오늘날 빠르게 변화하는 데이터 과학 세계에서는 데이터를 효과적으로 시각화하는 것이 중요합니다. 숙련된 데이터 분석가이든 이제 막 시작하는 사람이든 다양한 시각화 기술을 익히면 통찰력을 전달하고 의사 결정을 내리는 능력을 크게 향상시킬 수 있습니다. 이 종합 가이드에서는 대화형 웹 애플리케이션을 만드는 데 널리 사용되는 Python 라이브러리인 Streamlit을 살펴보고 데이터 시각화를 위해 쉽게 만들 수 있는 12가지 강력한 차트 유형을 소개합니다. 간단한 막대 차트부터 고급 지리공간 시각화까지 이 튜토리얼에서 모든 내용을 다룹니다.
Streamlit은 데이터 과학자와 개발자가 데이터 시각화를 위한 대화형 웹 애플리케이션을 만드는 방식에 혁명을 일으켰습니다. 직관적인 API와 인기 있는 Python 라이브러리와의 원활한 통합을 통해 Streamlit을 사용하면 데이터 스크립트를 몇 분 안에 공유 가능한 웹 앱으로 변환할 수 있습니다. 이 가이드에서는 각기 다른 데이터 시각화 요구 사항에 맞게 조정된 다양한 차트 유형을 생성하는 Streamlit의 다양성에 중점을 둘 것입니다.
영역형 차트는 시간 경과에 따라 또는 카테고리 전체에 걸쳐 누적 합계를 표시하는 데 적합합니다. 변화의 크기와 다양한 데이터 세트 간의 관계를 강조하므로 추세를 추적하고 여러 데이터 시리즈를 비교하는 데 적합합니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 1. Area Chart")
# Generate random data for the area chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Create an area chart using the random data
st.area_chart(
chart_data,
x="col1",
y=["col2", "col3"],
color=["#FF0000", "#0000FF"],
)
막대형 차트는 다양한 카테고리나 그룹을 비교하는 기본적인 방법입니다. 개별 데이터 포인트를 표시하는 데 매우 효과적이므로 다양한 범주에 걸쳐 수량을 쉽게 비교할 수 있습니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 1. Area Chart")
# Generate random data for the area chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Create an area chart using the random data
st.area_chart(
chart_data,
x="col1",
y=["col2", "col3"],
color=["#FF0000", "#0000FF"],
)
선형 차트는 시계열과 같은 연속 데이터에 대한 추세를 표시하는 데 탁월합니다. 변경 사항을 추적하고, 패턴을 식별하고, 동일한 간격에 걸쳐 여러 데이터 계열을 비교하는 데 도움이 됩니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 2. Bar Chart")
# Generate random data for the bar chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Display a bar chart using the same data
st.bar_chart(chart_data)
지리 데이터 시각화는 공간 분석에 매우 중요합니다. 이를 통해 지도의 데이터 포인트를 시각화하여 다양한 위치의 패턴, 핫스팟 및 분포를 식별할 수 있습니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 1. Area Chart")
# Generate random data for the area chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Create an area chart using the random data
st.area_chart(
chart_data,
x="col1",
y=["col2", "col3"],
color=["#FF0000", "#0000FF"],
)
분산형 차트는 두 변수 간의 관계나 상관 관계를 식별하는 강력한 도구입니다. 이는 데이터 내에서 패턴, 추세 및 잠재적 원인을 찾는 데 도움이 됩니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 2. Bar Chart")
# Generate random data for the bar chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Display a bar chart using the same data
st.bar_chart(chart_data)
Altair는 Python용 선언적 통계 시각화 라이브러리로, 간단하고 직관적인 구문으로 고급 차트 작성 기능을 제공합니다. 최소한의 코드로 대화형의 복잡한 시각화를 만드는 데 탁월합니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 1. Area Chart")
# Generate random data for the area chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Create an area chart using the random data
st.area_chart(
chart_data,
x="col1",
y=["col2", "col3"],
color=["#FF0000", "#0000FF"],
)
Graphviz는 그래프 및 네트워크 다이어그램을 생성하는 도구로, 관계, 워크플로 및 조직 구조를 시각화하는 데 매우 유용합니다. 복잡한 연결을 명확하고 체계적으로 표현할 수 있습니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 2. Bar Chart")
# Generate random data for the bar chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Display a bar chart using the same data
st.bar_chart(chart_data)
Plotly는 대화형 및 출판 수준의 그래프를 생성하기 위한 강력한 라이브러리입니다. 다양한 차트 유형과 사용자 정의 옵션을 제공하므로 복잡한 데이터 시각화 및 대화형 대시보드에 적합합니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 1. Area Chart")
# Generate random data for the area chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Create an area chart using the random data
st.area_chart(
chart_data,
x="col1",
y=["col2", "col3"],
color=["#FF0000", "#0000FF"],
)
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 2. Bar Chart")
# Generate random data for the bar chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Display a bar chart using the same data
st.bar_chart(chart_data)
pydeck은 Deck.gl용 Python 인터페이스로, 고급 고성능 WebGL 기반 시각화를 가능하게 합니다. 복잡한 대화형 지리공간 시각화를 만드는 데 특히 유용합니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 3. Line Chart")
# Generate random data for the line chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Create a line chart with the random data
st.line_chart(
chart_data,
x="col1",
y="col2",
color="col3",
)
st.write("#### 3.1 Basic Line Chart")
Matplotlib는 Python의 기본 플로팅 라이브러리이며, pyplot은 정적, 애니메이션 및 대화형 시각화를 생성하기 위한 MATLAB과 유사한 인터페이스를 제공합니다. 사용자 정의가 가능하며 통계 데이터 분석 및 교육 목적으로 널리 사용됩니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 1. Area Chart")
# Generate random data for the area chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Create an area chart using the random data
st.area_chart(
chart_data,
x="col1",
y=["col2", "col3"],
color=["#FF0000", "#0000FF"],
)
Vega-Lite는 유연성을 위해 Streamlit에 통합된 대화형 시각화를 만들기 위한 고급 문법입니다. 간결한 사양으로 정교하고 반응이 빠른 차트를 구축할 수 있으므로 광범위한 코딩 없이도 복잡한 시각화를 더 쉽게 만들 수 있습니다.
import numpy as np
import pandas as pd
import streamlit as st
st.write("### 2. Bar Chart")
# Generate random data for the bar chart
chart_data = pd.DataFrame(
np.random.randn(20, 3),
columns=["col1", "col2", "col3"],
)
# Display a bar chart using the same data
st.bar_chart(chart_data)
이 튜토리얼에서는 Streamlit에서 사용할 수 있는 다양한 차트 유형을 다루었으며 각각은 다양한 데이터 시각화 요구 사항에 적합합니다.
? 코드 받기: GitHub - jamesbmour/blog_tutorials
? 관련 Streamlit 튜토리얼:JustCodeIt
? 내 작업을 지원하세요: 커피 사주세요
위 내용은 효율적인 부품 마스터링 데이터 시각화 및 차트 유형의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
