1. 그래프 그리기1) Scatter Plotsns.scatterplot(data=data, x='bill_length_mm', y='bill_depth_mm', hue='species')2) Line Plotsns.lineplot(data=data, x='bill_length_mm', y='bill_depth_mm', hue='species')3) Bar Plotsns.barplot(data=data, x='species', y='bill_length_mm', ci='sd') # 신뢰구간 포함4) Histogram#KDE 추가안한 버전sns.histplot(data=data, x='bill_length_mm', hue='species', bins=20) #KDE 추가한 버전sns.histplot(d..

import numpy as npimport matplotlib.pyplot as pltfrom scipy.stats import gaussian_kde# 샘플 데이터data = np.random.randn(1000)# 히스토그램plt.hist(data, bins=30, density=True, alpha=0.5)# KDEkde = gaussian_kde(data)x = np.linspace(min(data), max(data), 1000)plt.plot(x, kde(x))plt.show() 일단 sciypy.stats에서 gaussian_kde를 불러와서 사용해야 하는 듯하다. 이렇게 하기 싫으면 seaborn을 사용해야 한다.

크게, 1) 그래프 생성 2) 꾸미기 3) 그래프 출력 이렇게 나눠서 생각하면 편하다. 1. 그래프 생성 1) 선 그래프plt.plot(x, y)  2) 막대그래프plt.bar(['A', 'B', 'C'], [10, 20, 30])   3) Scatter Plotplt.scatter(x, y)  4) 히스토그램data = np.random.randn(1000) plt.hist(data, bins=30)  2. 꾸미기plt.title('Sine Wave Example') # 제목 추가plt.xlabel('X-axis') # x축 레이블plt.ylabel('Y-axis') # y축 레이블plt.grid(True) # 격자 추가plt.legen..

1. streamlit에서 시각화에 interactive한 요소가 존재하는 경우가 있을 수 있다.  2. 유저가 interactive한 요소를 조작하면 그때마다 streamlit은 코드 전체를 다시 실행하게 된다.  3. 이때, streamlit에 연결된 데이터의 용량이 크게 되면 반응 속도가 느리게 된다.  4. 이를 해결하는 방법이 바로 캐시! 캐시 데코레이터를 사용하면 설정한 시간만큼 한번 불러온 데이터를 캐시에 저장하게된다.  5. 반대로 말하면 interactive한 요소가 없는 경우엔 따로 설정할 필요는 없는 것 같다.    실제로 설정할 때는 @st.cache_data 혹은 @st.cache_resource 로 설정하면 된다.  import streamlit as st@st.cache_dat..

1. streamlit share는 파이썬의 streamlit 패키지를 사용하여 시각화한 결과를 웹에 무료로 뿌려주는 서비스2. 이때, 시각화 관련 파이썬 코드와 데이터들을 github의 repo에 올리면, streamlit share가 해당 repo를 참조하여 웹에 시각화하는 방식3. 이때, streamlit을 이용하여 외부 데이터를 입력 받아 자동으로 저장하거나 수정해야 하는 상황이 발생할 수 있다. 4. 외부 데이터베이스와의 통신을 위해 데이터베이스 서버의 IP나 데이터베이스 프로그램의 아이디, 비밀번호가 필요하다. 5. 이를 github에 올려야만 하는 경우가 발생할 수 있다.6. 왜냐하면 streamlit share는 github에 있는 자료를 기준으로 streamlit share 시각화 파이썬..

" data-ke-type="html">HTML 삽입미리보기할 수 없는 소스