220330 데이터 시각화(Matplotlib) TIL

이번 포스팅에서는 Matplotlib에 대해서 학습한 내용에 대해서 작성해보려고 한다.

Matplotlib

우선 matplotlib를 어떻게 가져와서 사용하는지에 대해서 알아보자.
우선 가장 기본적인 형태의 그래프를 Matplotlib 라이브러리를 사용해서 그려보려고 한다.

import matplotlib.pyplot as plt
import pandas as pd

investment_df = pd.read_csv('crypto_daily_prices.csv')
investment_df

# matplotlib을 사용해서 Pandas DataFrame의 data를 시각화하기
investment_df.plot(x = 'Date', y = 'BTC-USD Price', label = 'Bitcoin Price', linewidth = 3, figsize = (14, 6))
plt.ylabel('Price [$]')
plt.xlabel('Date')
plt.title('가상화폐 시각화 실습 (matplotlib)')

# 기본 범례 위치 변경해보기
plt.legend(loc = 'upper right')
# 그리드 그려주기
plt.grid()

MINI CHALLENGE #1 Ethereum 가격 정보에 해당하는 부분만 matplotlib를 사용해서 그래프로 표현해보기

새로운 조건 : 그래프의 선 색상을 파란색(default)에서 빨간색으로 변경해보고, 범례의 위치는 최 우측 상단에 배치하며, 선의 두께는 4로 한다.

import matplotlib.pyplot as plt
import pandas as pd

investment_df = pd.read_csv('crypto_daily_prices.csv')
investment_df

investment_df.plot(x = 'Date', y = 'ETH-USD Price', label = 'ETH Priced', linewidth = 4, color = 'r', figsize = (14, 6))

plt.ylabel('Price [$]')
plt.xlabel('Date')
plt.title('ETH-USD Price Matplotlib graph')
plt.legend(loc = 'upper right')

Yahoo finance 데이터 활용하기

야후 파이낸스 라이브러리를 설치

!pip install yfinance
import yfinance as yf

# 가져오고자하는 정보에 대한 항목 리스트를 작성한다.
investments_list = ['BTC-USD']

# 시작과 끝 날짜 변수를 선언한다.
start = datetime.datetime(2010, 1, 1)
end = datetime.datetime(2021, 5, 16)

# 위에서 선언한 변수를 인수로 넣어 야후 파이넨스로부터 데이터를 다운받는다.
df = yf.download(investments_list, start = start, end = end)
df

날짜별 시가와 고가, 저가, 종가, 조정된 종가 등의 정보들을 확인 할 수 있다.
마지막 Volume은 일일 거래 양이다.

MINI CHALLENGE #2 Ethereum data를 야후 파이낸스에서 다운받아서 출력해보고, BTC, ETH 그리고 LTC 코인에 대한 정보도 야후 파이낸스에서 다운받아서 출력해보자.

# 출력 1) Ethereum data를 야후 파이낸스에서 다운받아서 출력
investments_list = ['BTC-USD']
start = datetime.datetime(2010, 1, 1)
end = datetime.datetime(2022, 3, 30)

df = yf.download(investments_list, start = start, end = end)
df

# 출력 2) BTC, ETH 그리고 LTC 코인에 대한 정보도 야후 파이낸스에서 다운받아서 출력
investments_list = ['BTC-USD','ETH-USD','LTC-USD']
start = datetime.datetime(2010, 1, 1)
end = datetime.datetime(2022, 3, 30)

df = yf.download(investments_list, start = start, end = end)
df

다중 플롯(Multiple plots) 구현하기

처음 matplotlib로 간단한 그래프를 그렸을 때, df.plot()의 인수로 x축 데이터 명, y축 데이터 명, linewidth, figsize를 정의해줬다. 여기서 다중 플롯을 구현해주기 위해서는 인수 중에서 y를 문자열인 단일 인수가 아닌 배열의 형태로 넘겨주면 된다.

investment_df.plot(x = 'Date', y = ['BTC-USD Price', 'ETH-USD Price'], linewidth = 3, figsize = (14, 6))
plt.ylabel('Price')
plt.title('Crypto Prices')
plt.grid()

여러 개의 그래프를 하나의 그림에 표현하기 (subplot() 함수 활용)

investment_df.plot(x = 'Date', title = 'Crypto Prices', subplots = True, grid = True, figsize = (15, 25))

그럼 subplots 인수의 값을 False로 하면 어떻게 될까?
실행하기 전에 내 예상은 일단 y축 데이터에 대한 데이터를 특정하지 않았기 때문에 모든 코인에 대해서 한 그래프에 표시가 되지 않을까? 마치 다중 플롯(Multiple plots)처럼..
실행해보니, figsize의 y축 높이를 길게 잡아서 그런지 좀 길죽하게 나오긴 했어도 예상했던 것처럼 다중 플롯의 형태로 세 개의 코인 정보가 하나의 그래프에 모두 표시됨을 확인할 수 있었다.
(y = [...all args...]) == (~y and subplots == False)

산점도(SCATTERPLOT)

산점도 구상하기 연습의 일환으로 비트코인과 이더리움 사이의 산점도를 구상해보자.

# 비트코인과 이더리움의 날짜별 수익
# 비트코인과 이더리움의 수익에 대한 정보가 점으로 표시
# 각 점들은 다양한 날짜나 행들을 가르킨다.
daily_return_df.plot.scatter('BTC', 'ETH', grid = True, figsize = (12, 7))

PI CHART

각기 다른 비율로 투자한 금액을 원 모양으로 각 각 다르게 할당해서 표현

# 각 각의 가상화폐를 각기 다른 비율로 투자
my_dict = {'allocation %': [20, 55, 5, 17, 3]}
crypto_df = pd.DataFrame(data = my_dict, index = ['BTC', 'ETH', 'LTC', 'XRP', 'ADA'])

crypto_df.plot.pie(y = 'allocation %', figsize = (8, 8))
plt.title('Crypto Portfolio Pie Chart')

MINI CHALLENGE #3 투자 비율을 XRP(리플)을 60%, 나머지 코인에 대해서 각 각 10%씩 배당하여 원 그래프를 수정하자. 그리고 explode 메소드를 사용해서 XRP와 다른 코인들 간의 분리를 더 도드라지게 만들어보자.

alloc = {'allocation %': [60, 10, 10, 10, 10]}
explo = [0.10, 0, 0, 0, 0]
crypto_df = pd.DataFrame(data = alloc, index = ['XRP', 'BTC', 'ETH', 'LTC','ADA'])

crypto_df.plot.pie(y = 'allocation %', figsize = (8, 8), explode=explo)
plt.title('Crypto Portfolio Pie Chart')

히스토그램(HISTOGRAMS)

히스토그램은 기본적으로 데이터를 대변해주는 역할을 한다. 다양한 높이들의 바(bars)가 사용되고, 각 각의 바 그룹 숫자들은 특정 범위 안에 들어간다.

표준편차 : 자료가 평균을 중심으로 얼마나 퍼져있는지를 나타낸다.

# 평균
avg = daily_return_df['BTC'].mean()
# 표준편차
sigma = daily_return_df['BTC'].std()

# plot의 figsize 정의
plt.figure(figsize = (20, 15))
#
daily_return_df['BTC'].plot.hist(bins = 50) # bins에는 원하는 칸의 수를 입력해서 한 칸의 크기를 조절할 수 있다.
# bins 속성과 함께 alpha 속성으로 0.5(최대값 1) 값을 넣어서 색을 흐리게도 할 수 있다.
daily_return_df['BTC'].plot.hist(bins = 50, alpha = 0.5)
plt.title('Histogram: mu=' + str(mu) + ', sigma=' + str(sigma))

아래 히스토그램 그래프를 통해 비트코인은 위험도가 높은 투자라는 것을 보여준다.
평균적이지는 않지만, 하루에 20~25%의 수익을 내는 경우도 있으며, 그 이상의 수익을 내는 경우도 있다.
하지만 수익이 2% 이하로 떨어지는 경우가 많은 것을 알 수 있다.

MINI CHALLENGE #4 ETH에 대한 히스토그램을 bins=30, 색상은 빨간색으로 해서 출력해보기

plt.figure(figsize = [20, 15])
daily_return_df['ETH'].plot.hist(bins = 30, color='r')

이더리움과 비트코인은 연관성이 있다. 비트코인이 떨어졌을 때, 이더리움도 같이 가격이 떨어짐을 알 수 있었다.