Python - seaborn 04. 관계 시각화 (scatterplot·lineplot·relplot)

핵심 요약

두 수치 변수의 관계를 보는 도구입니다.

• scatterplot: 점 하나 = 관측 하나. hue(색)/size(크기)/style(마커)로 최대 3개 변수를 추가로 인코딩.
• lineplot: x값마다 y를 자동 집계(기본 평균)하고 그 주위에 오차 밴드를 그림. 시계열·추세에 적합.
• figure-level relplot: 위 둘을 kind="scatter"|"line"으로 통합, col/row 격자. lineplot이 "그냥 선을 잇는" 게 아니라 "집계 후 선을 잇는다"는 점을 이해하는 것이 핵심입니다.

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

1. scatterplot — 점과 의미 매핑

sns.scatterplot(data=tips, x="total_bill", y="tip",
                hue="smoker", size="size", style="time")

• hue가 수치형이면 자동으로 연속 컬러바가 생깁니다. 범주형이면 이산 팔레트+범례.
• 채널을 3개까지 겹칠 수 있지만, 실제로 판독 가능한 것은 보통 색 1개 + 크기 1개 정도입니다.
• 겹치는 점이 많으면 alpha=0.5, 또는 2절의 밀도 계열 플롯을 검토합니다. 그림에서 보이는 것: total_bill이 커질수록 tip도 대체로 커지는 우상향 관계가 보이고, 점 색으로 흡연 그룹이 특별히 분리되지는 않으며, 큰 점(인원수 많은 테이블)이 오른쪽 위(고액·고팁)에 몰립니다.

💡 이럴 때: 색(hue)에 연속 변수를 넣으면 값 차이를 정밀하게 읽기 어렵습니다. 정확한 비교가 목적이면 그 변수를 y축이나 col(구간화 후)로 옮기고, 색은 범주형에만 씁니다.

2. lineplot — 자동 집계 + 오차 밴드

sns.lineplot(data=fmri, x="timepoint", y="signal")
sns.lineplot(data=fmri, x="timepoint", y="signal", hue="region", style="event")
sns.lineplot(data=fmri, x="timepoint", y="signal",
             estimator="mean", errorbar=("ci", 95))
sns.lineplot(data=fmri, x="timepoint", y="signal", estimator=None, units="subject",
             hue="region")     # 집계 없이 피험자별 원선

동작:

• 같은 x에 y가 여러 개이면 estimator(기본 mean)로 요약해 선을 그립니다.
• 요약값 주위에 errorbar 밴드를 칠합니다. 기본은 부트스트랩 95% 신뢰구간.
• estimator=None이면 집계를 끄고 데이터 순서대로 잇습니다. 이때 units=로 개체별 선을 나눕니다.
• sort=True(기본)면 x 기준으로 정렬 후 연결합니다. 순환 데이터(리사주 곡선 등)는 sort=False.

그림에서 보이는 것: hue="region"으로 parietal과 frontal 두 선이 그려지고, 각 선을 감싼 반투명 밴드의 폭이 곧 그 시점의 불확실성입니다. 자극(event) 직후 신호가 솟았다가 감소하는 곡선이 보입니다.

💡 이럴 때: lineplot이 예상보다 느리면 errorbar 부트스트랩 때문입니다. 탐색 단계에서는 errorbar=None이나 errorbar="sd"(부트스트랩 없음)로 두고, 발표용에서만 ("ci", 95)로 되돌립니다.

💡 이럴 때: "선이 왜 위아래로 진동하지?" 싶으면 x에 중복이 있어 집계가 일어난 것입니다. 개별 궤적을 원하면 estimator=None, units="개체열"을 씁니다.

3. 시계열에 쓸 때

import pandas as pd
df = pd.DataFrame({
    "date": pd.date_range("2026-01-01", periods=90, freq="D").repeat(3),
    "store": ["A", "B", "C"] * 90,
    "sales": ...,
})
sns.lineplot(data=df, x="date", y="sales", hue="store")

• datetime64 x축은 자동으로 날짜 눈금이 붙습니다.
• 매장별 한 시점 한 값이면 집계는 일어나지 않고 그냥 선입니다.
• 전체 합계/평균 추세만 보려면 hue 없이 두면 매장들이 자동 평균됩니다(의도한 것인지 확인).

4. relplot — figure-level 통합

sns.relplot(data=tips, x="total_bill", y="tip", kind="scatter",
            hue="smoker", col="time", row="sex")
sns.relplot(data=fmri, x="timepoint", y="signal", kind="line",
            hue="event", col="region", height=4, aspect=1.2)

• kind="scatter"(기본) 또는 "line".
• col/row로 격자, 축 범위 자동 공유(facet_kws={"sharey": False}로 해제).
• 대응 axes-level 함수의 인자(estimator, errorbar, size 등)를 그대로 전달.
• ax=는 받지 못합니다. 그림에서 보이는 것: col="time", row="sex"로 만든 2x2 격자에서 네 조합 모두 total_bill–tip 우상향 관계가 유지되며, Dinner 열의 점들이 오른쪽으로(고액) 더 퍼져 있습니다.

💡 이럴 때: 관계가 하위 그룹마다 유지되는지(심슨의 역설 점검)를 볼 때 relplot(col="그룹")로 쪼개 봅니다. 전체에서는 양의 관계인데 그룹별로는 음의 관계일 수 있습니다.

5. scatter vs line 선택

x가 연속이고 관측이 독립적 → scatterplot
x가 순서/시간이고 "추세"가 관심사 → lineplot
x값마다 y가 여러 개이고 대표값+불확실성을 보고 싶다 → lineplot (자동 집계 활용)
관측이 너무 많아 점이 겹친다 → histplot(2D) / kdeplot(2D) (2장) 또는 alpha 조절