[빅데이터분석] R _ 34. 시각화 툴의 역사 (막대그래프)/ 데이터 시각화 1

 

1960-1970년대 초기 컴퓨터 시각화 도구 IBM's GPSS: General Purpose Simulation System은 1960년대에 개발되어 컴퓨터 시뮬레이션과 함께 시각화 도구로 사용되었습니다. SYMAP (Synagraphic Mapping System): 1966년 하버드 대학의 하워드 피셔가 개발한 프로그램으로, 초기 컴퓨터 지도 제작 시스템 중 하나입니다. 1980년대 SAS (Statistical Analysis System) 1976년 SAS Institute가 설립되었고, 1980년대에 데이터 분석 및 시각화를 위한 주요 도구로 발전했습니다. Matlab 1984년 MathWorks에 의해 출시된 Matlab은 수치 계산 및 데이터 시각화를 위한 강력한 도구로 자리 잡았습니다. 1990년대 Excel Microsoft Excel은 1985년에 출시되었지만, 1990년대에 들어서면서 데이터 분석과 시각화를 위한 주요 도구로 인기를 끌었습니다. Origin OriginLab에서 개발한 Origin은 1991년 첫 출시되었으며, 과학적 데이터 분석 및 그래프 작성 도구로 인기를 얻었습니다. 2000년대 R 및 ggplot2 R 프로그래밍 언어는 1993년에 개발되었지만, 2000년대에 들어서면서 데이터 시각화에 널리 사용되었습니다. ggplot2: 2005년 해들리 위컴이 개발한 ggplot2 패키지는 R의 강력한 그래프 작성 도구로, 문법 기반의 시각화 패러다임을 제공했습니다. Tableau 2003년에 설립된 Tableau Software는 직관적이고 대화형 데이터 시각화 도구로 급성장했습니다. 2010년대 D3.js (Data-Driven Documents) 2011년 마이크 보스트록에 의해 개발된 D3.js는 웹 기반 데이터 시각화를 위한 자바스크립트 라이브러리로, SVG, HTML, CSS와 함께 사용되어 강력한 데이터 시각화를 가능하게 했습니다. Plotly 2012년에 설립된 Plotly는 Python, R, Matlab, Julia 등 다양한 프로그래밍 언어와 함께 사용할 수 있는 대화형 데이터 시각화 도구를 제공합니다. Bokeh Bokeh는 Python용 대화형 시각화 라이브러리로, 2013년에 개발되었습니다. 대화형 플롯과 대규모 데이터셋을 다루기에 적합합니다. Power BI Microsoft Power BI는 2013년에 출시된 비즈니스 분석 서비스로, 데이터 시각화와 비즈니스 인텔리전스를 위한 강력한 도구입니다. 2020년대 Altair Altair는 2016년에 처음 출시되었지만, 2020년대에 들어서면서 점점 더 많은 사용자를 확보한 Python 시각화 라이브러리입니다. Vega-Lite 기반의 선언적 문법을 사용합니다. Seaborn Seaborn은 2014년에 처음 개발되었지만, 2020년대에 걸쳐 널리 사용되었습니다. Python의 matplotlib 라이브러리를 기반으로 고수준의 인터페이스를 제공합니다.

 

* 데이터 시각화 그래프의 종류  

 1. 막대 그래프
 2. 원형 그래프
 3. 산포도(산점도) 그래프
 4. 라인 그래프
 5. 히스토그램 그래프
 6. 박스 그래프 
 7. 특수 그래프1( 소리를 시각화)  --> 의료 데이터, 음악 분류
 8. 특수 그래프2( 워드 클라우드)
 9. 특수 그래프3( 지도 그래프) 

문법1. R에 내장된 함수를 이용해서 막대 그래프를 그리시오. 

emp5 <- emp[ order(emp$sal, decreasing=TRUE) , c("ename","sal") ]
emp5

barplot( emp5$sal,  
         main="Salary Bar Char",
         names.arg = emp5$ename,
         ylab="Salary",
         col="blue") 

barplot( emp5$sal,  
         main="Salary Bar Char",
         names.arg = emp5$ename,
         ylab="Salary",
         col="gold",
         horiz= TRUE)​

 

 

문법2. ploty 를 이용해서 막대 그래프를 그리시오.

 install.packages("plotly")
 library(plotly)

 setwd("c:\\data")
 emp <- read.csv("emp.csv", header=T)
 
 #직업별 인원수 계산 
  job_counts <- table(emp$job)
 
 #plotly 를 사용한 막대 그래프 생성
 fig <- plot_ly( x = names(job_counts), y=as.numeric(job_counts), type='bar' )

 #그래프 출력
 fig​

문제3. 색을 다양하게 출력하시오.

# install.packages("plotly")
 library(plotly)

 setwd("c:\\data")
 emp <- read.csv("emp.csv", header=T)
 
 #직업별 인원수 계산 
  job_counts <- table(emp$job)
 
 # Rcolorbrewer 팔래트 중에서 5가지 색상 선택
 
 #install.packages("RColorBrewer") 
 library(RColorBrewer) 
 colors <- brewer.pal( 5, "Set3")

 #plotly 를 사용한 막대 그래프 생성
 fig <- plot_ly( x = names(job_counts), y=as.numeric(job_counts), type='bar', 
                    marker=list(color=colors) )

 #그래프 출력
 fig​

문제3. 부서번호와 부서번호별 인원수 가지고 plotly로 막대 그래프를 그리시오 

# install.packages("plotly")
library(plotly)

setwd("c:\\data")
emp <- read.csv("emp.csv", header=T)

#직업별 인원수 계산 
deptno_counts <- table(emp$deptno)

# Rcolorbrewer 팔래트 중에서 5가지 색상 선택

#install.packages("RColorBrewer") 
library(RColorBrewer) 
colors <- brewer.pal( 5, "Set3")

#plotly 를 사용한 막대 그래프 생성
fig <- plot_ly( x = names(deptno_counts), y=as.numeric(deptno_counts), type='bar', 
                marker=list(color=colors) )

#그래프 출력
fig​

문제4. 중고차 데이터를 이용해서 모델별로 막대그래프를 그리시오.

# install.packages("plotly")
library(plotly)

# 테이블 업로드
setwd("c:\\data")
usedcars <- read.csv("usedcars.csv", header=T)
head(usedcars)

#직업별 인원수 계산 
usedcars_counts <- table(usedcars$model)
usedcars_counts
# Rcolorbrewer 팔래트 중에서 5가지 색상 선택

# install.packages("RColorBrewer") 
library(RColorBrewer) 
colors <- brewer.pal( 5, "Set3")

# plotly 를 사용한 막대 그래프 생성
fig <- plot_ly( x = names(usedcars_counts), y=as.numeric(usedcars_counts), type='bar', 
                marker=list(color=colors) )

#그래프 출력
fig

★ 마지막 문제. sql 포트폴리오데이터를 막대그래프로 시각화하시오.  

# 테이블 업로드
setwd("c:\\data")
birth <- read.csv("birth_table2.csv", header=T, fileEncoding ='euc-kr') 
head(birth)

# 국내 년도별 출산수 출력력
total_birth <- tapply(birth$b_cnt,birth$b_year,sum)
total_birth 
# Rcolorbrewer 팔래트 중에서 5가지 색상 선택

# install.packages("RColorBrewer") 
library(RColorBrewer) 
colors <- brewer.pal( 5, "Set3")

# plotly 를 사용한 막대 그래프 생성
fig <- plot_ly( x = names(total_birth ), y=as.numeric(total_birth ), type='bar', 
                marker=list(color=colors) )

#그래프 출력
fig​