Python - seaborn 03. 범주형 시각화 (box·violin·bar·strip)

핵심 요약

한 축이 범주(카테고리), 다른 축이 수치일 때 쓰는 함수 묶음입니다. 세 계열로 나뉩니다.

• 분포 요약: boxplot(사분위·수염), violinplot(KDE 대칭), boxenplot(꼬리까지 세분화)
• 개별 관측: stripplot(지터 산점), swarmplot(겹침 없이 배치)
• 추정치: barplot(평균+오차막대), pointplot(평균 점+연결선), countplot(빈도) figure-level catplot이 kind=로 위 전부를 통합하며 col/row 격자를 만듭니다. 표시 순서는 order=, 그룹 분할은 hue=로 통제합니다.

import seaborn as sns
sns.set_theme()
tips = sns.load_dataset("tips")

1. 분포 요약 — box / violin / boxen

sns.boxplot(data=tips, x="day", y="total_bill", hue="smoker")
sns.violinplot(data=tips, x="day", y="total_bill", hue="smoker", split=True, inner="quart")
sns.boxenplot(data=tips, x="day", y="total_bill")

• violinplot의 split=True는 hue가 2범주일 때 좌우로 반쪽씩 붙여 비교를 압축합니다.
• violinplot의 inner: "box", "quart", "point", "stick", None.
• boxplot의 이상치 점은 "정의상 수염 밖"일 뿐 통계적 이상치 판정이 아닙니다. 그림에서 보이는 것: 요일별 total_bill 상자그림에서 토·일요일 상자가 목·금요일보다 위쪽에 있고 수염도 길어, 주말 결제 금액이 더 높고 편차도 크다는 것이 보입니다.

💡 이럴 때: 그룹당 표본이 20개 미만이면 violinplot의 KDE는 신뢰하기 어렵습니다. 이때는 boxplot 또는 stripplot/swarmplot으로 실제 점을 보여 주는 편이 정직합니다.

2. 개별 관측 — strip / swarm

sns.stripplot(data=tips, x="day", y="total_bill", hue="smoker", dodge=True, jitter=0.2)
sns.swarmplot(data=tips, x="day", y="total_bill", size=3)

• stripplot: 점을 범주 축 방향으로 무작위로 흩뿌려(jitter) 겹침을 줄입니다. 표본이 많아도 동작하지만 밀집 구간은 뭉칩니다.
• swarmplot: 점이 서로 겹치지 않도록 알고리즘으로 밀어 배치합니다. 밀도가 눈에 잘 보이지만 표본이 많으면(수백 이상) 느리고 경고가 뜹니다.
• dodge=True: hue 그룹을 나란히 분리합니다.

💡 이럴 때: 상자그림 위에 실제 점을 얹어 "요약이 데이터를 왜곡하지 않는지" 보여 주고 싶으면 boxplot 다음에 같은 ax로 stripplot(..., color=".25", alpha=.5)을 겹칩니다.

3. 추정치 — bar / point / count

sns.barplot(data=tips, x="day", y="total_bill", hue="sex",
            estimator="mean", errorbar=("ci", 95))
sns.pointplot(data=tips, x="day", y="total_bill", hue="sex", dodge=True)
sns.countplot(data=tips, x="day", hue="smoker")

• estimator에는 "mean", "median", "sum", 또는 임의 함수(np.median)를 넘길 수 있습니다.
• errorbar 옵션: ("ci", 95)(부트스트랩 신뢰구간), "sd"(표준편차), ("se", 1)(표준오차), ("pi", 95)(백분위 구간), None.
• pointplot의 연결선은 "범주 간 추세"를 강조합니다. 범주가 순서가 없는 경우(요일은 순서 있음, 색상은 없음) 오해를 부를 수 있으니 주의합니다. 그림에서 보이는 것: barplot에서 각 막대 위에 그려진 짧은 검은 수직선이 95% 신뢰구간입니다. 토요일 남성 막대의 구간이 넓다면 표본이 적거나 편차가 크다는 뜻입니다.

💡 이럴 때: 막대그래프는 0부터 시작하는 길이 인코딩이라 "평균"에 적합하고 "중앙값"에는 어색합니다. 분포가 치우쳐 중앙값을 보고 싶으면 pointplot(estimator="median")이나 boxplot이 낫습니다.

💡 이럴 때: barplot의 오차막대가 무엇인지 모른 채 쓰면 안 됩니다. 기본은 부트스트랩 95% 신뢰구간이며, 표준편차를 원하면 명시적으로 errorbar="sd"로 바꿉니다.

4. order와 hue 조합

day_order = ["Thur", "Fri", "Sat", "Sun"]
sns.boxplot(data=tips, x="day", y="total_bill",
            order=day_order,
            hue="time", hue_order=["Lunch", "Dinner"])

• order: x축(또는 범주 축) 표시 순서. 지정 안 하면 데이터 등장 순 또는 category dtype의 순서를 따릅니다.
• hue_order: 색 그룹의 순서와 범례 순서.
• 순서 있는 범주(요일, 등급, 분기)는 반드시 order를 주거나 pandas에서 pd.Categorical(..., ordered=True)로 만들어 둡니다. 안 그러면 알파벳 순으로 뒤섞입니다.

💡 이럴 때: 막대·상자를 값 크기순으로 정렬해 보여 주고 싶으면, pandas에서 groupby().mean().sort_values()로 순서를 뽑아 그 인덱스를 order=에 넣습니다. seaborn은 자동 정렬을 하지 않습니다.

5. catplot — figure-level 통합

sns.catplot(data=tips, x="day", y="total_bill", kind="box", col="time")
sns.catplot(data=tips, x="day", y="total_bill", hue="sex", kind="violin",
            split=True, col="smoker")
sns.catplot(data=tips, x="day", kind="count", col="sex")
sns.catplot(data=tips, x="day", y="total_bill", kind="bar",
            col="sex", row="smoker", errorbar="se")

• kind: "strip"(기본), "swarm", "box", "violin", "boxen", "bar", "point", "count".
• col/row로 격자, height/aspect로 크기.
• 각 kind에 대응하는 axes-level 함수의 인자를 그대로 전달합니다.
• ax=는 받지 못합니다. 그림에서 보이는 것: col="time"으로 Lunch/Dinner를 나눈 두 패널에서, Dinner 패널의 상자들이 전반적으로 더 높이 위치해 저녁 결제 금액이 크다는 것이 한눈에 보입니다.

💡 이럴 때: 범주형 비교를 여러 조건(시간대 x 흡연 여부)으로 쪼개야 하면 catplot(col=..., row=...)가 정답입니다. axes-level로 직접 subplots 격자를 만들고 반복문을 도는 것보다 짧고 축 범위도 자동으로 공유됩니다.