Skip to main content
데이터 시각화는 숫자로 가득한 데이터에서 패턴, 추세, 이상치를 직관적으로 파악하게 해주는 도구입니다. 좋은 시각화는 복잡한 분석 결과를 한눈에 전달합니다.
도구특징적합한 상황
Matplotlib저수준 제어, 세밀한 커스터마이징논문용 정적 차트, 복합 레이아웃
Seaborn통계 시각화 특화, 간결한 APIEDA, 분포/관계 탐색
Plotly인터랙티브, 웹 기반대시보드, 프레젠테이션
시각화가 처음이라면 Matplotlib 기초부터 시작합니다. Matplotlib의 Figure/Axes 구조를 이해하면 Seaborn과 Plotly 학습이 훨씬 수월합니다.

Matplotlib 기초

Figure/Axes 구조, line/bar/scatter, 스타일링

Matplotlib 분포 시각화

히스토그램, 박스플롯, 바이올린 플롯

Matplotlib 서브플롯

GridSpec, 복합 차트, 이미지 저장

Seaborn 범주형

countplot, barplot, boxplot, violinplot

Seaborn 분포

histplot, kdeplot, ecdfplot, pairplot

Seaborn 관계형

scatterplot, lineplot, heatmap, clustermap

Plotly 기초

Plotly Express, scatter/bar/line, hover

Plotly 심화

서브플롯, 애니메이션, 대시보드

​
학습 목표

  • 이 문서의 핵심 개념을 실제 프로젝트 시나리오로 연결할 수 있습니다.
  • 최소 1개 실습 과제를 수행하고 결과를 비교할 수 있습니다.
  • 다음 단계에서 필요한 입력 데이터/도구를 준비할 수 있습니다.

​
실무 적용 체크리스트

  • 실험/운영에서 사용할 평가 지표를 먼저 정했습니다.
  • 베이스라인과 비교할 기준 조건을 고정했습니다.
  • 실패 시 복구 또는 롤백 기준을 문서화했습니다.
  • 팀 공유 문서에 적용 결과를 기록했습니다.

​
다음 문서

다음: Matplotlib 기초

학습 흐름을 이어서 진행합니다.
실무에서는 같은 데이터라도 시각화 표현 방식에 따라 의사결정이 달라질 수 있으니, 차트 선택 근거를 함께 기록합니다.