오늘은 선형(line)과 막대(bar) 그래프를 위한 데이터와 기본 설정을 준비해봅니다. Matplotlib을 활용해 시각화 기본을 배우는 기초입니다.

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 스타일 설정
sns.set_style("whitegrid")
plt.rcParams["font.size"] = 12

# 선 데이터
x = np.linspace(0, 10, 50)
y = np.sin(x)

# 막대 데이터
categories = ['A','B','C','D','E']
values = [10, 7, 12, 5, 9]

데이터 준비가 완료되면 실제로 그려보지 않아도 결과를 예측할 수 있습니다. 다음 스텝에서 실제 코드로 확인해볼게요!

plt.plot(x, y, marker='o', linestyle='-', color='green')
plt.title("Sine Wave")
plt.xlabel("X 값")
plt.ylabel("sin(X)")
plt.grid(True)
plt.show()

위 예제는 sine값을 선과 마커로 내린 그래프입니다. Matplotlib `plt.plot()` 함수의 기본 구조를 보여주죠 :contentReference[oaicite:1]{index=1}.

y2 = np.cos(x)
plt.plot(x, y, label='sin(x)', linestyle='-', color='green')
plt.plot(x, y2, label='cos(x)', linestyle='--', color='orange')
plt.legend()
plt.show()

이렇게 `plt.plot()`을 여러 번 호출하면 다중 선도 쉽게 그릴 수 있고, 스타일도 다양하게 조합 가능해요 :contentReference[oaicite:2]{index=2}.

plt.bar(categories, values, color='orange')
plt.title("Category Values")
plt.xlabel("Category")
plt.ylabel("Value")
plt.show()

위 코드로 간단한 세로 막대 차트가 완성됩니다. `plt.bar()` 함수는 카테고리별 값을 직관적으로 보여줘요.

plt.barh(categories, values, color='#6a5acd')
plt.title("Category Values (Horizontal)")
plt.xlabel("Value")
plt.ylabel("Category")
plt.show()

수평 막대(`plt.barh()`)는 라벨이 길어도 가독성이 좋아요. 색도 CSS 컬러 코드로 바꿀 수 있습니다.

fig, ax1 = plt.subplots()
ax1.bar(categories, values, color='skyblue', label='값 (bar)')
ax1.set_xlabel('Category')
ax1.set_ylabel('Values', color='skyblue')
ax2 = ax1.twinx()
ax2.plot(categories, [v * 1.5 for v in values], color='orange', marker='o', label='1.5×값')
ax2.set_ylabel('Scaled Values', color='orange')
fig.tight_layout()
plt.title("Combined Bar & Line Chart")
plt.show()

이 코드는 하나의 축에 막대를, 다른 축에 선을 그려 서로 다른 척도에서도 비교 가능하게 합니다 .

• Bar 색상: 파스텔 계열로 부드럽게
• Line 색상: 대비되는 주황으로 강조
• 마커, 라인스타일, 투명도(alpha) 활용

조합 차트는 스타일이 중요! 투명도, 대비 색상, 강조 요소(마커)로 가독성 높일 수 있어요.

plt.plot(x, y)
plt.title("Sine Wave")
# 파일로 저장하기
plt.savefig("sine_wave.png", dpi=300, bbox_inches='tight', transparent=True)
plt.show()

`savefig()`은 png, pdf, svg 등 다양한 포맷을 지원하며, `dpi`, `bbox_inches=’tight’`, `transparent` 옵션 조합으로 고해상도 출력과 여백 조절이 가능해요 :contentReference[oaicite:1]{index=1}.

• 보고서나 논문용: **벡터 포맷 (PDF, SVG)**
• 웹/소셜용: **PNG** (투명 배경·300 dpi 추천)
• 자료 첨부용: JPG (용량과 호환성 우선)

Medium, 블로그, GitHub 등에 이미지를 업로드하면 시각적 효과가 좋고, 보는 사람도 편해집니다

• GitHub에 이미지 파일 커밋
• Notion·Confluence에 그래프 포함 문서화
• 슬랙·MS Teams로 공유 (링크나 첨부 이미지)
• 인터랙티브 공유 시 Plotly, Bokeh, Folium 고려

정적 이미지를 넘어서 인터랙티브 형태로 데이터 탐색이 가능하도록 배포할 수도 있어요.

오늘은 **선 그래프와 막대 그래프**, 그리고 **조합형 차트**를 Matplotlib으로 그리고, `savefig()`를 활용해 고해상도 그래프 파일로 추출하는 법을 배웠습니다. 또한, Google Maps Embed API를 활용해 지도·로드뷰·스트리트뷰 시각화도 함께 연동했어요.

메타 설명: 파이썬 Matplotlib으로 선·막대·조합 그래프를 그리고, 고해상도 이미지 파일 저장과 지도 시각화까지 연계하는 방법을 정리한 포스팅입니다.

슬러그: python-daily-line-bar-map-visuals

“작은 코드 하나가 그림이 되고, 그림이 이야기가 된다.” 다음에도 유용한 예제로 찾아뵐게요 😄