티스토리

Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬
검색하기

블로그 홈

Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬

2stndard.tistory.com/m

Plotly로 바로 쓰는 동적 데이터 시각화 in R & 파이썬과 실전에서 바로쓰는 시계열 데이터 처리와 분석 in R의 대표 페이지입니다.

구독자
12
방명록 방문하기
공지 [Plotly로 시작하는 인터랙티브 ⋯ 모두보기

주요 글 목록

  • polars vs pandas(feat. 슬기로운통계생활) 파이썬의 핫한 패키지인 polars에 대해 알아봅시다 Pandas VS Polars Part 1(24.6.14) https://www.youtube.com/live/g4CJgn7Dppw?si=l2fCuvMwzUdrJjU6 Pandas VS Polars Part 2(24.6.21) https://www.youtube.com/live/qCReZKH2z9c?si=bOnD18IR-zo9RXLs 공감수 0 댓글수 0 2024. 6. 21.
  • PPT에 Plotly 넣기 PPT 슬라이드에 plotly를 넣는 것은 plotly에서 제공하는 특별한 기능을 사용하는 것이 아닌 PowerPoint의 추가 기능인 Web Viewer를 사용해 Web에 게시된 plotly의 링크를 연결해주는 방법을 사용한다. 1. PowerPoint의 추가 기능인 Web viewer를 설치한다. 메뉴->삽입->내 추가기능을 확인하면 Web Viewer가 설치되어 있는지 확인이 가능하다. 만약 Web Viewer가 설치되어 있지 않다면 모두보기를 선택하여 Office 추가기능에서 Web Viewer를 설치한다. 2. Web Viewer 객체를 추가하면 다음과 같이 Web Page를 입력하는 창이 나오는데 웹에 게시된 plotly의 링크를 적어준다. plotly를 웹에 게시하는 방법은 여러가지가 있으나.. 공감수 3 댓글수 3 2024. 1. 13.
  • [슬기로운통계생활 라이브] https://www.youtube.com/live/BDKh_X4YGJM?si=s9crTgKTgA4_Zwf9 공감수 1 댓글수 0 2024. 1. 11.
  • 도서 소개 Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬 https://jpub.tistory.com/m/1501 Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬복잡하고 어려운 데이터를 한눈에 들어오는 그래프와 차트로 만들기 이 책은 인터랙티브 시각화 패키지인 Plotly로 시각화하는 방법을 취업률 및 코로나 데이터로 예를 들면서 R과 파이썬으로 구jpub.tistory.com 공감수 1 댓글수 0 2023. 12. 2.
  • 개발자 서평 이벤트 https://blog.naver.com/jeipubmarketer/223270861888 Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬, 복잡하고 어려운 데이터를 그래프와 보고서, 신문 기사 등에서 흔히 접하는 데이터 시각화! 데이터나 정보가 가지는 의미를 상대에게 명확하고 ... blog.naver.com 공감수 0 댓글수 0 2023. 11. 21.
  • [교보문고]Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬 https://product.kyobobook.co.kr/detail/S000211394596 Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬 | 이기준 - 교보문고Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬 |product.kyobobook.co.kr https://www.yes24.com/Product/Goods/123706075 Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬 - 예스24복잡하고 어려운 데이터를 한눈에 들어오는 그래프와 차트로 만들기 이 책은 인터랙티브 시각화 패키지인 Plotly로 시각화하는 방법을 취업률 및 코로나 데이터로 예를 들면서 R과 파이썬으로 구www.yes24.comhttp://aladin.kr/p/NQ4T.. 공감수 1 댓글수 0 2023. 11. 17.
  • 세종 우수도서 선정! https://post.naver.com/viewer/postView.naver?memberNo=22097819&volumeNo=34578348 2022 세종도서 제이펍 3종 선정! [BY 제이펍] 안녕하세요! 여러분. 오늘은 정~말 정말 기쁜 소식을 들고 왔어요. 바로 '한국출판문화산업... m.post.naver.com 공감수 0 댓글수 0 2023. 8. 27.
  • 그림 12-4. box 트레이스의 호버표시 공감수 1 댓글수 0 2023. 7. 18.
  • 그림 9-6. 스파이크 라인 실행 결과 공감수 1 댓글수 0 2023. 7. 18.
  • 그림 9-5. 호버모드 설정 결과 공감수 1 댓글수 0 2023. 7. 18.
  • 그림 7-6. plotly.express를 사용한 추세 산점도 공감수 1 댓글수 0 2023. 7. 18.
  • 그림 3-11. hovertemplate 속성 설정 공감수 0 댓글수 0 2023. 7. 18.
  • 그림 3-10. hovertext 속성 설정 공감수 0 댓글수 0 2023. 7. 18.
  • 그림 3-9. R의 hoverinfo 속성 설정 공감수 1 댓글수 0 2023. 7. 18.
  • 그림 9-17. 삼성전자 폭포수 차트 공감수 0 댓글수 0 2023. 7. 3.
  • 그림 9-16. 이동평균이 표현된 삼성전자 캔들스틱 차트 공감수 1 댓글수 0 2023. 7. 3.
  • 그림 9-14. 주말이 제거된 삼성전자 캔들스틱 차트 공감수 0 댓글수 0 2023. 7. 3.
  • 그림 9-13. 거래량 그래프가 추가된 삼성전자 캔들스틱 차트 공감수 1 댓글수 0 2023. 7. 3.
  • 그림 9-12. 캔들 색을 변경한 삼성전자 캔들스틱 차트 공감수 4 댓글수 0 2023. 7. 3.
  • 그림 9-11. 삼성전자 캔들스틱 차트 공감수 4 댓글수 0 2023. 7. 3.
  • 14.7. 적절한 색상 사용 적절한 색상 사용 색상을 적절히 사용하면 차트의 특정 부분에 청중의 주의를 끌 수 있다. 밝은 색상이나 타 색상과의 대비가 큰 색상은 청중의 시선을 빠르게 집중시킬 수 있어 시각화가 전달하고자 하는 메시지에 효과적으로 사용된다. 하지만 무지개 색상과 같이 과도하게 많은 색상의 팔레트를 사용하는 것은 피해야 할 것이다. 각각의 색상으로 보면 화려하고 예뻐 보일지 모르지만 시각화의 목적을 전달하는데 효과적인지를 먼저 고려해야 한다. 데이터 시각화를 위한 패키지나 툴에서는 색상의 사용을 위해 각각의 패키지에서 팔레트를 제공한다. R과 python에서는 Brewer 팔레트를 많이 사용하는데, 지도 제작자인 Cindy Brewer가 개발한 팔레트로, 표현하고자 하는 데이터의 목적에 따라 다음과 같이 세 가지로 구.. 공감수 4 댓글수 0 2023. 6. 27.
  • ggplot2의 기하요소 - geom_point() 사용데이터 : https://2stndard.tistory.com/161 이변수(Two Variable) 데이터 시각화 앞서 언급한 바와 같이 ggplot 객체는 보통 X, Y 두 개의 축으로 표현되는 2차원 시각화를 기본으로 한다. 따라서 ggplot 객체는 X축과 Y축에 매핑되는 변수 두 개를 가 필요하다. 변수 두 개를 사용한 데이터 시각화도 일변수 데이터 시각화와 마찬가지로 시각화해야할 데이터가 연속형 수치 데이터인지 이산형 데이터인지에 따라 사용하는 기하 요소의 종류가 달라진다. 2개의 연속형 수치 데이터 X축과 Y축에 매핑되어 시각화해야 하는 두 개의 변수가 모두 연속형 수치 변수인 경우에는 X축과 Y축에 따라 데이터를 좌표계 상에 표현하는 시각화가 일반적이다. 보통 데이터의 분포를 확인해야 .. 공감수 0 댓글수 0 2023. 2. 26.
  • ggplot2의 기하요소 - geom_bar() 사용데이터 : https://2stndard.tistory.com/161 기하 요소 일변수(One Variable) 데이터 시각화 이산형(Discrete) 데이터 : geom_bar() 앞에서 설명한 geom_histogram(), geom_freqpoly(), geom_density()는 연속된 수치형 데이터에 대한 일변량 시각화 기하 요소 함수이다. 그렇다면 팩터와 같이 구분되고 분리되는 일변량 이산형 데이터의 시각화는 어떻게 하는가? 이산형 일변량 데이터를 위한 기하 요소 함수는 geom_bar()가 유일하다. 사실 geom_bar()는 뒤에서 설명될 geom_col()과 거의 유사한 결과를 내는 막대 그래프 시각화이다. 다만 geom_bar() 는 연속형 일변량 데이터 시각화에 사용되기 때문에 하.. 공감수 1 댓글수 0 2023. 2. 25.
  • ggplot2의 기하요소 - geom_density() 사용데이터 : https://2stndard.tistory.com/161 기하 요소 일변수(One Variable) 데이터 시각화 연속형 수치 데이터 geom_density() geom_density()도 연속형 일변수 수치 데이터를 표현하는데 사용되는 기하 요소 함수이다. 일변수 수치 데이터의 분포를 확률분포함수로 계산하여 표현한다. 따라서 X값에 따라 계산된 연속 확률 분포값은 확률이기 때문에 1보다 작은 값들이고, 이 값들이 연결되어 표현된다. geom_density()는 연속 확률 분포를 산출하고 시각화한다. 따라서 앞선 두 함수와는 달리 통계 요소의 기본값이 ’density’로 설정된다. geom_density(mapping = NULL, data = NULL, stat = "density", .. 공감수 1 댓글수 0 2023. 2. 23.
  • ggplot2의 기하요소 - geom_freeploy() 사용데이터 : https://2stndard.tistory.com/161 기하 요소 일변수(One Variable) 데이터 시각화 연속형 수치 데이터 geom_freqpoly() geom_freqpoly() 는 geom_histogram()과 유사하게 연속형 일변수 수치 데이터의 빈도를 표현하는데 사용되는 기하 요소 함수이다. geom_histogram()은 관측치의 빈도를 막대로 시각화하지만 geom_freqpoly()는 데이터 값들을 연결한 다각형을 사용하여 데이터를 표현한다. geom_freqpoly()도 geom_histogram()과 같이 binning을 기본적으로 사용하기 때문에 통계 요소 ’bin’이 기본적으로 적용된다. 만약 다각형을 조금 부드럽게(smoothing) 하려면 통계 요소를 ’.. 공감수 1 댓글수 0 2023. 2. 18.
  • ggplot2의 기하요소 - geom_histogram() 사용데이터 : https://2stndard.tistory.com/161 기하 요소 기하 요소는 ggplot() 로 생성된 초기화 ggplot 객체에 데이터를 표현하는 도형을 지정하는 요소이다. 2.기하 요소에는 여러가지가 있지만 우리가 흔히 생각하는 것은 점(Point), 선(Line), 막대(Bar, Col) 등이 대표적이다. 기하 요소를 생성하기 위해서는 geom_*() 함수를 사용하고 각각의 geom_*() 함수를 호출할 때마다 각각의 기하 요소 레이어가 생성된다. 즉 이 레이어들이 계속 겹쳐서 그려짐으로써 데이터 시각화가 진행된다. 기하 요소를 위한 geom_*() 의 주요 함수는 각각의 함수에 따라 선언되는 시각화 요소들이 다르지만 데이터, 미적 요소 매핑, 기하 요소 지정, 통계 변환, 위치.. 공감수 1 댓글수 0 2023. 2. 17.
  • ggplot2의 미적요소 - label & group 사용데이터 : https://2stndard.tistory.com/161 label label은 텍스트로 표현되는 기하 요소를 말한다. 데이터의 위치에 대한 수치값을 표현한다거나 데이터의 분류에 대한 문자를 표현할 때 사용되는 미적 요소이다. label은 주로 텍스트에 관련된 기하 요소인 geom_text()나 geom_label()에서 주로 사용된다. ## df_입학자의 지역이 '전체'인 데이터를 시각화하는데 df_입학자 |> filter(지역 == '전체') |> ggplot(aes(x = 연도, y = 전문대학)) + ## 라벨을 '전문대학'으로 설정 geom_text(label = '전문대학') ## df_입학자의 지역이 '전체&#3.. 공감수 1 댓글수 0 2023. 2. 15.
  • ggplot2의 미적요소 - size & shape 사용데이터 : https://2stndard.tistory.com/161 size size 는 기하 요소의 크기를 설정한다. 기하 요소가 점이면 점의 크기, 선이면 선의 굵기를 설정한다. 점의 크기를 결정할 때는 반지름의 길이를 밀리미터 단위로 지정한다. 또 선의 굵기도 밀리미터 단위로 설정할 수 있다. ## df_입학자의 지역이 '전체'인 데이터를 시각화하는데 df_입학자 |> filter(지역 == '전체') |> ggplot(aes(x = 연도, y = 전문대학)) + ## 선의 크기를 3으로 설정 geom_line(aes(group = 1), size = 3) ## df_입학자의 지역이 '전체'인 데이터를 시각화하는데 df_입학자 |> filter(지역 .. 공감수 3 댓글수 0 2023. 2. 12.
  • ggplot2의 미적요소 - linetype 사용데이터 : https://2stndard.tistory.com/161 linetype 기하 요소 중 선으로 그려지는 기하 요소의 선 타입을 결정한다. R에서는 총 7가지의 선 타입을 제공하는데 0부터 6까지의 숫자나 선 타입의 이름을 사용하여 설정할 수 있다. df_입학자 |> filter(지역 == '전체') |> ggplot(aes(x = 연도, y = 전문대학)) + ## 선의 타입을 'dashed'로 설정 geom_line(aes(group = 1), linetype = 'dotted') 공감수 1 댓글수 0 2023. 2. 12.
  • ggplot2의 미적요소 - 위치(x, y, xend, yend)와 색상 사용데이터 : https://2stndard.tistory.com/161 위치(x , y, xend, yend) x와 y는 기하 요소가 표시될 X축의 위치와 Y축의 위치 설정에 필요한 데이터 열의 매핑을 설정한다. 일부 선을 그리거나 사각형을 그리는 geom_segment() 나 geom_rect() 와 같은 기하 요소 함수에서는 x, y 부터 시작하여 xend, yend까지 기하 요소를 그린다. 다른 미적 요소와는 달리 x, y, xend, yend는 매핑과 고정값 설정시 모두 반드시 aes() 함수안에서 사용되야 한다. color, colour 기하 요소의 외곽선 색상을 설정한다. R에서 사용되는 색상은 색상 이름으로 설정하거나 RGB코드값으로 설정할 수 있다. R에서 미리 정의된 색상 이름은 총 6.. 공감수 0 댓글수 0 2023. 2. 10.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.