준호가 노트북을 열었습니다.

"나는 국가별 GDP와 기대수명 관계를 분석하는 거야. 데이터 변수가 세 개야. GDP, 기대수명, 인구."

지윤이 바로 답했습니다.

"산점도. 인구는 점 크기로 표현하면 돼. 버블 차트야."

px.scatter() 기본

px.scatter()는 x축과 y축에 수치형 변수를 놓아 두 변수 간의 관계를 나타냅니다.

# 파일: scatter_basic.pyimport plotly.express as pxdf = px.data.gapminder().query("year == 2007")fig = px.scatter(    df,    x="gdpPercap",    y="lifeExp",    title="2007년 국가별 GDP vs 기대수명",    labels={"gdpPercap": "1인당 GDP (USD)", "lifeExp": "기대수명 (세)"})fig.show()

각 점이 하나의 국가를 나타냅니다. GDP가 높을수록 기대수명이 높은 경향이 보입니다.

color로 범주 구분

color 파라미터에 범주형 컬럼을 지정하면 대륙별로 색상이 구분됩니다.

# 파일: scatter_color.pyimport plotly.express as pxdf = px.data.gapminder().query("year == 2007")fig = px.scatter(    df,    x="gdpPercap",    y="lifeExp",    color="continent",    title="2007년 국가별 GDP vs 기대수명",    labels={        "gdpPercap": "1인당 GDP (USD)",        "lifeExp": "기대수명 (세)",        "continent": "대륙"    })fig.show()

범례에서 대륙 이름을 클릭하면 해당 대륙의 점들이 토글됩니다.

size로 버블 차트

size 파라미터에 수치형 컬럼을 지정하면 값에 비례하는 크기의 버블이 만들어집니다.

# 파일: scatter_bubble.pyimport plotly.express as pxdf = px.data.gapminder().query("year == 2007")fig = px.scatter(    df,    x="gdpPercap",    y="lifeExp",    color="continent",    size="pop",    size_max=60,    title="2007년 국가별 GDP vs 기대수명 (버블 크기: 인구)",    labels={        "gdpPercap": "1인당 GDP (USD)",        "lifeExp": "기대수명 (세)",        "continent": "대륙",        "pop": "인구"    })fig.show()

size_max는 가장 큰 버블의 최대 픽셀 크기를 지정합니다. 기본값은 20이고, 데이터 범위에 따라 조정합니다.

hover_name으로 호버에 이름 표시

버블 위에 마우스를 올리면 기본적으로 x, y, size 값이 표시됩니다. hover_name에 컬럼을 지정하면 팝업 상단에 해당 값이 굵게 표시됩니다.

# 파일: scatter_hover.pyimport plotly.express as pxdf = px.data.gapminder().query("year == 2007")fig = px.scatter(    df,    x="gdpPercap",    y="lifeExp",    color="continent",    size="pop",    size_max=60,    hover_name="country",    title="2007년 국가별 GDP vs 기대수명",    labels={        "gdpPercap": "1인당 GDP (USD)",        "lifeExp": "기대수명 (세)",        "continent": "대륙"    })fig.show()

이제 버블에 마우스를 올리면 팝업 상단에 국가 이름이 표시됩니다.

trendline으로 추세선 추가

trendline="ols"를 추가하면 OLS(최소제곱법) 회귀선이 각 그룹마다 자동으로 그려집니다. 이 기능을 사용하려면 statsmodels 패키지가 설치되어 있어야 합니다. 설치하지 않았다면 먼저 실행합니다.

pip install statsmodels

# 파일: scatter_trend.pyimport plotly.express as pxdf = px.data.gapminder().query("year == 2007")fig = px.scatter(    df,    x="gdpPercap",    y="lifeExp",    color="continent",    hover_name="country",    trendline="ols",    title="2007년 국가별 GDP vs 기대수명 (추세선 포함)",    labels={        "gdpPercap": "1인당 GDP (USD)",        "lifeExp": "기대수명 (세)",        "continent": "대륙"    })fig.show()

추세선 위에 마우스를 올리면 R² 값과 회귀식이 표시됩니다.

trendline에 사용할 수 있는 값은 다음과 같습니다.

trendline="ols"를 사용하려면 statsmodels 패키지가 설치되어 있어야 합니다.

pip install statsmodels

실전: 준호의 GDP-기대수명 버블 차트

준호가 최종 요청을 했습니다. 아시아 국가를 특별히 강조하고, 로그 스케일로 x축을 표시하고 싶다고 했습니다.

# 파일: gapminder_final.pyimport plotly.express as pxdf = px.data.gapminder().query("year == 2007")fig = px.scatter(    df,    x="gdpPercap",    y="lifeExp",    color="continent",    size="pop",    size_max=55,    hover_name="country",    log_x=True,       # x축 로그 스케일    title="2007년 국가별 GDP vs 기대수명",    labels={        "gdpPercap": "1인당 GDP (USD, 로그 스케일)",        "lifeExp": "기대수명 (세)",        "continent": "대륙",        "pop": "인구"    })fig.update_layout(    xaxis_title="1인당 GDP (USD, 로그 스케일)",    yaxis_title="기대수명 (세)")fig.show()

log_x=True를 추가하면 x축이 로그 스케일로 바뀌어 GDP 범위가 넓은 데이터를 고르게 표현합니다. log_y=True도 동일하게 사용할 수 있습니다.

준호가 화면을 보며 말했습니다.

"아프리카 국가들이 왼쪽 아래에 몰려 있네. GDP도 낮고 기대수명도 낮아."

"그게 바로 데이터가 말하는 이야기야." 지윤이 답했습니다.

px.scatter() 주요 파라미터 정리