborn와의 연계

핵심 요약

pandas의 df.plot(...)과 seaborn의 대부분 함수는 내부적으로 matplotlib Axes에 그립니다. 즉 1~7장에서 배운 ax 조작이 그대로 통합니다. df.plot(ax=ax)는 그린 Axes를 반환하므로 이후 ax.set_title(...) 등으로 다듬을 수 있습니다. seaborn 함수는 axes-level(histplot, scatterplot -ax= 인자를 받아 한 Axes에 그림)과 figure-level(displot, relplot -자체적으로 Figure와 격자를 생성)로 갈리며, 이 구분이 커스터마이징 방법을 결정합니다.

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

1. df.plot -pandas의 matplotlib 래퍼

df = pd.DataFrame({
    "month": pd.date_range("2026-01", periods=12, freq="MS"),
    "sales": np.random.default_rng(0).integers(80, 200, 12),
    "cost": np.random.default_rng(1).integers(40, 120, 12),
}).set_index("month")
 
fig, ax = plt.subplots(figsize=(8, 4))
df.plot(ax=ax, marker="o")          # DataFrame의 각 열이 한 선
ax.set_ylabel("KRW (백만)")
ax.set_title("월별 매출과 비용")

• df.plot(ax=ax)에 ax를 넘기면 그 Axes에 그립니다. 넘기지 않으면 새 Figure/Axes를 만들고 그 Axes를 반환합니다.
• kind= 인자로 종류를 바꿉니다: "line"(기본), "bar", "barh", "hist", "box", "scatter", "area", "kde".
• df.plot(subplots=True, layout=(2, 2))는 열마다 별도 Axes를 자동 생성하고 Axes 배열을 반환합니다.

axes = df.plot(subplots=True, layout=(1, 2), figsize=(10, 4))
axes[0, 0].set_title("sales")

• pandas가 만든 Axes도 결국 matplotlib Axes이므로, 4~7장의 set_xscale, legend, annotate, savefig가 모두 적용됩니다.

💡 이럴 때: 탐색 단계에서는 df.plot()으로 빠르게 확인하고, 발표용으로 다듬을 때 fig, ax = plt.subplots() → df.plot(ax=ax) → ax. 메서드로 제목·축·주석을 정리합니다. → Python - pandas 13. 다음 단계 연결

2. seaborn은 matplotlib 위에 있다

seaborn은 "통계 그래프를 적은 코드로" 그리는 고수준 라이브러리이며, 렌더링은 matplotlib이 합니다. 따라서:

• seaborn 그림도 fig.savefig(...)로 저장합니다.
• 색·폰트는 sns.set_theme(...)가 matplotlib rcParams를 조정하는 방식입니다.
• seaborn이 그린 Axes에 matplotlib 메서드를 이어서 호출할 수 있습니다.

tips = sns.load_dataset("tips")
sns.set_theme(style="whitegrid")

3. axes-level 함수 -ax= 인자

histplot, kdeplot, scatterplot, lineplot, boxplot, barplot, countplot 등은 하나의 Axes에 그리며 ax=를 받습니다.

fig, axes = plt.subplots(1, 2, figsize=(11, 4), constrained_layout=True)
 
sns.histplot(data=tips, x="total_bill", hue="sex", kde=True, ax=axes[0])
axes[0].set_title("계산서 분포")
 
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", size="size", ax=axes[1])
axes[1].set_title("계산서 대 팁")
axes[1].axline((0, 0), slope=0.15, color="gray", linestyle="--")   # matplotlib 메서드 이어 쓰기

• 내가 만든 subplots 격자에 원하는 위치를 골라 그릴 수 있습니다(3장과 그대로 결합).
• 반환값은 그린 Axes입니다.

💡 이럴 때: 여러 seaborn 그래프를 한 Figure에 배치하려면 axes-level 함수 + 직접 만든 plt.subplots 격자를 씁니다. figure-level 함수는 이 조합이 불가능합니다.

4. figure-level 함수 -자체 Figure 생성

displot, relplot, catplot, lmplot, jointplot, pairplot은 스스로 Figure를 만들고, 필요하면 격자(FacetGrid)를 구성합니다. ax= 인자를 받지 않습니다.

g = sns.displot(data=tips, x="total_bill", col="time", row="sex", kde=True, height=3)
g.figure.suptitle("계산서 분포 (시간 × 성별)", y=1.02)
g.set_axis_labels("계산서 금액", "빈도")
g.savefig("dist.png", dpi=150)

• 반환값은 FacetGrid(또는 JointGrid) 객체입니다. g.figure로 Figure에, g.axes(2D 배열)로 개별 Axes에 접근합니다.
• col=/row=에 범주형 변수를 주면 small multiples가 자동 생성됩니다. → Python - matplotlib 03. 여러 서브플롯 배치, 데이터 전처리·시각화 이론 학습 로드맵 2.7
• 크기는 figsize가 아니라 height(칸 하나의 높이)와 aspect(가로/세로 비)로 조정합니다.

💡 이럴 때: 같은 그래프의 axes-level과 figure-level이 헷갈리면 이름으로 구분합니다. -plot으로 끝나면(예: histplot, boxplot) axes-level, displot/relplot/catplot은 figure-level입니다.

💡 이럴 때: figure-level 함수로 그린 뒤 특정 칸만 손보려면 g.axes.flat을 순회하거나 g.axes_dict(facet 이름 → Axes)를 씁니다.

5. 정리 -계층 관계

seaborn (통계 그래프 고수준 API)
  ├─ axes-level 함수  → 주어진 matplotlib Axes에 그림
  └─ figure-level 함수 → matplotlib Figure/FacetGrid를 스스로 생성
        ↓ 모두
matplotlib (Figure / Axes / Artist, 렌더링·저장)
        ↑
pandas .plot  → matplotlib Axes 래퍼 (ax= 전달·반환)

어느 도구로 그리든 최종 객체는 matplotlib의 Figure/Axes이므로, 1~7장의 조작(축, 스케일, 범례, 주석, 저장)이 공통 기반이 됩니다.