# Matplotlib

## 개요

**Matplotlib**은 파이썬ython) 기반의 강력 유연한 2D 데이터 시각화 라이브러리로, 과학 계산, 데이터 분석, 머신러닝 등 다양한야에서 널리되고 있습니다. 203년 존. 헌터( D. Hunter)에 개발된 이 라이브러리는 MATLAB과 유사한 인터페이스를 제공하여, 수치 데이터를 시각적으로 표현하는 데 탁월한 성능을 보입니다. Matplotlib은 특히 Jupyter Notebook, IPython과의 뛰어난 통합성을 바탕으로 데이터 과학자와 연구자들 사이에서 사실상 표준 시각화 도구로 자리 잡았습니다.

Matplotlib은 단순한 선 그래프, 막대 그래프, 산점도부터 복잡한 히스토그램, 등고선도, 3D 플롯까지 다양한 시각화를 지원하며, 사용자 정의가 매우 자유롭습니다. 또한, 다양한 출력 형식(PNG, PDF, SVG, EPS 등)을 지원하고, 인터랙티브 환경에서의 실시간 플로팅도 가능합니다.

---

## 주요 기능

### 1. 다양한 플롯 유형 지원

Matplotlib은 다음과 같은 다양한 시각화 유형을 제공합니다:

- **선 그래프 (Line Plot)**: 시간에 따른 변화 추이 시각화
- **막대 그래프 (Bar Chart)**: 범주형 데이터의 비교
- **산점도 (Scatter Plot)**: 두 변수 간의 상관관계 분석
- **히스토그램 (Histogram)**: 데이터의 분포 확인
- **박스 플롯 (Box Plot)**: 데이터의 분포와 이상치 탐지
- **파이 차트 (Pie Chart)**: 비율 표현
- **이미지 플롯 (Image Display)**: 배열 기반 이미지 시각화

### 2. 객체 지향 인터페이스 vs. pyplot 인터페이스

Matplotlib은 두 가지 주요 인터페이스를 제공합니다:

- **`pyplot` 인터페이스 (plt)**: MATLAB 스타일의 간편한 명령형 인터페이스로, 빠른 시각화에 적합합니다.
- **객체 지향 인터페이스**: `Figure`, `Axes` 객체를 직접 조작하여 세밀한 제어가 가능하며, 복잡한 레이아웃이나 대규모 프로젝트에 적합합니다.

```python
import matplotlib.pyplot as plt

# pyplot 인터페이스 예시
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.xlabel("X축")
plt.ylabel("Y축")
plt.title("간단한 선프")
plt.show()
```

### 3. 스타일 및 커스터마이징

Matplotlib은 스타일 시트(`style sheets`)를 통해 그래프의 전반적인 외관을 쉽게 변경할 수 있습니다. 예를 들어, `ggplot`, `seaborn`, `dark_background` 등의 미리 정의된 스타일을 적용할 수 있습니다.

```python
plt.style.use('ggplot')
```

또한, 폰트, 색상, 마커, 선 스타일, 여백, 범례 위치 등을 세밀하게 조정할 수 있어, 출판 수준의 고품질 그래프 생성이 가능합니다.

---

## 설치 및 기본 사용법

### 설치 방법

Matplotlib은 `pip` 또는 `conda`를 통해 설치할 수 있습니다.

```bash
pip install matplotlib
```

또는

```bash
conda install matplotlib
```

### 기본 사용 예시

```python
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(8, 5))
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-plt.xlabel('X 값')
plt.ylabel('Y 값')
plt.title('사인 함수 그래프')
plt.legend()
plt.grid(True)
plt.show()
```

---

## 고급 기능

### 1. 서브플롯 (Subplots)

여러 그래프를 하나의 화면에 배치할 수 있습니다.

```python
fig, axes = plt.subplots(2, 2, figsize=(10, 8))
axes[0, 0].plot(x, np.sin(x))
axes[0, 0].set_title('sin(x)')

axes[0, 1].plot(x, np.cos(x))
axes[0, 1].set_title('cos(x)')

axes[1, 0].plot(x, np.tan(x))
axes[1, 0].set_title('tan(x)')

axes[1, 1].scatter(x, np.random.randn(100))
axes[1, 1].set_title('Random Scatter')
plt.tight_layout()
plt.show()
```

### 2. 3D 시각화

`mpl_toolkits.mplot3d` 모듈을 사용하면 3D 플롯이 가능합니다.

```python
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
xs = np.random.randn(100)
ys = np.random.randn(100)
zs = np.random.randn(100)
ax.scatter(xs, ys, zs)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.show()
```

---

## 관련 라이브러리 및 생태계

Matplotlib은 파이썬 데이터 과학 생태계의 중심에 있으며, 다음과 같은 라이브러리들과 긴밀히 연동됩니다:

- **NumPy**: 배열 기반 데이터 처리
- **Pandas**: 데이터프레임 시각화 (`.plot()` 메서드 내부에서 Matplotlib 사용)
- **Seaborn**: Matplotlib 위에 구축된 고수준 시각화 라이브러리
- **Plotly**, **Bokeh**: 인터랙티브 시각화 라이브러리 (Matplotlib과 보완적 사용)

---

## 참고 자료

- 공식 문서: [https://matplotlib.org](https://matplotlib.org)
- GitHub 저장소: [https://github.com/matplotlib/matplotlib](https://github.com/matplotlib/matplotlib)
- 스타일 예시 갤러리: [https://matplotlib.org/stable/gallery/style_sheets/style_sheets_reference.html](https://matplotlib.org/stable/gallery/style_sheets/style_sheets_reference.html)

Matplotlib은 여전히 데이터 시각화의 핵심 도구로, 그 안정성과 확장성 덕분에 장기간 유지보수되고 있으며, 활발한 커뮤니티와 지속적인 업데이트를 통해 진화하고 있습니다.