(Data Viz) 인터랙티브 시각화

이 색깔은 주석이라 무시하셔도 됩니다.

Interactive Visualization

Interactive를 사용하는 이유

정적 시각화의 단점

• 정형 데이터에서 Feature가 10개 있다면
  • 각각을 살펴보는데 10개의 plot이 필요
  • 각각의 관계를 살펴보는데 10 * 9 /2 = 45개의 plot이 필요
  • 가볍게 살펴보는 것도 약 50개의 plot이 필요
  • 공간적 낭비가 크다!
• 각각의 사용자는 원하는 인사이트가 다를 수 있다.
  • 필요한 인터랙션을 통해 원하는 정보를 얻을 수도 있다.
  • 물론 설득을 위해서 원하는 메시지를 압축해서 담는 것은 정적 시각화의 장점

인터랙티브의 종류

• 이론에서는…
  • Select
    • mark something as interesting
  • Explore
    • show me something else
  • Reconfigure
    • show me a different arrangement
  • Encode
    • show me a different representation
  • Abstract
    • show me mor or less detail
  • Filter
    • show me something conditionally
  • Connect
    • show me related items

라이브러리 소개

• 대표 라이브러리 3개
  • Plotly
  • Bokeh
  • Altair
• 문법과 제공하는 방법들이 차이가 있음
  • 원하는 라이브러리를 선택!

Interactive Viz Library

Matplotlib

• Matplotlib도 인터랙티브를 제공
• 단, 주피터 노트북 환경 또는 Local에서만 실행할 수 있음
  • 다른 라이브러리들은 웹에 deploy 가능
  • mpld3를 사용하면 웹에서 D3-based Viewer 제공

Plotly

• 인터랙티브 시각화에 가장 많이 사용되는 Plotly
  • Python 뿐만이 아니라 R, JS에서도 제공
• 예시 + 문서화가 잘되어 있음
• 통계 시각화 외에도 지리 시각화 + 3D 시각화 + 금융 시각화 등 다양한 시각화 기능 제공
• Js 시각화 라이브러리 D3js를 기반으로 만들어져 웹에서 사용 가능
• 형광 Color가 인상적

Plotly Express

• Plotly를 seaborn과 유사하게 만들어 쉬운 문법
• 커스텀 부분이 부족하지만 다양한 함수 제공

Bokeh

• 문법은 Matplotlib와 더 유사한 부분이 있음
• 기본 Theme이 Plotly에 비해 깔끔
• 비교적 부족한 문서화

Altair

• Vega 라이브러리를 사용하여 만든 인터랙티브
• 시각화를 + 연산 등으로 배치하는 것이 특징
• 문법이 Pythonic하지 않음 (오히려 js스러움?)
• 데이터 크기에 5000개 제한
• Bar, Line, Scatter, Histogram에 특화

 

출처: 부스트캠프 AI Tech 4기(NAVER Connect Foundation)