Plotly 기본 사용 연습

본 글은 kaggle 의 ‘2021 Kaggle Machine Learning & Data Science Survey’ 시각화 대회의 데이터를 이용하였습니다. KASHISH RASTOGI 님의 2021 Kaggle Gender Survey Analysis를 토대로 코드를 분석 하며 공부하였습니다.

사전 준비

import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
import plotly.express as px
from plotly.subplots import make_subplots
import plotly.figure_factory as ff
import plotly.offline as offline
import plotly.graph_objs as go
offline.init_notebook_mode(connected = True)
import plotly.io as pio
pio.renderers.default = 'colab'

데이터 파일 분류

우선 Pandas의 read-csv 함수를 통해 데이터를 df 객체로 로딩한다.
질문 부분에 해당하는 0번 인덱스 데이터를 따로 qusetion 객체로 복사한다.
그리고 응답에 해당하는 1번 인덱스 이후 모든 행을 df 객체로 초기화 시켜준다.
iloc[] 뒤에 붙는 T는 ‘Transposed Data Frame’ 란 의미로 행과 열을 바꾸는 기능을 한다.

low_memory 참고 : https://ahnty0122.tistory.com/99

df = pd.read_csv('kaggle_survey_2021_responses.csv',low_memory=False)
# low_memory=False 는 여러 type의 데이터가 섞여 있을 때 나오는 오류를 방지해주는 기능
questions = df.iloc[0, :].T
df = df.iloc[1:, :]

Highest Level of Education: Gender

데이터 정리

df_q2_q4 = df[df['Q2']!='ETC'][['Q2','Q4']] # ETC로 제외할 필요 없음
#df_q2_q4 = df[0:][['Q2','Q4']]
df_q2_q4

	Q2	Q4
1	Man	Bachelor’s degree
2	Man	Master’s degree
3	Man	Master’s degree
4	Man	Doctoral degree
5	Man	Doctoral degree
...	...	...
6157	Man	Master’s degree
6158	Man	Bachelor’s degree
6159	Prefer not to say	Master’s degree
6160	Woman	Master’s degree
6161	Man	Doctoral degree

6161 rows × 2 columns

위 코드를 통해 Q2의 성별에 대한 질문에 ETC라고 응답한 행을 제외한 데이터 프레임(df[df[‘Q2’]!=’ETC’]) 중에서 Q2,Q4(학위에 대한 질문)열에 해당하는 데이터([[‘Q2’,’Q4’]])를 추출하여 저장한다.

df_q2_q4 = pd.crosstab(df_q2_q4.Q2, df_q2_q4.Q4)
df_q2_q4

Q4	Bachelor’s degree	Doctoral degree	I prefer not to answer	Master’s degree	No formal education past high school	Professional doctorate	Some college/university study without earning a bachelor’s degree
Q2
Man	1950	521	114	1886	79	57	323
Nonbinary	11	2	0	7	1	1	2
Prefer not to say	20	11	5	21	3	2	5
Prefer to self-describe	5	0	0	2	0	0	1
Woman	412	134	29	470	12	15	60

pd.crosstab(X,Y) 함수를 통해 X의 값이 행의 인덱스가 되고 Y의 값이 columm이 된다. 이를 통해 빈도수를 계산하여 dataFrame을 바꾸는 함수이다.
참고 : https://3months.tistory.com/194

df_q2_q4 = pd.crosstab(df_q2_q4.Q2, df_q2_q4.Q4).T.reset_index()
df_q2_q4

Q2	Q4	Man	Nonbinary	Prefer not to say	Prefer to self-describe	Woman
0	Bachelor’s degree	1950	11	20	5	412
1	Doctoral degree	521	2	11	0	134
2	I prefer not to answer	114	0	5	0	29
3	Master’s degree	1886	7	21	2	470
4	No formal education past high school	79	1	3	0	12
5	Professional doctorate	57	1	2	0	15
6	Some college/university study without earning ...	323	2	5	1	60

Transposed Data Frame 을 통해 행과 열을 바꾸고 reset_index()로 인덱스 넘버를 추가한다.

fig = make_subplots(specs=[[{"type": "scatter"}]])
fig.add_trace(go.Scatter(x=df_q2_q4['Man'], y=df_q2_q4['Q4'], mode = 'markers', name='Man',
                          marker=dict(color='#496595', size = 10),
             ))
fig.add_trace(go.Scatter(x=df_q2_q4['Woman'], y=df_q2_q4['Q4'], mode = 'markers', name='Woman',
                         marker=dict(color='#f36196', size = 10),
            ))
fig

from google.colab import drive
drive.mount('/content/drive')

figure 객체를 만들어준 후 빈 캔버스에 add_trace()함수를 통해 Scatter형식의 데이터 포인트를 입력해준다.
mode = ‘markers’점만 찍는 형식의 산점도 그래프를 의미한다. 그리고 makers의 설정은 딕셔너리 형태의 값으로 색상이나 사이즈를 입력한다.

for i in range(0, len(df_q2_q4)):
    fig.add_shape(type='line',
                              x0 = df_q2_q4['Man'][i],
                              y0 = i,
                              x1 = df_q2_q4['Woman'][i],
                              y1 = i,
                              line=dict(color='#c6ccd8', width = 2))

add_shape()함수로 선을 추가해준다. x0,y0 의 지점과 x1,y1의 지점을 잇는 선을 그어준다.

fig.update_xaxes(showgrid=False)# 캔버스의 세로 격자 무늬를 지운다.
fig.update_yaxes(tickmode='array', 
                 tickvals=["Some college/university study without earning a bachelor’s degree",
                           "Professional doctorate",
                           "No formal education past high school",
                           "Master’s degree","I prefer not to answer","Doctoral degree",
                           "Bachelor’s degree"],
                 ticktext=["Without Bachelor's Degree","Professional doctorate",
                           "No formal education past high school",
                           "Master’s degree","I prefer not to answer","Doctoral degree",
                           "Bachelor’s degree"])# 기존에 너무 길었던 첫번째 항목의 제목을 바꾼다.
fig.update_layout(height=350, 
                  margin=dict(b=0,r=20,l=20), # 각각 bottom right left를 의미
                  title_text="Highest Level of Education: Gender",#제목
                  template="plotly_white",
                  title_font=dict(size=25, color='#444', family="Lato, sans-serif"), #폰트 설정
                  font=dict(color='#8a8d93'),
                  hoverlabel=dict(bgcolor="#f2f2f2", font_size=13, font_family="Lato, sans-serif"), # 그래프 위에 마우스를 올려놨을 때 나오는 hoverlabel설명 설정
                  legend=dict(orientation="h", yanchor="bottom", y=1, xanchor="center", x=0.5))
fig.show()