그래프 알아보기-상자 수염 그림

영문명은 Boxplot인데 어쩌다 수염이 붙은건지 모르겠다.

---

빡스플롯

ADsP 준비하면서 통계 하신 분들 혹시 사분위수 기억나십니까? 제 1사분위수, 제 2사분위수(=중앙값), 제 3사분위수랑 아웃라이어요. 상자 수염 그림은 그걸 보기 위해서 그리는거다. 아니 근데 그 범위는 판다스나 폴라스에서도 구할 수 있지 않아요? 굳이 그거 보려고 그래프를 그림? 아니, 그 값을 보는 게 아니라 전체적인 양상을 본다고 생각하시면 된다.

 

출처: Plot of a Box-Plot with Whiskers to 1.5 interquartile range. The picture was created with Statistica v. 8.0

출처에 36년평생 머리털나고 처음 보는 프로그램이 또 보인다... 근데 우리가 이걸 보고 음 사분위수가 얼마군 이런걸 알 수는 없어요. 저기 모눈 보고 대충 얼마쯤일지는 알 수 있지만 구체적으로 얼만지는 모른다 이거지. 근데 왜 이거 그림? 에 대한 답을 하려면 저기 위에 있는 점들에 대해 설명을 해야 하는데, 쟤들이 이상치(아웃라이어)다. 이상치가 뭔데요? 수집한 데이터 전체의 패턴이나 분포에서 현저하게 벗어나 극단적으로 크거나 작은 값을 이상치라고 하는데, 어떤 데이터에 이상치가 있으면 상자 수염 그림에서 점이 보이게 된다. 그럼 그걸 보고 아 이상치가 있군 하면 된다. 

 

그럼 이제 저 선이랑 빡스가 뭘 보여주는지 알려주겠다. 저 넴모넴모한 박스 가운데 선 보여요? 저기 찍 그어진 저 선이 중앙값이다. 그리고 그 위에 있는게 3사분위수, 아래에 있는건 1사분위수고. 여기까진 아시겠죠? 그리고 1사분위수 아래쪽으로+3사분위수 위쪽으로 직선이 쭈우우우우욱 있는 그게 데이터의 범위다.

 

그리고 여기서 중요한거! 3사분위수 - 1사분위수 하면 IQR(사분위수 범위)이 나오는데 거기에 1.5를 곱한 값을 넘어가면 그게 이상치다. 예를 들어서 3사분위수가 60이고 1사분위수가 20이면 IQR은 40이 되고, 거기에 1.5를 곱하면 60이니까 -40~120 범위 밖에 있으면 이상치다. 울타리 둘로 나눠서 1.5랑 3이랑 하는것도 있긴 한데 아무튼 그래요...

 

근데 이걸 왜 그림? 위에도 말했지만 어떤 데이터로 상자 수염 그림을 그리게 되면 데이터의 분포와 이상치 유무를 확인할 수 있다. 분석하기 전에 쳐내야 하는 게 결측값만 있는게 아니예요 여러분.

 

바이올린 플롯

상자 수염 그림이랑 비슷한데 얘는 넴모넴모 그래프가 아니라 곡선형이다.

 

출처: Example of a violin plot (Wikipedia)

Seaborn에서 그린건 이렇게 안 생겼지만 넘어가자. 이게 바이올린플롯인데 얘도 상자 수염 그림이랑 비슷한데 넴모넴모하지 않고 뭔 곡선이 있다. 저 구불탱구불탱한 선이 KDE(커널 밀도 뭐시기)인데 쟈가 대칭으로 있는게 바이올린같이 생겨서 바이올린플롯이다.

 

개인적으로 쟈는 해석하기가 많이 힘들었음… 씨본에서 그려봤는데 이상치가 있으면 쟤는 꼬리가 급나 길어져요.