📊
데이터공학
Matplotlib
Matplotlib
Python 시각화 라이브러리. 정적 차트 생성.
상세 설명
Matplotlib은 2003년 John Hunter가 개발한 Python 시각화 라이브러리로, MATLAB 스타일의 플로팅을 Python에서 구현합니다. 과학 컴퓨팅과 데이터 분석 분야에서 20년 이상 표준으로 사용되며, NumPy와 함께 Python 데이터 생태계의 기반을 형성합니다.
pyplot 인터페이스는 MATLAB 사용자에게 친숙한 상태 기반 API를 제공하고, 객체 지향 API는 Figure와 Axes 객체를 직접 조작해 세밀한 제어를 가능하게 합니다. plt.figure()로 캔버스를 생성하고, plt.subplots()로 여러 그래프를 격자 배열로 구성합니다.
지원하는 차트 유형은 line plot, scatter plot, bar chart, histogram, pie chart, box plot, heatmap, contour plot 등 다양합니다. rcParams 설정으로 글꼴, 색상, 스타일을 전역 커스터마이징하고, PNG, PDF, SVG 등 다양한 포맷으로 고품질 출력이 가능합니다.
Seaborn, Plotly, Pandas plot은 내부적으로 Matplotlib을 사용하거나 호환됩니다. 논문, 보고서용 정적 시각화에 최적이며, 인터랙티브가 필요하면 Plotly나 Bokeh를 고려합니다.
코드 예제
import matplotlib.pyplot as plt
import numpy as np
# 스타일 설정
plt.style.use('seaborn-v0_8-whitegrid')
plt.rcParams['font.family'] = 'DejaVu Sans'
plt.rcParams['figure.dpi'] = 100
# 데이터 준비
np.random.seed(42)
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# Figure와 Axes 생성 (2x2 서브플롯)
fig, axes = plt.subplots(2, 2, figsize=(12, 10))
fig.suptitle('Matplotlib 시각화 예제', fontsize=16, fontweight='bold')
# 1. 라인 플롯
ax1 = axes[0, 0]
ax1.plot(x, y1, 'b-', label='sin(x)', linewidth=2)
ax1.plot(x, y2, 'r--', label='cos(x)', linewidth=2)
ax1.set_xlabel('X축')
ax1.set_ylabel('Y축')
ax1.set_title('라인 플롯')
ax1.legend(loc='upper right')
ax1.grid(True, alpha=0.3)
# 2. 스캐터 플롯 (색상 매핑)
ax2 = axes[0, 1]
scatter_x = np.random.randn(200)
scatter_y = np.random.randn(200)
colors = np.sqrt(scatter_x**2 + scatter_y**2)
scatter = ax2.scatter(scatter_x, scatter_y, c=colors,
cmap='viridis', alpha=0.7, s=50)
ax2.set_title('스캐터 플롯')
plt.colorbar(scatter, ax=ax2, label='거리')
# 3. 히스토그램
ax3 = axes[1, 0]
data = np.random.normal(0, 1, 1000)
ax3.hist(data, bins=30, edgecolor='white', alpha=0.7, color='steelblue')
ax3.axvline(data.mean(), color='red', linestyle='--', label=f'평균: {data.mean():.2f}')
ax3.set_xlabel('값')
ax3.set_ylabel('빈도')
ax3.set_title('히스토그램')
ax3.legend()
# 4. 히트맵
ax4 = axes[1, 1]
heatmap_data = np.random.rand(10, 10)
im = ax4.imshow(heatmap_data, cmap='coolwarm', aspect='auto')
ax4.set_title('히트맵')
plt.colorbar(im, ax=ax4)
plt.tight_layout()
plt.savefig('visualization.png', dpi=300, bbox_inches='tight')
plt.show()실무에서 이렇게 말해요
시니어: "보고서용 차트는 Matplotlib으로 그리세요. PDF 벡터 출력하면 확대해도 깨지지 않아요."
주니어: "한글 폰트가 깨지는데 어떻게 해요?"
시니어: "rcParams에서 font.family를 'Malgun Gothic'으로 설정하고, axes.unicode_minus를 False로 해주면 돼요."
면접관: "데이터 시각화 경험에 대해 말씀해주세요."
지원자: "Matplotlib으로 EDA 차트를 자동 생성하는 함수를 만들었습니다. subplots로 여러 변수의 분포와 상관관계를 한 번에 보여주고, savefig로 리포트에 삽입할 수 있게 했습니다. 인터랙티브가 필요한 대시보드는 Plotly를 사용했고요."
리뷰어: "plt.show() 전에 plt.tight_layout() 호출하세요. 서브플롯 간 레이블 겹침 방지됩니다."
개발자: "네, 그리고 figsize도 (12, 8)로 키워서 가독성 높이겠습니다."
주의사항
- pyplot 상태 기반 API는 여러 Figure가 있을 때 혼란스러움 - 객체 지향 API(fig, ax) 권장
- Jupyter에서 %matplotlib inline 없이 플롯이 표시 안 됨 - 노트북 초기화 시 설정 필수
- 대량 데이터 플롯 시 메모리 문제 - 10만 포인트 이상이면 rasterized=True 또는 다운샘플링
- savefig의 bbox_inches='tight' 옵션으로 여백을 자동 조절하면 레이아웃이 깔끔해짐