EDA 차트 갤러리 28

값의 구간별 빈도를 막대로 나타냅니다. 정규분포인지, 한쪽으로 치우쳤는지, 봉우리가 몇 개인지를 즉시 보여줍니다.

이럴 때 · 고객 연령, 주문 금액, 응답 시간 등 숫자 변수 하나의 모양을 처음 볼 때

사분위수(Q1·중앙값·Q3)와 양 끝의 분포, 이상치까지 한 그림에 담습니다. 여러 그룹을 나란히 비교할 때 강력합니다.

이럴 때 · 부서별 연봉, 채널별 전환율처럼 그룹 간 분포 차이를 한눈에 비교할 때

박스플롯에 분포 모양(밀도 곡선)을 입혔습니다. 데이터가 어디에 몰려 있는지, 봉우리가 하나인지 둘인지까지 보여줍니다.

이럴 때 · 박스플롯은 비슷한데 실제 분포 모양은 다를 때. 봉우리가 두 개인 분포도 잡아냅니다.

히스토그램을 매끄러운 곡선으로 바꾼 그림입니다. 막대 구간 폭에 휘둘리지 않고 분포의 진짜 모양을 보여주며, 여러 집단을 겹쳐 비교하기 좋습니다.

이럴 때 · 올해와 작년 고객 구매액 분포를 한 그림에 겹쳐, 우리 시장이 어느 쪽으로 이동했는지 볼 때

데이터가 정규분포를 얼마나 따르는지 점이 대각선 위에 놓이는지로 진단합니다. 양 끝이 휘면 한쪽으로 치우쳤거나 극단값이 많다는 신호입니다.

이럴 때 · 평균·표준편차로 요약해도 되는 데이터인지, 통계 모델의 정규성 가정이 맞는지 점검할 때

값이 작은 쪽부터 누적 비율을 그려, "이 값 이하가 전체의 몇 %인가"를 곡선에서 바로 읽습니다. 중앙값·분위수·구간 비중을 한 번에 확인합니다.

이럴 때 · "응답 시간 2초 이내가 전체의 몇 %인지", "상위 10% 고객의 구매액 기준선"을 정할 때

두 숫자 변수를 점으로 찍어 관계를 봅니다. 양의 상관·음의 상관·무관계·곡선·군집까지 한 그림에서 판단합니다.

이럴 때 · 광고비와 매출, 가격과 판매량 같은 두 숫자 변수의 관계를 처음 확인할 때

여러 변수 사이의 상관계수를 색의 진하기로 보여줍니다. 모델에 넣을 후보 변수, 다중공선성 위험을 한 번에 진단합니다.

이럴 때 · 변수가 10개 넘게 있을 때 어떤 쌍이 강하게 묶여 있는지 빠르게 파악할 때

산점도 위에 최적의 직선과 신뢰구간(점선)을 덧그립니다. 관계의 방향·강도·예측 불확실성을 한 번에 봅니다.

이럴 때 · 산점도에서 관계가 보일 때 그 추세를 정량적으로 확정하고 싶을 때

여러 변수의 모든 짝을 산점도 격자로 한 번에 펼칩니다. 대각선은 각 변수의 분포, 나머지 칸은 변수 사이의 관계를 담아 어떤 조합이 함께 움직이는지 한눈에 훑습니다.

이럴 때 · 매출·광고비·방문자·객단가처럼 지표가 여러 개일 때, 어떤 쌍을 깊게 파고들지 먼저 추릴 때

산점도의 두 축에 점 크기라는 세 번째 지표를 더합니다. x·y·크기로 세 변수를 한 그림에 담아 규모까지 함께 비교합니다.

이럴 때 · 제품별 가격(x)·판매량(y)·매출액(크기)을 한눈에 비교할 때

점이 수만 개라 산점도가 까맣게 뭉갤 때, 영역을 육각형으로 나눠 칸마다 점의 밀집도를 색 진하기로 보여줍니다. 어디에 데이터가 몰리는지 드러납니다.

이럴 때 · 거래·로그처럼 데이터 점이 너무 많아 일반 산점도로는 패턴이 안 보일 때

시간에 따른 값의 변화를 선으로 잇습니다. 추세·요동·계절성·갑작스러운 변화 지점을 가장 자연스럽게 보여줍니다.

이럴 때 · 일별 매출, 월별 가입자, 주식 가격 등 시간이 X축인 모든 데이터의 첫 번째 시각화

범주별 값을 막대 높이로 나타냅니다. 카테고리 간 크기 비교에 가장 직관적이며 정렬해 두면 순위까지 한눈에 보입니다.

이럴 때 · 지역별 매출, 카테고리별 클릭 수, 채널별 전환율 등 그룹 단위 비교

전체에서 각 카테고리가 차지하는 비율을 보여줍니다. 5~6개 이하의 분할에 적합하며, 합계가 의미 있을 때만 씁니다.

이럴 때 · 유입 채널 점유율, 결제 수단 비중처럼 "전체의 N%"가 메시지일 때

막대 하나를 여러 구성 요소로 쌓아 전체 크기와 내부 구성 비율을 동시에 보여줍니다. 100% 기준으로 맞추면 그룹 간 구성 비교가 더 선명해집니다.

이럴 때 · 분기별 매출을 제품군별로 쌓아, 전체도 늘었는지 구성도 바뀌었는지 함께 볼 때

시작값에서 증가·감소 요인을 차례로 쌓아 최종값에 이르는 과정을 보여줍니다. 무엇이 얼마나 보탰고 깎았는지를 한 그림으로 설명합니다.

이럴 때 · 지난 분기 대비 이번 분기 매출이 어떤 요인으로 늘고 줄었는지 브릿지로 설명할 때

막대와 선을 한 그래프에 겹쳐 단위가 다른 두 지표를 함께 봅니다. 왼쪽 축은 금액, 오른쪽 축은 비율처럼 척도를 나눠 관계를 읽습니다.

이럴 때 · 월 매출(막대)과 성장률(선)을 함께 놓고 규모와 추세를 동시에 볼 때

행은 데이터 한 줄, 열은 변수입니다. 빈 칸이 어디에 모여 있는지 한눈에 보여 어떤 변수가 비어 있는지, 비는 패턴이 있는지를 즉시 파악합니다.

이럴 때 · 데이터를 처음 받아 어느 컬럼을 채울지, 버릴지, 가공할지 정해야 할 때

데이터 군집에서 멀리 떨어진 점을 강조해 보여줍니다. 입력 오류인지 진짜 특이 케이스인지를 결정해야 모델이 흔들리지 않습니다.

이럴 때 · 거래 금액이 비정상적으로 큰 케이스, 응답 시간이 100배 느린 케이스를 골라낼 때

분류 문제에서 각 클래스의 데이터 수를 막대로 보여줍니다. 한쪽으로 심하게 쏠려 있으면 정확도 99%도 의미 없는 모델이 됩니다.

이럴 때 · 사기 탐지, 이탈 예측, 질병 진단 등 "드문 사건"을 맞히려는 모델의 첫 점검

히스토그램과 같은 모양을 숫자로 그립니다. 막대 대신 실제 값의 끝자리를 늘어놓아, 분포도 보고 원래 숫자도 그대로 읽습니다.

이럴 때 · 데이터가 수십 개로 적을 때, 분포 모양과 실제 값을 한 번에 보고 싶을 때

최소값, 1사분위, 중앙값, 3사분위, 최대값 다섯 개로 분포를 요약합니다. 박스플롯이 바로 이 다섯 숫자를 그림으로 옮긴 것입니다.

이럴 때 · 평균 하나로는 놓치는 중심과 퍼짐, 치우침을 최소한의 숫자로 잡을 때

히스토그램 막대를 이론 곡선에 매달아 아래로 늘어뜨립니다. 막대 끝이 기준선에서 얼마나 벗어나는지로 분포 가정이 맞는지 봅니다.

이럴 때 · 데이터가 정규분포 같은 특정 분포를 따르는지, 어느 구간이 어긋나는지 진단할 때

데이터를 셋으로 나눠 양 끝 중앙값으로 기울기를 잡습니다. 극단값 몇 개에 흔들리지 않아, 이상치가 있어도 큰 추세를 지킵니다.

이럴 때 · 산점도에 이상치가 섞여 일반 회귀선이 엉뚱하게 끌려갈 때, 견고한 추세선이 필요할 때

이웃한 값들의 중앙값으로 선을 다시 그립니다. 평균과 달리 튀는 값에 끌려가지 않아, 뾰족한 잡음을 걷어내고 흐름만 남깁니다.

이럴 때 · 노이즈가 심한 시계열에서 급등락에 흔들리지 않는 추세를 뽑아낼 때

행과 열의 중앙값을 번갈아 빼내며 표를 정리합니다. 행 효과와 열 효과를 걷어내고 남은 잔차로 어느 칸이 유독 튀는지 찾습니다.

이럴 때 · 지역×월, 제품×채널 같은 두 방향 표에서 순수하게 튀는 칸을 가려낼 때

로그나 제곱근으로 축을 바꿔 봅니다. 한쪽으로 쏠린 분포가 대칭에 가까워지면, 평균과 상관 같은 도구를 다시 쓸 수 있습니다.

이럴 때 · 매출·소득처럼 한쪽 꼬리가 긴 데이터를 다루기 쉬운 형태로 바꿀 때