# Plotly

## 1. 개요
Plotly는 데이터 분석 및 시각화를 위해 설계된 오픈 소스 인터랙티브 그래프 라이브러리로, 웹 브라우저 기반의 동적인 시각화 결과물을 생성하는 도구입니다. 정적인 이미지를 생성하는 기존 라이브러리와 달리, 사용자가 그래프와 직접 상호작용할 수 있는 인터랙티브(Interactive) 기능을 제공하는 것이 핵심입니다. Plotly는 Python, R, Julia 등 주요 데이터 과학 언어를 모두 지원하며, JSON 기반의 Plotly.js 라이브러리를 통해 웹 환경에서 렌더링됩니다.

## 2. 주요 특징 및 장점
Plotly의 가장 큰 특징은 웹 표준 기술(HTML, CSS, JavaScript)을 사용하여 그래프를 출력한다는 점입니다. 이를 통해 다음과 같은 인터랙티브 기능을 기본적으로 제공합니다.

*   **줌(Zoom) 및 팬(Pan):** 특정 영역을 확대하거나 화면을 이동하며 세부 데이터를 탐색할 수 있습니다.
*   **호버(Hover):** 마우스 커서를 데이터 포인트 위에 올리면 해당 지점의 상세 값(Tooltip)이 표시됩니다.
*   **범례 필터링:** 범례(Legend)의 항목을 클릭하여 특정 데이터 시리즈를 화면에서 숨기거나 다시 나타나게 할 수 있습니다.
*   **웹 통합:** 생성된 그래프는 HTML 파일로 저장하거나 웹 페이지에 직접 임베딩할 수 있어 공유와 배포가 용이합니다.

### 타 시각화 라이브러리와의 비교

| 구분 | Matplotlib | Seaborn | Plotly |
| :--- | :--- | :--- | :--- |
| **성격** | 저수준(Low-level) 기본 라이브러리 | 고수준(High-level) 통계 라이브러리 | 인터랙티브 웹 기반 라이브러리 |
| **출력 형태** | 정적 이미지 (PNG, PDF 등) | 정적 이미지 (Matplotlib 기반) | 동적 HTML/JavaScript |
| **상호작용** | 제한적 (기본적으로 정적) | 제한적 (기본적으로 정적) | 매우 높음 (줌, 호버, 필터링) |
| **학습 곡선** | 높음 (세밀한 설정 필요) | 낮음 (간결한 API) | 중간 (Express 사용 시 매우 낮음) |
| **주 용도** | 논문용 정적 그래프, 기본 시각화 | 통계 분석, 데이터 탐색(EDA) | 대시보드, 웹 보고서, 복잡한 데이터 탐색 |

## 3. 설치 방법 및 환경 설정
Plotly는 `pip` 또는 `conda` 패키지 관리자를 통해 간단히 설치할 수 있습니다.

### 설치 명령어
```bash
# pip를 사용하는 경우
pip install plotly

# conda를 사용하는 경우
conda install -c plotly plotly
```

### 환경 설정
Plotly는 기본적으로 웹 브라우저에서 결과물을 출력합니다. Jupyter Notebook이나 JupyterLab 환경에서 사용할 경우, 최신 버전의 Plotly는 별도의 설정 없이 렌더링되지만, 환경에 따라 다음과 같은 렌더러(Renderer) 설정이 필요할 수 있습니다.

```python
import plotly.io as pio
pio.renderers.default = 'notebook' # 또는 'colab', 'browser' 등 설정
```

## 4. 핵심 모듈 및 구조
Plotly Python 라이브러리는 사용자의 목적에 따라 두 가지 수준의 API를 제공합니다.

### 4.1 Plotly Express (`plotly.express`)
고수준(High-level) API로, 단 몇 줄의 코드로 복잡한 그래프를 생성할 수 있도록 설계되었습니다. Pandas 데이터프레임과 매우 잘 연동되며, Python 리스트, NumPy 배열, JSON 형태의 데이터도 직접 지원하여 범용성이 높습니다. 데이터 탐색 단계(EDA)에서 빠르게 시각화 결과물을 확인해야 할 때 주로 사용됩니다.

### 4.2 Graph Objects (`plotly.graph_objects`)
저수준(Low-level) API로, 그래프의 모든 구성 요소(축, 레이아웃, 트레이스 등)를 세밀하게 제어할 수 있습니다. Plotly Express로 구현하기 어려운 복잡한 커스텀 그래프나, 여러 종류의 차트를 하나의 캔버스에 겹쳐 그려야 할 때 사용합니다.

**※ 두 모듈의 관계:** Plotly Express는 내부적으로 Graph Objects를 사용하여 그래프를 생성하는 고수준 래퍼(Wrapper)입니다. 따라서 Express로 생성한 `fig` 객체 역시 `graph_objects.Figure` 타입이며, 생성 이후 `update_layout`이나 `update_traces`를 통해 세밀한 수정이 가능합니다.

### API 비교 예제
동일한 산점도를 두 가지 방식으로 구현하는 예시입니다.

```python
import plotly.express as px
import plotly.graph_objects as go

# 데이터 준비
x_data = [1, 2, 3, 4]
y_data = [10, 11, 12, 13]

# 1. Plotly Express 방식 (간결함)
fig_express = px.scatter(x=x_data, y=y_data, title="Express 산점도")

# 2. Graph Objects 방식 (세밀한 제어)
fig_go = go.Figure(data=go.Scatter(x=x_data, y=y_data, mode='markers'))
fig_go.update_layout(title="Graph Objects 산점도")
```

## 5. 주요 시각화 유형 및 활용
Plotly는 단순한 2D 차트부터 고차원 데이터 시각화까지 폭넓은 유형을 지원합니다.

*   **기본 차트:** 선 그래프(`px.line`), 막대 그래프(`px.bar`), 산점도(`px.scatter`), 파이 차트(`px.pie`) 등.
*   **통계 차트:** 히스토그램(`px.histogram`), 박스 플롯(`px.box`), 바이올린 플롯(`px.violin`) 등.
*   **고급 차트:** 3D 산점도 및 표면도(`go.Scatter3d`, `go.Surface`), 지리 정보 기반의 지도(`px.choropleth`), 주식 분석을 위한 캔들스틱(`go.Candlestick`) 차트 등.

### 데이터프레임 연동 및 산점도 구현 예제
Pandas 데이터프레임을 활용하여 `plotly.express`로 산점도를 구현하는 예제입니다.

```python
import plotly.express as px
import pandas as pd

# 1. 샘플 데이터프레임 생성
data = {
    'City': ['Seoul', 'Busan', 'Incheon', 'Daegu', 'Daejeon'],
    'Population': [9.7, 3.4, 2.9, 2.4, 1.5], # 단위: 백만 명
    'GDP': [400, 150, 120, 100, 90],         # 가상 수치
    'Region': ['North', 'South', 'North', 'South', 'Central']
}
df = pd.DataFrame(data)

# 2. Plotly Express를 이용한 산점도 생성
fig = px.scatter(df, 
                 x='Population', 
                 y='GDP', 
                 text='City', 
                 color='Region', 
                 title='도시별 인구 대비 GDP 분석',
                 labels={'Population': '인구 (백만 명)', 'GDP': 'GDP (단위: 억 달러)'})

# 텍스트 위치 조정 및 출력
fig.update_traces(textposition='top center')
fig.show()
```

## 6. 차트 커스터마이징 방법
Plotly에서는 `update_layout()`과 `update_traces()` 메서드를 통해 그래프의 외형을 세밀하게 조정할 수 있습니다.

*   **레이아웃 설정 (`update_layout`):** 배경색, 폰트, 제목, 축 이름, 범례 위치, 캔버스 크기 등을 설정합니다.
*   **트레이스 설정 (`update_traces`):** 데이터 포인트의 색상, 선의 굵기, 마커의 모양, 호버 텍스트 형식 등 데이터 표현 방식을 설정합니다.

```python
# 커스터마이징 예시
fig.update_layout(
    template='plotly_dark', # 다크 모드 테마 적용
    title_font_size=24,
    xaxis=dict(showgrid=False), # X축 그리드 제거
    yaxis=dict(gridcolor='gray') # Y축 그리드 색상 변경
)
fig.update_traces(marker=dict(size=15, line=dict(width=2, color='DarkSlateGrey')))
```

## 7. Plotly Dash와의 연동
**Dash**는 Plotly를 기반으로 구축된 Python 프레임워크로, 단순한 그래프를 넘어 완전한 분석용 웹 애플리케이션(대시보드)을 제작할 수 있게 해줍니다.

### 설치 방법
Dash는 Plotly와 별도의 패키지로 제공되므로 추가 설치가 필요합니다.
```bash
pip install dash
```

### 핵심 특징 및 구조
*   **구조:** Dash는 `Dash HTML Components` (웹 페이지 구조 정의)와 `Dash Core Components` (드롭다운, 슬라이더 등 인터랙티브 위젯 정의)로 구성됩니다.
*   **콜백(Callback) 메커니즘:** 사용자가 드롭다운 메뉴에서 항목을 선택하면, 해당 입력값이 Python 함수로 전달되어 그래프를 실시간으로 업데이트하고 다시 웹 페이지에 렌더링하는 반응형 구조를 가집니다.
*   **활용:** 기업의 KPI 대시보드, 실시간 데이터 모니터링 시스템, 복잡한 파라미터 조정이 필요한 데이터 분석 도구 구축에 활용됩니다.

## 8. 학습 자원 및 생태계
Plotly는 강력한 커뮤니티와 풍부한 문서를 보유하고 있습니다.

*   **공식 문서 (Plotly Python Graphing Library):** API 레퍼런스와 함께 수많은 예제 코드가 제공되어 복사-붙여넣기 방식으로 빠르게 학습할 수 있습니다.
*   **Plotly Chart Studio:** 코딩 없이 GUI 환경에서 데이터를 업로드하고 그래프를 생성할 수 있는 클라우드 기반 도구입니다. 생성된 차트는 다시 코드로 내보낼 수 있습니다.
*   **커뮤니티:** Stack Overflow 및 Plotly Forum을 통해 전 세계 사용자들의 질의응답과 최적화 팁을 얻을 수 있습니다.