Pega Devlog

Pega

Matplotlib으로 3D Plot을 할 수 있습니다.
많은 분들이 알고 있는 사실이지만 적극적으로 쓰이지 않습니다.
seaborn KDE plot을 3D로 표현합니다.
5. KDE plot
2D KDE plot은 전달력이 좋고, 은근 예쁘기도 합니다.
두 인자의 상관 분포를 표현하는 그림으로, 데이터의 밀도를 선이나 색으로 나타냅니다.
2D 공간을 벗어나 3D로 데이터를 표현합니다.
5.1. 2D KDE plot
matplotlib: Choosing Colormaps in Matplotlib
라이브러리 및 시각화 환경을 초기화합니다.
펭귄 데이터셋을 이용해 2D KDE plot을 그립니다.
colormap은 inferno를 선택합니다.
이미지를 다시 2D data로 변환하려면 lightness가 data 값에 비례하야 하는데
perceptual uniform colormap 중 inferno의 범위가 가장 넓기 때문입니다.
실행 결과
5.2. 2D image to 2D data
x, y limit가 데이터 값에 따라 자동으로 설정되었지만 값을 다듬습니다.
향후 2D 데이터를 불러왔을 때 x, y 범위를 사용해야 하는데, 유효숫자가 너무 많으면 불편합니다.
소숫점 둘째 자리까지 반올림을 합니다.
Axes spines 등 불필요한 요소를 모두 제거합니다.
실행 결과
x, y 데이터의 최소와 최대 범위에 green line을 그렸습니다.
image를 file로 저장할 때 몇 픽셀 가량의 여백이 생기기 때문에 이를 확인하고 제거하기 위함입니다.
그림파일을 im_pengkde라는 이름으로 불러온 뒤, [:10, :10] 영역의 데이터를 출력해 green line을 확인합니다.
실행 결과
pixel을 눈으로 볼 수 있을 만큼 확대를 해보니 green line 두께는 1 pixel입니다.
그리고 그 밖으로 약간의 여백이 있습니다.
이 여백의 폭을 확인한 후 1 pixel을 더한 범위만큼 사방에서 잘라냅니다.
실행 결과
image size가 (351, 351)로 확인됩니다.
잘 제거되었나 확인합니다.
5.3. data = colormap intensity
inferno colormap에서 data intensity는 lightness에 비례합니다.
colorspacious 라이브러리의 cspace_converter를 사용해 RGB를 Lab으로 변환합니다.
Lab color space의 첫 번째 요소가 lightness입니다.
데이터가 없는 하얀 색 구간이 있습니다. 여기는 데이터가 있는 부분과 구별되도록 -1을 입력합니다.
im_pengkde_L에 lightness를 입력했습니다.
확인을 위해 inferno colormap을 적용해 image로 출력합니다.
아까 저장해 둔 xmin, xmax, ymin, ymax를 extent에 넣어 범위를 올바르게 표현하고
aspect에 x, y 범위의 비율을 입력해 그림이 정사각형으로 표현되도록 조정합니다.
정상적으로 출력되었습니다.
하얀 색 부분이 검게 표현되었는데, 이 부분에 입력한 -1이 inferno colormap에서 최소값으로 감지되었기 때문입니다.
6. 3D plot
Pega Devlog: Matplotlib 3D Plots(2)
matplotlib: Axes.plot_surface()
데이터를 추출했으므로 3D plot을 시작할 차례입니다.
6.1. plot_surface()
Axes.plot_surface()등 명령어가 받아들이는 형식으로 데이터를 마련해야 합니다.
np.meshgrid()로 데이터 범위에서 mesh grid를 생성합니다.
mesh로 이루어진 3D surface plot이 생성되었습니다.
앞에서 (351, 351)로 확인한 것 치고는 mesh 밀도가 너무 낮습니다.
6.2. rstride, cstride
Axes.plot_surface()는 모든 mesh를 보여주지 않스빈다.
row를 rstride만큼 건너뛰고 column을 cstride만큼 건너뛰는데 기본값이 10입니다. 
rstride=1, cstride=1을 입력해 모든 mesh를 출력합니다.
mesh가 너무 많아 하얗게 뒤덮여 버렸습니다.
우리가 원하는 것은 매끈한 표면이지 복잡한 mesh가 아닙니다. lw=0으로 mesh를 지웁니다.
이제 형태가 좀 잘 보입니다.
6.3. colormap
데이터 값이 z축에 드러나있지만 어디까지나 상대적인 밀도입니다.
절대적인 수치는 별 의미가 없지만 상대적인 대소는 의미가 있습니다.
cmap매개변수로 colormap을 적용해서 높은 봉우리가 잘 드러나게 합니다.
colormap이 적용된 결고 왼쪽 봉우리가 오른쪽보다 높다는 사실이 한 눈에 드러납니다.
왠지 뒤쪽이 비쳐보이는 바람에 다소 혼란스럽기도 합니다.
antialiased=False를 적용합니다.
6.4. mask
numpy: The numpy.ma module
scipy: Matplotlib: plotting values with masked arrays
matplotlib: Plotting masked and NaN values
우리가 사용하는 데이터는 penguins dataset의 2D KDE plot에서 온 것이고,
데이터 값이 존재하지 않는 범위가 적지 않습니다.
이 부분이 데이터 밀도가 매우 작은 부분과 혼동되기 때문에, 제거하는 편이 깔끔합니다.
np.ma.masked_array()를 사용해 데이터 값이 0 이하인 부분을 제거합니다.
6.5. LightSource
matplotlib: matplotlib.colors.LightSource
3D 객체는 빛이 들어오는 방향과 빛을 가리는 물체에 의해 밝은 부분과 그림자가 생깁니다.
이를 계산해 적용해주는 모듈이 LightSource입니다.
ls = LightSource()에 azdeg과 altdeg으로 방위각과 고도각을 입력한 후,
rgb = ls.shade()로 face마다 그림자를 계산합니다.
마지막으로 Axes.plot_surface()에 facecolors=rgb를 넣어 계산된 값을 면에 입혀 출력합니다.
6.6. rotation
3D 객체는 일부분이 필연적으로 가려져 데이터 전달 효율이 떨어집니다.
이를 보완하기 위해 회전을 시키는 방법이 많이 사용됩니다.
방위각을 나타내는 azim에 기본값인 -60 외에 -30과 0을 입력한 결과를 함께 그립니다.
방위각에 따라 보이지 않던 부분이 드러나고 있습니다.
종이에 인쇄되는 환경이 아닌 웹 등으로 데이터를 전달한다면 애니메이션을 만들어 전달할 수 있습니ㅏㄷ.
7. 결론
2D KDE plot을 3D로 바꾸어 표현할 수 있음을 확인했습니다.
3D plot은 데이터의 정확한 전달력보다 독자의 주의를 끄는 데 유리합니다.
적절한 순간에 필요한 기능을 능동적으로 사용할 수 있기 바랍니다.

Matplotlib 3D Plots (3)

댓글