데이터 시각화 방법
IT 위키
더 많은 작업
- Data Visualization Methods; 시각화 방법, 시각화 유형
- 보여 주려는 정보의 성격에 따라 시간·분포·관계·비교·공간 시각화로 나누어 알맞은 그래프를 고르는 방법
ADP 필기 5과목의 주요항목 '시각화 디자인' 아래에 세부항목 '시각화 방법'이 있다. ADP 교재(데이터분석 전문가 가이드)와 빅데이터분석기사 수험 교재는 시각화 유형을 시간 시각화, 분포 시각화, 관계 시각화, 비교 시각화, 공간 시각화의 다섯 가지로 나누고, 여기에 정보를 이야기 형태로 전달하는 인포그래픽을 함께 다룬다. 이 다섯 유형 분류는 국제 표준이 아니라 국내 수험 교재의 분류이므로, 같은 그래프(예: 히스토그램)가 교재에 따라 다른 유형에 놓이기도 한다. 이 문서는 문제에서 자주 묻는 교재 분류를 따른다.
| 유형 | 보여 주는 것 | 대표 그래프 |
|---|---|---|
| 시간 시각화 | 시간에 따른 값의 변화, 추세, 계절성 | 막대 그래프, 누적 막대 그래프, 점 그래프, 선 그래프(시계열 그래프) |
| 분포 시각화 | 전체에서 각 부분이 차지하는 비율, 구성 | 파이 차트, 도넛 차트, 트리맵, 누적 연속 그래프(누적 영역 그래프) |
| 관계 시각화 | 변수 사이의 상관관계, 값의 분포 | 산점도, 산점도 행렬, 버블 차트, 히스토그램 |
| 비교 시각화 | 여러 변수를 가진 대상들을 서로 비교 | 히트맵, 스타 차트(레이더 차트), 체르노프 페이스, 평행 좌표 그래프, 다차원 척도법 |
| 공간 시각화 | 지리적 위치에 따른 값의 분포 | 지도 매핑, 코로플레스 지도(단계 구분도), 버블 지도 |
가로축에 시간을 두고 값의 변화를 보여 준다. 시간 데이터는 특정 시점의 값인 이산형(예: 월별 매출)과 끊김 없이 이어지는 연속형(예: 기온)으로 나뉘며, 이산형은 막대·점, 연속형은 선 그래프가 어울린다.
| 그래프 | 설명 |
|---|---|
| 막대 그래프 | 시점별 값을 막대 길이로 표시한다. 세로축은 0에서 시작해야 길이 비교가 왜곡되지 않는다 |
| 누적 막대 그래프 | 한 막대를 여러 항목으로 쌓아 전체 합계와 구성의 변화를 함께 보여 준다 |
| 점 그래프 | 막대 대신 점으로 값을 표시한다. 세로축이 0에서 시작하지 않아도 된다 |
| 선 그래프 | 점을 선으로 이어 추세를 보여 준다. 연속적인 변화와 계절 패턴 확인에 알맞다 |
전체에 대한 부분의 비율(구성비)을 보여 준다. 여기서 '분포'는 확률 분포가 아니라 전체 안에서 나누어진 몫을 뜻한다.
| 그래프 | 설명 |
|---|---|
| 파이 차트 | 원을 부채꼴로 나누어 비율을 각도와 넓이로 표시한다. 항목이 많거나 비율이 비슷하면 비교가 어렵다 |
| 도넛 차트 | 파이 차트의 가운데를 비운 형태. 가운데에 합계나 제목을 넣을 수 있다 |
| 트리맵 | 사각형을 계층에 따라 반복 분할하고 넓이로 크기를 나타낸다. 계층 구조와 비율을 함께 보여 준다 |
| 누적 연속 그래프 | 시간에 따른 여러 항목의 구성비를 영역으로 쌓아 표시한다(누적 영역 그래프) |
두 개 이상 변수 사이의 관계와 값이 퍼진 모양을 보여 준다.
| 그래프 | 설명 |
|---|---|
| 산점도 | 두 연속형 변수를 가로·세로축에 두고 점을 찍는다. 상관관계 방향과 강도, 이상값을 본다 |
| 산점도 행렬 | 여러 변수의 모든 쌍에 대해 산점도를 격자로 배치한다 |
| 버블 차트 | 산점도에 점(원)의 크기로 세 번째 변수를 더한다. 넓이로 값을 표현해야 크기가 과장되지 않는다 |
| 히스토그램 | 한 연속형 변수를 구간으로 나누어 도수를 막대로 표시한다. 막대 사이에 간격이 없고 구간 폭에 따라 모양이 달라진다 |
여러 변수(다변량)를 가진 대상을 한 화면에서 비교한다.
| 그래프 | 설명 |
|---|---|
| 히트맵 | 행(대상)과 열(변수)로 된 표의 각 칸 값을 색의 진하기로 표시한다. 상관행렬 표시에도 쓰인다 |
| 스타 차트(레이더 차트, 방사형 차트) | 가운데에서 변수 수만큼 축을 방사형으로 뻗고 각 축의 값을 이어 다각형으로 그린다. 대상마다 별 모양 하나를 그려 비교한다 |
| 체르노프 페이스 | 각 변수를 얼굴의 눈 크기, 코 길이, 입 모양 등에 대응시켜 대상마다 얼굴 하나를 그린다. Chernoff(1973)가 제안했다 |
| 평행 좌표 그래프 | 변수마다 세로축을 나란히 세우고, 한 대상의 값들을 꺾은선으로 잇는다. 변수가 많아도 그릴 수 있고 집단별 패턴을 찾기 좋다. Inselberg(1985)가 체계화했다 |
| 다차원 척도법 | 대상 사이의 거리(비유사성)를 최대한 보존하도록 2차원 평면에 배치해 가까운 대상과 먼 대상을 보여 준다 |
지도 위에 데이터를 표시해 지역 간 차이와 공간적 패턴을 보여 준다.
- 지도 매핑: 위치(위도·경도)에 점이나 기호를 찍는다. 점의 크기로 값을 나타내면 버블 지도가 된다.
- 코로플레스 지도(choropleth map, 단계 구분도): 시·도, 시·군·구 같은 행정 구역을 값에 따라 다른 색이나 명도로 칠한다. 면적이 큰 지역이 시각적으로 강조되므로, 인구처럼 크기에 따라 커지는 총량보다 비율·밀도 같은 값을 칠하는 것이 바람직하다.
- 그 밖에 등치선도, 지역 크기를 값에 비례해 바꾸는 카토그램(cartogram) 등이 있다.
인포그래픽(infographic)은 information과 graphic을 합친 말로, 정보·데이터·지식을 그림, 아이콘, 차트, 짧은 글과 결합해 한 장의 이야기로 전달하는 시각화이다. 분석가가 데이터를 탐색하는 그래프와 달리, 일반 대중에게 핵심 메시지를 빠르게 전하는 것이 목적이다. 지도형, 도표형, 스토리텔링형, 타임라인형, 비교 분석형 등으로 나누기도 한다.
| 그래프 | R | Python |
|---|---|---|
| 막대·선 그래프 | barplot(), plot(type = "l") | matplotlib bar(), plot() |
| 파이 차트 | pie() | matplotlib pie() |
| 트리맵 | treemap 패키지 treemap() | squarify 등 외부 패키지 |
| 산점도·산점도 행렬 | plot(), pairs() | matplotlib scatter(), pandas.plotting.scatter_matrix() |
| 버블 차트 | symbols(), ggplot2 geom_point(aes(size = )) | scatter(s = ) |
| 히스토그램 | hist() | matplotlib hist() |
| 히트맵 | heatmap() | matplotlib imshow() |
| 스타 차트 | stars() | 극좌표 축(polar) 위에 plot() |
| 체르노프 페이스 | aplpack 패키지 faces() | 표준 함수 없음 |
| 평행 좌표 그래프 | MASS 패키지 parcoord() | pandas.plotting.parallel_coordinates() |
| 다차원 척도법 | cmdscale() | sklearn.manifold.MDS |
- ggplot2를 쓰면 대부분의 그래프를 같은 문법으로 그릴 수 있다. ggplot2 참고
- 그래프를 주고 다섯 유형 가운데 어디에 속하는지 묻는 문제가 많다. 특히 히스토그램·버블 차트는 관계 시각화, 트리맵·파이 차트는 분포 시각화, 체르노프 페이스·스타 차트·평행 좌표 그래프는 비교 시각화라는 교재 분류를 기억한다.
- 분포 시각화의 '분포'는 전체에 대한 부분의 비율이라는 뜻이다.
- 체르노프 페이스는 변수를 얼굴 특징에, 스타 차트는 방사형 축에 대응시킨다는 차이를 구분한다.
- 코로플레스 지도는 구역을 색으로 칠하는 공간 시각화이며, 면적 효과로 인한 왜곡에 주의한다.
- 한국데이터산업진흥원 데이터자격검정 - ADP 시험과목 및 출제기준
- Chernoff, H. (1973). The Use of Faces to Represent Points in k-Dimensional Space Graphically. Journal of the American Statistical Association, 68(342), 361–368. doi:10.1080/01621459.1973.10482434
- Inselberg, A. (1985). The plane with parallel coordinates. The Visual Computer, 1(2), 69–91. doi:10.1007/BF01898350
- Cleveland, W. S., McGill, R. (1984). Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods. Journal of the American Statistical Association, 79(387), 531–554. doi:10.1080/01621459.1984.10478080