13강 / 20강

matplotlib — 숫자를 그림으로

논문 그림은 결국 몇 줄의 코드입니다

숫자 2만 개를 눈으로 훑을 수는 없습니다. 그려야 보입니다.

파이썬의 기본 그림 도구는 matplotlib 입니다. 쓰는 법은 늘 같은 세 걸음이에요.

1. 무엇을 그릴지 고른다 — plt.plot · plt.bar · plt.scatter · plt.hist

2. 축 이름과 제목을 단다 — plt.xlabel · plt.title

3. plt.show() 로 마친다

고등학생그려야 보입니다

숫자 2만 개를 눈으로 훑을 수는 없습니다. 그려야 보여요.

그리는 순서는 늘 같습니다

단계	코드	하는 일
①	`plt.bar` · `plt.hist` …	무엇을 그릴지 고른다
②	`plt.xlabel` · `plt.title`	이름표를 단다
③	`plt.show()`	보여 준다

고르고 → 이름 달고 → 보여 준다

②번을 절대 건너뛰지 마세요

축 이름이 없는 그래프는 아무 뜻이 없습니다. 숫자가 무엇인지, 단위가 무엇인지 알 수 없으니까요.

축 이름 없이	축 이름과 함께
"막대가 높다"	"표본 수가 11,070개다"
아무 정보 없음	정보

수행평가 그래프에서 가장 자주 감점되는 게 축 이름입니다. 그리기보다 이름 다는 게 더 중요해요.

그리고 이 강의의 좋은 점 하나

본문이 논문 Fig. S1 이 이 그림입니다 라고 적습니다.

우리가 그린 것이 실제 논문에 실린 그림과 같은 것이다

논문의 그림이 특별한 도구로 만들어진 것 같지만, 이 몇 줄이면 됩니다. 그 사실을 아는 것만으로도 논문이 훨씬 가깝게 느껴져요.

막대 위에 숫자를 적는 것이 <code>plt.text</code> 입니다.

Python 브라우저에서 실행

import matplotlib.pyplot as plt

# 논문 SI 의 표본 선별 깔때기를 막대로
단계 = ["TCGA\n전체", "원발암만", "항원경로\n정상", "면역침윤\n많음"]
남은 = [11070, 9707, 7570, 3055]

plt.figure(figsize=(7, 4))
막대 = plt.bar(단계, 남은, color=["#94a3b8", "#94a3b8", "#94a3b8", "#ef4444"])

# 막대 위에 숫자를 적는다
for b, n in zip(막대, 남은):
    plt.text(b.get_x() + b.get_width()/2, n + 250, f"{n:,}",
             ha="center", fontsize=9)

plt.ylabel("남은 표본 수")
plt.title("Sample selection from TCGA data")
plt.ylim(0, 12500)
plt.grid(axis="y", alpha=.3)
plt.tight_layout()
plt.show()

print("논문 Fig. S1 이 이 그림입니다.")

고등학생막대 위에 숫자를 적는 이유

코드가 막대 위에 숫자를 적습니다 (plt.text). 사소해 보이지만 좋은 습관이에요.

왜 적나

막대그래프는 대략의 크기는 보여 주지만 정확한 값은 못 보여 줍니다. 눈금을 읽어야 하는데 사람은 눈금을 잘 못 읽어요.

그림은 비교를 위한 것, 숫자는 정확성을 위한 것

둘 다 있으면 둘 다 얻습니다.

다만 항상 적는 건 아닙니다

적는다	안 적는다
막대가 몇 개일 때	점이 2만 개일 때 (볼케이노)
정확한 값이 중요할 때	모양이 중요할 때 (분포)

16강의 볼케이노에서는 일부에만 이름을 답니다. 다 달면 글자가 겹쳐 아무것도 안 보여요.

정보를 더 넣는 것이 늘 좋은 건 아니다

그림의 목적을 먼저 정하세요

보고용 — 정확한 숫자가 중요. 값을 적는다
탐색용 — 모양이 중요. 깔끔하게 둔다
발표용 — 강조할 것만 남기고 나머지는 흐리게

같은 자료도 목적에 따라 다르게 그립니다. "예쁜 그래프" 가 아니라 "무엇을 보여 줄 그래프" 를 먼저 정하세요.

어떤 그림을 고를까

묻는 것	그림	이 논문에서
몇 개인가	`bar` 막대	Fig. S1 표본 선별
어떻게 퍼져 있나	`hist` 히스토그램	TMB 분포
두 값의 관계	`scatter` 산점도	볼케이노 플롯 (16강)
시간에 따라	`plot` 선	종양 성장곡선 · 생존곡선
군끼리 견주기	`boxplot` 상자	Fig. 4E 의 TIL 비율
표 전체를 색으로	`imshow` 히트맵	Fig. 3 의 pheatmap (17강)

고등학생어떤 그림을 고를까 — 물음이 정합니다

본문의 표가 아주 실용적입니다. 외워 두면 평생 씁니다.

묻는 것	그림	논문에서
몇 개인가	막대 `bar`	Fig. S1 표본 선별
어떻게 퍼져 있나	히스토그램 `hist`	TMB 분포
두 값의 관계	산점도 `scatter`	볼케이노 (16강)
시간에 따라	선 `plot`	종양 성장곡선
군끼리 견주기	상자 `boxplot`	Fig. 4E
표 전체를 색으로	히트맵 `imshow`	Fig. 3 (17강)

그림을 고르는 것이 아니라 물음이 그림을 정한다

흔한 실수 — 예쁜 그림부터 고르기

"파이차트가 예쁘니까 파이차트로 하자" 는 거꾸로입니다. 파이차트는 사실 거의 항상 나쁜 선택이에요 — 사람은 각도를 잘 못 비교하거든요. 막대가 낫습니다.

히스토그램과 막대그래프를 헷갈리지 마세요

	막대그래프	히스토그램
가로축	종류 (사과·배·귤)	숫자 구간 (0~10, 10~20…)
막대 사이	떨어져 있다	붙어 있다
순서	바꿔도 된다	못 바꾼다

막대가 붙어 있는 건 구간이 이어져 있다는 표시입니다. 꾸밈이 아니라 뜻이에요.

고민되면 두 가지를 다 그려 보세요

코드로 그리면 몇 초면 됩니다. 손으로 그리던 시절과 다르죠. 여러 개 그려 보고 고르는 것이 가장 좋은 방법입니다.

상자 위에 <b>낱낱 점</b>을 겹쳐 찍는 것이 요즘의 관례입니다 — n 이 보이니까요.

Python 브라우저에서 실행

import numpy as np, matplotlib.pyplot as plt
rng = np.random.default_rng(20250225)

# 네 군의 값 — 상자그림으로 견준다 (논문 Fig. 4E 의 모양)
군 = ["WT+아이소", "WT+PD1", "KD+아이소", "KD+PD1"]
값 = [rng.normal(m, s, 12) for m, s in [(3.0, 0.9), (3.5, 1.0), (5.2, 1.1), (10.4, 1.6)]]

plt.figure(figsize=(7, 4))
bp = plt.boxplot(값, labels=군, patch_artist=True, widths=.55)
for 상자, 색 in zip(bp["boxes"], ["#94a3b8", "#3b82f6", "#f59e0b", "#ef4444"]):
    상자.set_facecolor(색); 상자.set_alpha(.75)

# 낱낱 점도 함께 찍는다 — 상자만 보면 n 을 알 수 없다
for i, v in enumerate(값, 1):
    plt.scatter(np.full(len(v), i) + rng.normal(0, .05, len(v)), v,
                s=14, color="#334155", zorder=3, alpha=.7)

plt.ylabel("CD45⁺ 중 CD8⁺ 비율 (%)")
plt.title("네 군의 CD8 T 세포 (연습용 값)")
plt.grid(axis="y", alpha=.3)
plt.tight_layout(); plt.show()

고등학생상자만 보면 n 을 알 수 없습니다

캡션이 요즘의 관례를 짚습니다 — 상자 위에 낱낱 점을 겹쳐 찍는 것.

상자그림이 보여 주는 것

중앙값, 사분위수, 범위. 요약이에요.

그런데 안 보여 주는 것

몇 개의 자료로 그린 상자인가

이게 결정적입니다.

상자	실제 자료	믿을 만한가
똑같이 생김	3개	거의 못 믿는다
똑같이 생김	300개	믿을 만하다

상자 두 개가 똑같이 생겼는데 하나는 3개, 하나는 300개일 수 있다

점을 겹쳐 찍으면

개수가 바로 보인다
어디에 몰려 있는지 보인다 (상자는 못 보여 준다)
이상한 값이 있는지 보인다
두 봉우리로 갈라져 있는지 보인다 — 상자로는 절대 안 보임

마지막 줄이 특히 중요합니다

자료가 두 무리로 갈라져 있으면 어떻게 될까요? 평균과 중앙값은 가운데 아무도 없는 자리를 가리킵니다.

상자그림은 그걸 못 보여 줍니다. 점을 찍으면 바로 보여요.

요약은 정보를 버리는 일이다 — 무엇을 버렸는지 알아야 한다

비유 — 반 평균만 발표하기

"우리 반 평균 70점" 이라고만 하면, 전원이 70점인지 절반이 100점, 절반이 40점인지 알 수 없죠.

완전히 다른 상황인데 같은 숫자가 나옵니다. 그래서 요즘 논문은 낱낱 점을 함께 찍는 걸 요구합니다. 학술지에 따라서는 필수예요.

🤔 확인 문제

상자그림 위에 낱낱 데이터 점을 함께 찍는 이유는?