-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathcode2.html
More file actions
661 lines (611 loc) · 44.3 KB
/
Copy pathcode2.html
File metadata and controls
661 lines (611 loc) · 44.3 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Matplotlib & Seaborn 데이터 시각화 (단순 버전)</title>
<link href="https://cdn.jsdelivr.net/npm/tailwindcss@2.2.19/dist/tailwind.min.css" rel="stylesheet">
<link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/@fortawesome/fontawesome-free@6.4.0/css/all.min.css">
<link href="https://fonts.googleapis.com/css2?family=Noto+Sans+KR:wght@300;400;500;700&display=swap" rel="stylesheet">
<style>
body {
font-family: 'Noto Sans KR', sans-serif;
background-color: #e2e8f0; /* Tailwind gray-200 */
margin: 0;
padding: 0;
display: flex;
justify-content: center;
align-items: center;
min-height: 100vh; /* 전체 화면 높이 */
overflow-x: hidden; /* 가로 스크롤 방지 */
}
.presentation-container {
width: 1280px; /* 슬라이드 기본 너비 */
max-width: 100%; /* 화면 너비 초과 방지 */
aspect-ratio: 16 / 9; /* 슬라이드 비율 유지 */
position: relative; /* 내부 요소 위치 기준 */
box-shadow: 0 10px 30px rgba(0,0,0,0.2);
background-color: white; /* 슬라이드 배경 기본값 */
border-radius: 10px;
overflow: hidden; /* 네비게이션이 슬라이드 밖으로 나가지 않도록 */
}
.slide {
display: none; /* 기본적으로 모든 슬라이드 숨김 */
width: 100%;
height: 100%;
padding: 40px 60px;
flex-direction: column;
justify-content: center;
align-items: center;
text-align: center;
position: absolute; /* 모든 슬라이드가 같은 위치에 겹치도록 */
top: 0;
left: 0;
opacity: 0;
transition: opacity 0.5s ease-in-out;
}
.slide:target {
display: flex; /* URL 해시와 ID가 일치하는 슬라이드만 보여줌 */
opacity: 1;
z-index: 10; /* 활성 슬라이드를 위로 */
}
.slide-title {
font-size: 3.2rem;
font-weight: 700;
color: #1a202c;
margin-bottom: 20px;
}
.slide-subtitle {
font-size: 1.75rem;
font-weight: 500;
color: #4a5568;
margin-bottom: 30px;
}
.content-title {
font-size: 2.2rem;
font-weight: 600;
color: #2c5282;
margin-bottom: 25px;
text-align: left;
width: 100%;
}
.content-text {
font-size: 1.15rem;
line-height: 1.7;
text-align: left;
width: 100%;
color: #4a5568;
}
.content-text ul { list-style-type: none; padding-left: 0; }
.content-text ul li { margin-bottom: 12px; display: flex; align-items: flex-start; }
.content-text ul li .fas, .content-text ul li .fab { color: #38a169; margin-right: 12px; font-size: 1.3rem; margin-top: 4px; }
.code-block {
background-color: #2d3748; color: white; padding: 15px; border-radius: 8px;
font-family: 'Courier New', Courier, monospace; font-size: 0.90rem; /* 코드 블록 폰트 약간 더 작게 */
text-align: left; margin-top: 15px; width: 100%; overflow-x: auto;
}
.code-block pre { margin: 0; }
.code-block pre code { white-space: pre; }
.navigation {
position: absolute;
bottom: 20px;
left: 50%;
transform: translateX(-50%);
z-index: 20;
display: flex;
gap: 15px;
}
.nav-button {
background-color: #2c5282;
color: white;
padding: 10px 20px;
border-radius: 5px;
text-decoration: none;
font-weight: 500;
transition: background-color 0.3s;
}
.nav-button:hover {
background-color: #2a4365;
}
.slide-counter {
position: absolute;
bottom: 25px;
right: 30px;
z-index: 20;
font-size: 1rem;
color: #4a5568;
}
#slide1 { background-image: linear-gradient(135deg, #667eea 0%, #764ba2 100%); color: white; }
#slide1 .slide-title, #slide1 .slide-subtitle { color: white; }
#slide5, #slide11, #slide15, #slide23 { background-color: #edf2f7; } /* Section intros: 19번에서 23번으로 변경 */
#slide25 { background-image: linear-gradient(135deg, #43e97b 0%, #38f9d7 100%); color: #1a202c; } /* 21번에서 25번으로 변경 */
#slide26 { background-color: #4a5568; color: white;} /* 22번에서 26번으로 변경 */
#slide26 .slide-title, #slide26 .slide-subtitle { color: white; }
</style>
</head>
<body>
<div class="presentation-container">
<!-- Slide 1 to 17 (기존 내용 유지) -->
<section class="slide" id="slide1">
<h1 class="slide-title"><i class="fas fa-chart-line mr-4"></i>Matplotlib & Seaborn 데이터 시각화</h1>
<p class="slide-subtitle">기초부터 응용, 실전까지: 파이썬 시각화 완전 정복</p>
<p class="text-xl mt-8">데이터에 숨겨진 이야기를 발견하는 여정</p>
<div class="navigation">
<a href="#slide2" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">1 / 26</div>
</section>
<section class="slide" id="slide2">
<h2 class="content-title"><i class="fas fa-question-circle mr-3 text-yellow-500"></i>데이터 시각화, 왜 중요할까요?</h2>
<div class="content-text">
<p class="mb-4">데이터 시각화는 복잡한 데이터셋을 이해하고 의미 있는 통찰력을 추출하는 데 있어 중요한 역할을 수행하며, 특히 머신 러닝 워크플로우 내에서 그 중요성은 더욱 강조됩니다. 시각화는 원시 수치 데이터에 가려진 패턴, 추세, 이상치 및 관계를 식별하는 데 도움을 줍니다.</p>
<ul>
<li><i class="fas fa-check-circle"></i>복잡한 데이터셋을 직관적으로 이해하고 의미 있는 통찰력을 빠르게 추출합니다.</li>
<li><i class="fas fa-check-circle"></i>원시 데이터에 가려진 패턴, 추세, 이상치 및 관계를 효과적으로 식별합니다.</li>
<li><i class="fas fa-check-circle"></i>데이터 기반 의사결정을 지원하고, 설득력 있는 스토리텔링을 가능하게 합니다.</li>
</ul>
</div>
<div class="navigation">
<a href="#slide1" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide3" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">2 / 26</div>
</section>
<section class="slide" id="slide3">
<h2 class="content-title"><i class="fas fa-tools mr-3 text-blue-500"></i>오늘의 주인공: Matplotlib & Seaborn</h2>
<div class="grid grid-cols-1 md:grid-cols-2 gap-8 content-text">
<div>
<h3 class="text-2xl font-semibold mb-3"><i class="fab fa-python mr-2"></i>Matplotlib</h3>
<p>Python에서 정적, 대화형 및 애니메이션 시각화를 생성하기 위한 포괄적인 라이브러리로서, 그 토대적인 성격을 강조할 필요가 있습니다. Matplotlib의 핵심 구성 요소는 Figure, Axes 및 Artist입니다.</p>
</div>
<div>
<h3 class="text-2xl font-semibold mb-3"><i class="fas fa-paint-brush mr-2"></i>Seaborn</h3>
<p>Matplotlib 위에 구축된 고수준 인터페이스를 제공하는 Python 데이터 시각화 라이브러리로서, 매력적이고 유익한 통계 그래픽을 쉽게 만들 수 있도록 설계되었습니다. Seaborn은 Pandas DataFrame과 원활하게 통합되며 통계적 시각화에 중점을 둡니다.</p>
</div>
</div>
<p class="mt-8 text-xl font-medium text-center w-full">Matplotlib과 Seaborn의 시너지 효과는 데이터 시각화를 위한 포괄적인 툴킷을 제공합니다!</p>
<div class="navigation">
<a href="#slide2" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide4" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">3 / 26</div>
</section>
<section class="slide" id="slide4">
<h2 class="content-title"><i class="fas fa-map-signs mr-3 text-green-500"></i>오늘 우리가 함께할 여정</h2>
<div class="content-text">
<ol class="list-decimal list-inside text-left space-y-3 text-xl">
<li><b>Matplotlib 기초 다지기:</b> 핵심 개념(Figure, Axes, Artist), 기본 플롯 유형(선, 산점도, 막대, 히스토그램, 파이 차트), 사용자 정의 옵션(제목, 레이블, 범례, 축, 스타일) 및 서브플롯 작업.</li>
<li><b>Seaborn 활용법 마스터:</b> Matplotlib과의 관계, 특화된 통계 플롯(분포, 관계, 범주) 및 테마와 색상 팔레트 사용자 정의.</li>
<li><b>실전! 탐색적 데이터 분석 (EDA):</b> 라이브러리 활용 실제 예제와 함께 탐색적 데이터 분석 수행 방법.</li>
<li><b>고급 팁 및 마무리:</b> 효과적인 시각화 생성을 위한 고급 주제 및 팁, 결론.</li>
</ol>
<p class="mt-4">본 보고서의 목표는 독자에게 Matplotlib과 Seaborn을 사용한 데이터 시각화에 대한 강력한 이해를 제공하여 다양한 플롯을 생성하고 효과적으로 사용자 정의하며 이러한 기술을 탐색적 데이터 분석(EDA)에 적용하고 궁극적으로 이 주제에 대한 공개 강연을 준비할 수 있도록 하는 것입니다.</p>
</div>
<div class="navigation">
<a href="#slide3" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide5" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">4 / 26</div>
</section>
<section class="slide" id="slide5">
<h1 class="slide-title"><i class="fab fa-python mr-4"></i>Matplotlib: 파이썬 플로팅의 기초</h1>
<p class="slide-subtitle">모든 시각화의 탄탄한 기반을 다집니다.</p>
<div class="navigation">
<a href="#slide4" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide6" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">5 / 26</div>
</section>
<section class="slide" id="slide6">
<h2 class="content-title"><i class="fas fa-puzzle-piece mr-3 text-indigo-500"></i>Matplotlib 핵심 개념</h2>
<div class="content-text grid grid-cols-1 md:grid-cols-3 gap-6">
<div class="p-4 border rounded-lg shadow-sm bg-gray-50">
<h3 class="text-xl font-semibold mb-2"><i class="fas fa-object-group mr-2"></i>Figure</h3>
<p>모든 플롯 요소(하나 이상의 Axes 포함)를 담는 최상위 컨테이너입니다. 이는 전체 이미지 또는 페이지를 나타냅니다. Figure는 시각화가 그려지는 캔버스 역할을 하며, 그 역할을 이해하는 것은 최종 플롯 출력의 전체 레이아웃과 크기를 관리하는 데 중요합니다.</p>
</div>
<div class="p-4 border rounded-lg shadow-sm bg-gray-50">
<h3 class="text-xl font-semibold mb-2"><i class="fas fa-chart-area mr-2"></i>Axes</h3>
<p>Figure 내의 플롯 영역으로서 데이터 공간, 축 선, 눈금, 레이블 및 제목을 포함합니다. Figure에는 서브플롯 형태로 배열된 여러 개의 Axes가 있을 수 있습니다. 'Axes'(복수)는 플롯 영역을, 'Axis'(단수)는 단일 x 또는 y 축을 의미합니다.</p>
</div>
<div class="p-4 border rounded-lg shadow-sm bg-gray-50">
<h3 class="text-xl font-semibold mb-2"><i class="fas fa-paint-roller mr-2"></i>Artist</h3>
<p>선, 마커, 텍스트, 이미지 등 Figure에 보이는 모든 요소를 나타냅니다. Axes 또한 Artist이며 대부분의 Artist는 특정 Axes에 연결됩니다. Artist 개념은 Matplotlib 플롯의 모든 요소를 상호 작용하고 사용자 정의하는 통합된 방법을 제공합니다.</p>
</div>
</div>
<div class="navigation">
<a href="#slide5" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide7" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">6 / 26</div>
</section>
<section class="slide" id="slide7">
<h2 class="content-title"><i class="fas fa-magic mr-3 text-pink-500"></i>pyplot을 사용한 기본 플로팅</h2>
<div class="content-text">
<p><code>matplotlib.pyplot</code>은 Matplotlib의 모듈로서, 플로팅을 위한 상태 기반 인터페이스를 제공합니다 (종종 <code>plt</code>로 가져옴). pyplot 인터페이스는 초보자와 빠르고 대화형 플로팅에 더 편리한 경우가 많습니다.</p>
<p class="mt-2"><b>선 플롯 (Line Plot) 예시:</b> 두 데이터 세트 간의 관계를 표시하며, 종종 시간과 같은 연속 변수에 따른 추세를 보여줍니다.</p>
<div class="code-block">
<pre><code>import matplotlib.pyplot as plt
import numpy as np
# 데이터 준비
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 선 플롯 생성
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-', linewidth=2, marker='o', markersize=4)
# 제목 및 레이블 추가
plt.title("간단한 선 플롯 예시")
plt.xlabel("X 축 (시간 또는 다른 변수)")
plt.ylabel("Y 축 (값)")
plt.legend() # 범례 표시
plt.grid(True) # 그리드 표시
# plt.show() # 실제 파이썬 환경에서 실행 시 필요
</code></pre>
<p class="mt-2 text-sm text-gray-500">* 위 코드는 개념 설명용이며, 실제 Python 환경에서 실행하여 결과를 확인하세요.</p>
</div>
<div class="navigation">
<a href="#slide6" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide8" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">7 / 26</div>
</section>
<section class="slide" id="slide8">
<h2 class="content-title"><i class="fas fa-chart-pie mr-3 text-purple-500"></i>Matplotlib 기타 기본 플롯</h2>
<div class="content-text grid grid-cols-2 gap-6 text-lg">
<div>
<h3 class="font-semibold"><i class="fas fa-braille mr-2"></i>산점도 (Scatter Plot)</h3>
<p><code>plt.scatter()</code>: 개별 데이터 점을 플로팅하여 두 수치 변수 간의 관계(상관 관계, 클러스터, 이상치)를 시각화합니다.</p>
</div>
<div>
<h3 class="font-semibold"><i class="fas fa-chart-bar mr-2"></i>막대 플롯 (Bar Plot)</h3>
<p><code>plt.bar()</code>, <code>plt.barh()</code>: 각 범주에 대한 값을 나타내는 직사각형 막대를 사용하여 범주형 데이터를 비교합니다.</p>
</div>
<div>
<h3 class="font-semibold"><i class="fas fa-chart-area mr-2"></i>히스토그램 (Histogram)</h3>
<p><code>plt.hist()</code>: 데이터를 구간으로 나누고 각 구간에 있는 값의 빈도를 보여줌으로써 단일 수치 변수의 분포를 시각화합니다.</p>
</div>
<div>
<h3 class="font-semibold"><i class="fas fa-chart-pie mr-2"></i>파이 차트 (Pie Chart)</h3>
<p><code>plt.pie()</code>: 원을 조각으로 나타내어 전체에서 서로 다른 범주의 비율을 보여주는 데 사용됩니다.</p>
</div>
</div>
<p class="mt-6 text-xl">각 플롯은 데이터의 특성과 전달하고자 하는 메시지에 따라 선택되며, 다양한 매개변수를 통해 사용자 정의할 수 있습니다.</p>
<div class="navigation">
<a href="#slide7" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide9" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">8 / 26</div>
</section>
<section class="slide" id="slide9">
<h2 class="content-title"><i class="fas fa-palette mr-3 text-teal-500"></i>플롯 사용자 정의</h2>
<div class="content-text">
<p>Matplotlib는 플롯의 거의 모든 요소를 사용자 정의할 수 있는 강력한 기능을 제공합니다.</p>
<ul>
<li><i class="fas fa-check-circle"></i>제목 및 레이블:<br><code>plt.title()</code>, <code>ax.set_title()</code>, <code>plt.xlabel()</code>, <code>ax.set_xlabel()</code> 등으로 플롯과 축에 명확한 설명을 추가합니다. <br>(fontsize, color, loc, pad 등 매개변수 활용)</li>
<li><i class="fas fa-check-circle"></i>범례: <br><code>plt.legend()</code>, <code>ax.legend()</code>로 여러 데이터 시리즈를 식별합니다. (loc, ncol, title 등 매개변수 활용)</li>
<li><i class="fas fa-check-circle"></i>축 제어: <br><code>plt.xlim()</code>, <code>ax.set_xlim()</code>, <code>plt.xticks()</code>, <code>ax.set_xticks()</code> 등으로 데이터 범위와 눈금을 정밀하게 제어합니다. <br><code>matplotlib.ticker</code>를 활용한 고급 제어도 가능합니다.</li>
<li><i class="fas fa-check-circle"></i>스타일 시트 및 rcParams: <br><code>plt.style.use('stylename')</code>로 미리 정의된 스타일을 적용하거나, <code>rcParams</code>를 직접 수정하여 전역적인 플롯 속성(선 너비, 색상 주기 등)을 변경합니다.</li>
</ul>
</div>
<div class="navigation">
<a href="#slide8" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide10" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">9 / 26</div>
</section>
<section class="slide" id="slide10">
<h2 class="content-title"><i class="fas fa-th-large mr-3 text-orange-500"></i>서브플롯 작업</h2>
<div class="content-text">
<p>하나의 Figure 안에 여러 개의 Axes(플롯)를 배열하여 다양한 관점에서 데이터를 비교할 수 있습니다.</p>
<ul>
<li><i class="fas fa-check-circle"></i><code>plt.subplot(nrows, ncols, index)</code>:<br> 개별 서브플롯을 만들고 선택하는 기본적인 방법입니다. Figure 내에서 여러 플롯을 격자 모양으로 배열하는 데 유연성을 제공합니다.</li>
<li><i class="fas fa-check-circle"></i><code>plt.subplots(nrows, ncols)</code>: <br>Figure 객체와 Axes 객체들의 배열(2D NumPy 배열)을 반환합니다. 반환된 배열을 사용하여 개별 서브플롯에 접근하고 플롯하는, 더 Pythonic하고 편리한 방법입니다.</li>
</ul>
<div class="code-block">
<pre><code>fig, axs = plt.subplots(2, 2, figsize=(10, 8)) # 2x2 서브플롯
axs[0, 0].plot(np.random.rand(10), np.random.rand(10), 'o-')
axs[0, 0].set_title('Subplot 1')
axs[0, 1].bar(['A', 'B', 'C'], [5, 7, 3])
axs[0, 1].set_title('Subplot 2')
# axs[1, 0] ... , axs[1, 1] ...
plt.tight_layout() # 서브플롯 간 간격 자동 조절
# plt.show()
</code></pre>
<p class="mt-2 text-sm text-gray-500">* 위 코드는 개념 설명용입니다.</p>
</div>
<div class="navigation">
<a href="#slide9" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide11" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">10 / 26</div>
</section>
<section class="slide" id="slide11">
<h1 class="slide-title"><i class="fas fa-paint-brush mr-4"></i>Seaborn: 통계적 시각화 향상</h1>
<p class="slide-subtitle">Matplotlib을 기반으로 통계적 데이터 표현에 특화된 라이브러리입니다.</p>
<div class="navigation">
<a href="#slide10" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide12" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">11 / 26</div>
</section>
<section class="slide" id="slide12">
<h2 class="content-title"><i class="fas fa-star mr-3 text-yellow-400"></i>Seaborn 소개 및 Matplotlib과의 관계</h2>
<div class="content-text">
<p class="mb-4">Seaborn은 Matplotlib 위에 구축되었으며 통계 플롯 생성을 위한 더 높은 수준의 인터페이스를 제공합니다.<br> 통계적 시각화와 매력적인 기본 설정에 중점을 둡니다.</p>
<ul>
<li><i class="fas fa-lightbulb"></i>Seaborn은 렌더링을 위해 Matplotlib을 사용하며, 사용자는 추가 사용자 정의를 위해 Matplotlib의 기능을 계속 액세스하고 사용할 수 있습니다.</li>
<li><i class="fas fa-lightbulb"></i>통계적 관계(회귀, 분포 등)를 시각화하는 데 최적화된 함수들.</li>
<li><i class="fas fa-lightbulb"></i>Pandas DataFrame과의 뛰어난 호환성.</li>
<li><i class="fas fa-lightbulb"></i>기본적으로 제공되는 미려한 테마와 색상 팔레트 (<code>sns.set_theme()</code>, <code>sns.set_style()</code>, <code>sns.color_palette()</code>, <code>sns.set_palette()</code>).<br>축 스파인을 제거하기 위한 <code>sns.despine()</code>도 유용합니다.</li>
</ul>
</div>
<div class="navigation">
<a href="#slide11" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide13" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">12 / 26</div>
</section>
<section class="slide" id="slide13">
<h2 class="content-title"><i class="fas fa-chart-area mr-3 text-cyan-500"></i>Seaborn 주요 플롯 (1): 분포 및 관계</h2>
<div class="content-text grid grid-cols-1 md:grid-cols-2 gap-6">
<div>
<h3 class="text-xl font-semibold mb-2">분포 플롯</h3>
<ul>
<li><i class="fas fa-chart-bar"></i><b><code>histplot()</code> / <code>displot(kind="hist")</code>:</b> 히스토그램</li>
<li><i class="fas fa-chart-bar"></i><b><code>kdeplot()</code> / <code>displot(kind="kde")</code>:</b> 커널 밀도 추정 플롯</li>
<li><i class="fas fa-chart-bar"></i><b><code>jointplot()</code>:</b> 두 변수 간의 이변량 플롯과 각 변수의 주변 분포</li>
<li><i class="fas fa-chart-bar"></i><b><code>pairplot()</code>:</b> DataFrame의 모든 수치 변수 쌍에 대한 산점도 행렬</li>
</ul>
</div>
<div>
<h3 class="text-xl font-semibold mb-2">관계 플롯</h3>
<ul>
<li><i class="fas fa-chart-bar"></i><b><code>scatterplot()</code> / <code>relplot(kind="scatter")</code>:</b><br> 산점도 (<code>hue</code>, <code>size</code>, <code>style</code> 활용)</li>
<li><i class="fas fa-chart-bar"></i><b><code>lineplot()</code> / <code>relplot(kind="line")</code>:</b><br> 선 플롯 (추세, 오차 막대, <code>hue</code>, <code>style</code> 활용)</li>
</ul>
</div>
</div>
<div class="navigation">
<a href="#slide12" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide14" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">13 / 26</div>
</section>
<section class="slide" id="slide14">
<h2 class="content-title"><i class="fas fa-bars mr-3 text-lime-500"></i>Seaborn 주요 플롯 (2): 범주형 데이터</h2>
<div class="content-text grid grid-cols-1 md:grid-cols-2 gap-6">
<div>
<h3 class="text-xl font-semibold mb-2">범주형 분포 플롯</h3>
<ul>
<li><i class="fas fa-chart-bar"></i><b><code>boxplot()</code> / <code>catplot(kind="box")</code>:</b> 상자 그림</li>
<li><i class="fas fa-chart-bar"></i><b><code>violinplot()</code> / <code>catplot(kind="violin")</code>:</b> 바이올린 플롯</li>
</ul>
</div>
<div>
<h3 class="text-xl font-semibold mb-2">범주형 통계 플롯</h3>
<ul>
<li><i class="fas fa-chart-bar"></i><b><code>barplot()</code> / <code>catplot(kind="bar")</code>:</b> 막대 그림 (평균 등)</li>
<li><i class="fas fa-chart-bar"></i><b><code>countplot()</code> / <code>catplot(kind="count")</code>:</b> 빈도수 막대 그림</li>
</ul>
</div>
</div>
<p class="mt-6 text-xl w-full text-center"><code>catplot()</code>은 범주형 데이터 시각화를 위한 통합 인터페이스입니다.</p>
<div class="navigation">
<a href="#slide13" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide15" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">14 / 26</div>
</section>
<section class="slide" id="slide15">
<h1 class="slide-title"><i class="fas fa-search mr-4"></i>실전! 탐색적 데이터 분석 (EDA)</h1>
<p class="slide-subtitle">Matplotlib과 Seaborn을 활용하여 데이터 속 숨겨진 인사이트를 발견합니다.</p>
<div class="navigation">
<a href="#slide14" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide16" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">15 / 26</div>
</section>
<section class="slide" id="slide16">
<h2 class="content-title"><i class="fas fa-magnifying-glass-chart mr-3 text-red-500"></i>1. 데이터 분포 이해</h2>
<div class="content-text">
<p>단일 변수의 분포를 시각화하여 중심 경향(평균, 중앙값), 산포도(분산, 표준 편차, 범위, IQR) 및 모양(왜도, 첨도, 최빈값)을 식별합니다.</p>
<ul>
<li><i class="fas fa-cogs"></i><b>히스토그램 (<code>plt.hist()</code>, <code>sns.histplot()</code>) 및 KDE 플롯 (<code>sns.kdeplot()</code>):</b><br> 단일 변수의 분포 시각화.</li>
<li><i class="fas fa-cogs"></i><b>상자 그림 (<code>plt.boxplot()</code>, <code>sns.boxplot()</code>):</b><br> 사분위수, 중앙값, 잠재적 이상치를 포함하여 분포 요약.</li>
</ul>
</div>
<div class="navigation">
<a href="#slide15" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide17" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">16 / 26</div>
</section>
<section class="slide" id="slide17">
<h2 class="content-title"><i class="fas fa-link mr-3 text-purple-500"></i>2. 변수 간 관계 탐색</h2>
<div class="content-text">
<p>여러 변수들 사이의 관계를 시각화하여 상관관계, 패턴, 그룹 등을 발견합니다.</p>
<ul>
<li><i class="fas fa-cogs"></i><b>산점도 (<code>plt.scatter()</code>, <code>sns.scatterplot()</code>):</b><br> 두 수치 변수 간의 관계 (상관 관계: 양의/음의/없음, 패턴: 선형/비선형, 이상치) 시각화.</li>
<li><i class="fas fa-cogs"></i><b>히트맵 (<code>plt.imshow()</code>와 상관 행렬, <code>sns.heatmap()</code>):</b><br> 여러 수치 변수 간의 상관 관계 시각화. 색상 강도와 방향이 상관 관계의 강도와 유형을 나타냄.</li>
</ul>
</div>
<div class="navigation">
<a href="#slide16" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide18" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">17 / 26</div>
</section>
<section class="slide" id="slide18">
<h2 class="content-title"><i class="fas fa-tags mr-3 text-green-500"></i>3. 범주형 데이터 분석</h2>
<div class="content-text">
<p>하나 이상의 범주형 변수에서 서로 다른 범주의 빈도를 이해합니다.</p>
<ul>
<li><i class="fas fa-cogs"></i><b>막대 플롯 (<code>plt.bar()</code>, <code>sns.barplot()</code>) 및 개수 플롯 (<code>sns.countplot()</code>):</b><br> 막대 높이를 비교하여 범주 분포를 이해합니다.</li>
</ul>
<p class="mt-4">이전 단계들에서 배운 시각화 기법들을 활용하여 범주별 데이터의 특성을 파악합니다.</p>
</div>
<div class="navigation">
<a href="#slide17" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide19" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">18 / 26</div>
</section>
<!-- === 여기서부터 새로운/수정된 슬라이드 === -->
<section class="slide" id="slide19">
<h2 class="content-title"><i class="fas fa-vials mr-3 text-indigo-500"></i>4. EDA 실제 사례 연구: 샘플 데이터셋 활용</h2>
<div class="content-text">
<p>이론을 실제 데이터에 적용해보는 것은 매우 중요합니다.<br>여기서는 잘 알려진 샘플 데이터셋을 사용하여 Matplotlib과 Seaborn을 활용한 EDA 과정을 살펴보겠습니다.</p>
<ul class="mt-4">
<li><i class="fas fa-database"></i><b>'tips.csv':</b> 레스토랑 지불 데이터 (팁, 총액, 성별, 흡연여부, 요일, 시간, 인원수).</li>
<li><i class="fas fa-leaf"></i><b>'Iris':</b> 붓꽃 데이터 (꽃받침/꽃잎의 길이/너비, 붓꽃 품종).</li>
<li><i class="fas fa-chart-line"></i><b>'DJIA' (Dow Jones Industrial Average):</b> 주가 데이터 (시계열 데이터 예시로 활용 가능).</li>
</ul>
<p class="mt-4">각 데이터셋의 특성에 맞춰 다양한 질문을 던지고, 시각화를 통해 답을 찾아가는 과정을 보여드리겠습니다.</p>
</div>
<div class="navigation">
<a href="#slide18" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide20" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">19 / 26</div>
</section>
<section class="slide" id="slide20">
<h2 class="content-title"><i class="fas fa-utensils mr-3 text-orange-500"></i>사례 연구 1: `tips` 데이터셋 분석</h2>
<div class="content-text">
<p><b>데이터셋 개요:</b> 레스토랑에서 손님들이 지불한 금액, 팁, 성별, 흡연 여부, 요일, 시간, 일행 수 등의 정보를 담고 있습니다.</p>
<p class="mt-3"><b>탐색 질문 예시:</b></p>
<ul>
<li><i class="fas fa-question"></i>총 식사 금액과 팁은 어떤 관계가 있을까? (<code>sns.scatterplot</code>, <code>sns.lmplot</code>)</li>
<li><i class="fas fa-question"></i>요일별, 시간대별 팁의 분포는 어떻게 다를까? (<code>sns.boxplot</code>, <code>sns.violinplot</code>)</li>
<li><i class="fas fa-question"></i>흡연자와 비흡연자의 팁 지불 경향에 차이가 있을까? (<code>sns.barplot</code>, <code>sns.stripplot</code>)</li>
</ul>
<p class="mt-3"><b>시각화 코드 (개념):</b></p>
<div class="code-block">
<pre><code>import seaborn as sns
import matplotlib.pyplot as plt
# tips = sns.load_dataset('tips') # 데이터 로드
# 예시 1: 식사 금액과 팁의 관계 (흡연 여부별)
# sns.scatterplot(data=tips, x="total_bill", y="tip", hue="smoker")
# plt.title("Total Bill vs Tip (by Smoker)")
# 예시 2: 요일별 팁 분포
# sns.boxplot(data=tips, x="day", y="tip")
# plt.title("Tip Distribution by Day")
</code></pre>
<p class="mt-1 text-sm text-gray-500">* 위 코드는 실제 시각화 생성 시 사용되는 함수 예시입니다.</p>
<p class="mt-2">이러한 시각화를 통해 팁의 크기가 식사 금액에 비례하는 경향, 특정 요일이나 시간대에 팁이 더 많거나 적은 패턴, 흡연 여부가 팁에 미치는 영향 등을 파악할 수 있습니다.</p>
</div>
<div class="navigation">
<a href="#slide19" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide21" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">20 / 26</div>
</section>
<section class="slide" id="slide21">
<h2 class="content-title"><i class="fas fa-seedling mr-3 text-green-500"></i>사례 연구 2: `Iris` 데이터셋 분석</h2>
<div class="content-text">
<p><b>데이터셋 개요:</b> 세 가지 붓꽃 품종(Setosa, Versicolor, Virginica)에 대한 꽃받침(sepal)과 꽃잎(petal)의 길이 및 너비 측정값을 포함합니다.</p>
<p class="mt-3"><b>탐색 질문 예시:</b></p>
<ul>
<li><i class="fas fa-question"></i>각 붓꽃 품종별로 꽃의 특징(길이, 너비) 분포는 어떻게 다른가? (<code>sns.boxplot</code>, <code>sns.violinplot</code>)</li>
<li><i class="fas fa-question"></i>꽃받침 길이와 너비, 꽃잎 길이와 너비 간에는 어떤 관계가 있으며, 품종별로 차이가 있는가? (<code>sns.pairplot</code>, <code>sns.scatterplot</code>)</li>
</ul>
<p class="mt-3"><b>시각화 코드 (개념):</b></p>
<div class="code-block">
<pre><code>import seaborn as sns
import matplotlib.pyplot as plt
# iris = sns.load_dataset('iris') # 데이터 로드
# 예시 1: 전체 변수 간 관계 및 품종별 분포
# sns.pairplot(data=iris, hue="species")
# plt.suptitle("Pair Plot of Iris Dataset by Species", y=1.02)
# 예시 2: 품종별 꽃잎 너비 분포
# sns.violinplot(data=iris, x="species", y="petal_width")
# plt.title("Petal Width Distribution by Species")
</code></pre>
<p class="mt-1 text-sm text-gray-500">* 위 코드는 실제 시각화 생성 시 사용되는 함수 예시입니다.</p>
<p class="mt-2"><code>pairplot</code>을 통해 모든 특징들 간의 관계를 한눈에 볼 수 있고, 특정 특징(예: 꽃잎 너비)이 품종을 구분하는 데 얼마나 유용한지 시각적으로 확인할 수 있습니다.</p>
</div>
<div class="navigation">
<a href="#slide20" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide22" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">21 / 26</div>
</section>
<section class="slide" id="slide22">
<h2 class="content-title"><i class="fas fa-clipboard-check mr-3 text-blue-500"></i>EDA 사례 연구 요약 및 다음 단계</h2>
<div class="content-text">
<p>지금까지 `tips`와 `Iris` 데이터셋을 통해 EDA 과정을 간략히 살펴보았습니다.</p>
<ul>
<li><i class="fas fa-lightbulb"></i>실제 데이터셋에 다양한 시각화 기법을 적용함으로써, 데이터의 구조, 패턴, 이상치, 변수 간 관계 등을 더 깊이 이해할 수 있습니다.</li>
<li><i class="fas fa-lightbulb"></i>질문을 정의하고, 그에 맞는 적절한 플롯을 선택하여 시각화하고, 결과를 해석하는 반복적인 과정이 EDA의 핵심입니다.</li>
<li><i class="fas fa-lightbulb"></i>Matplotlib과 Seaborn은 이러한 탐색적 분석을 효과적으로 수행할 수 있도록 강력한 도구를 제공합니다.</li>
</ul>
<p class="mt-4">이제 데이터 시각화를 더욱 효과적으로 만들고, 다양한 상황에 대처하기 위한<br><b>고급 주제 및 유용한 팁</b>들을 알아보겠습니다.</p>
</div>
<div class="navigation">
<a href="#slide21" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide23" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">22 / 26</div>
</section>
<!-- Slide 23: Advanced - Section Intro (기존 slide19 내용) -->
<section class="slide" id="slide23">
<h1 class="slide-title"><i class="fas fa-rocket mr-4"></i>고급 주제 및 팁</h1>
<p class="slide-subtitle">효과적인 시각화를 위한 추가 전략과 유용한 기능들을 알아봅니다.</p>
<div class="navigation">
<a href="#slide22" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide24" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">23 / 26</div>
</section>
<!-- Slide 24: Advanced Tips (기존 slide20 내용) -->
<section class="slide" id="slide24">
<h2 class="content-title"><i class="fas fa-lightbulb mr-3 text-orange-400"></i>다양한 데이터 유형 작업 및 프레젠테이션 팁</h2>
<div class="content-text">
<ul>
<li><i class="fas fa-check-circle"></i><b>시계열 데이터:</b><br> Matplotlib 및 Seaborn을 사용하여 시계열 데이터를 플로팅하는 방법을 간략하게 논의하고<br>적절한 인덱싱 및 날짜/시간 정보 형식 지정의 중요성을 언급합니다.</li>
<li><i class="fas fa-check-circle"></i><b>범주형 데이터:</b><br> 범주형 데이터를 플로팅하는 방법을 간략하게 논의하고<br>막대 플롯, 개수 플롯 및 상자 그림과 같은 적절한 플롯 유형 사용을 강조합니다.</li>
<li><i class="fas fa-check-circle"></i><b>플롯에 주석 달기 및 텍스트 추가:</b><br> <code>plt.annotate()</code> 또는 <code>ax.annotate()</code>를 사용하여 특정 데이터 점 또는 관심 영역을 강조 표시하기 위해<br>주석(선택적 화살표가 있는 텍스트 레이블)을 추가하는 방법을 설명합니다.</li>
<li><i class="fas fa-check-circle"></i><b>다양한 형식으로 플롯 저장 및 내보내기:</b><br> <code>plt.savefig()</code> 또는 <code>fig.savefig()</code>를 사용하여 플롯을 파일(예: PNG, JPG, PDF, SVG)에 저장하는 방법을 설명하고<br>다양한 형식의 장단점을 논의합니다.</li>
<li><i class="fas fa-check-circle"></i><b>프레젠테이션을 위한 효과적이고 유익한 시각화 생성 팁:</b><br> 간결하게 유지, 명확하고 간결한 레이블 및 제목 사용, 적절한 색상 및 글꼴 선택,<br>핵심 메시지에 집중 등 플롯 디자인에 대한 일반적인 지침을 제공합니다.</li>
</ul>
</div>
<div class="navigation">
<a href="#slide23" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide25" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">24 / 26</div>
</section>
<!-- Slide 25: Conclusion (기존 slide21 내용) -->
<section class="slide" id="slide25">
<h1 class="slide-title"><i class="fas fa-flag-checkered mr-4"></i>결론</h1>
<div class="content-text text-center text-xl md:text-2xl">
<p class="mb-6">본 보고서에서 다룬 Matplotlib과 Seaborn의 주요 개념과 기능을 요약합니다.<br>이러한 라이브러리의 공식 문서 및 기타 리소스를 통해 제공되는 광범위한 기능을<br>지속적으로 학습하고 더 탐색하는 것의 중요성을 강조합니다.</p>
<p class="mb-6">공식 Matplotlib 및 Seaborn 웹사이트, 예시 갤러리, 튜토리얼 및 커뮤니티 포럼과 같은<br>고급 학습을 위한 추가 리소스를 제공합니다.</p>
<p class="font-semibold">여러분의 데이터 시각화 여정을 응원합니다!</p>
</div>
<div class="navigation">
<a href="#slide24" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide26" class="nav-button">다음 <i class="fas fa-arrow-right ml-2"></i></a>
</div>
<div class="slide-counter">25 / 26</div>
</section>
<!-- Slide 26: Q&A and Thank You (기존 slide22 내용) -->
<section class="slide" id="slide26">
<h1 class="slide-title"><i class="fas fa-comments mr-4"></i>질의응답</h1>
<p class="slide-subtitle mb-12">궁금한 점이 있다면 편하게 질문해주세요.</p>
<p class="text-6xl font-bold">감사합니다!</p>
<i class="far fa-smile-beam text-8xl mt-10 text-yellow-400"></i>
<div class="navigation">
<a href="#slide25" class="nav-button"><i class="fas fa-arrow-left mr-2"></i> 이전</a>
<a href="#slide1" class="nav-button"><i class="fas fa-home mr-2"></i> 처음으로</a>
</div>
<div class="slide-counter">26 / 26</div>
</section>
</div>
<script>
// 페이지 로드 시 URL에 해시가 없으면 첫 번째 슬라이드로 이동
window.addEventListener('DOMContentLoaded', (event) => {
if (!window.location.hash) {
window.location.hash = '#slide1';
}
});
</script>
</body>
</html>