🐼📊 Pandas + Matplotlib OOP 예제 20개

🚀 학습 안내

이 자료는 업로드된 Pandas + Matplotlib 데이터 시각화 OOP 예제 20개를 바탕으로, 코드 한 줄마다 역할과 의미를 쉽게 설명합니다.

PandasMatplotlibDataFrameOOP시각화대시보드

🧭 코드 이해 흐름

1. 과목별 점수 막대그래프

import pandas as pd
import matplotlib.pyplot as plt

class SubjectScoreBarChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def average_scores(self):
        return self.df[["국어", "수학", "정보", "과학"]].mean()

    def draw(self):
        avg = self.average_scores()
        plt.figure(figsize=(8, 5))
        plt.bar(avg.index, avg.values)
        plt.title("과목별 평균 점수")
        plt.xlabel("과목")
        plt.ylabel("평균 점수")
        plt.ylim(0, 100)
        plt.show()

data = {"이름":["김","이","박","최"],"국어":[90,85,78,92],"수학":[88,95,80,91],"정보":[96,89,85,98],"과학":[84,90,87,93]}
chart = SubjectScoreBarChart(data)
print(chart.average_scores())
chart.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

2. 월별 매출 선그래프

import pandas as pd
import matplotlib.pyplot as plt

class MonthlySalesLineChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def draw(self):
        plt.figure(figsize=(8, 5))
        plt.plot(self.df["월"], self.df["매출"], marker="o")
        plt.title("월별 매출 변화")
        plt.xlabel("월")
        plt.ylabel("매출")
        plt.grid(True)
        plt.show()

data = {"월":["1월","2월","3월","4월","5월"],"매출":[120,150,130,180,210]}
chart = MonthlySalesLineChart(data)
chart.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

3. 공부 시간과 점수 산점도

import pandas as pd
import matplotlib.pyplot as plt

class StudyScatterPlot:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def correlation(self):
        return self.df["공부시간"].corr(self.df["점수"])

    def draw(self):
        plt.figure(figsize=(8, 5))
        plt.scatter(self.df["공부시간"], self.df["점수"])
        plt.title("공부 시간과 점수의 관계")
        plt.xlabel("공부 시간")
        plt.ylabel("점수")
        plt.grid(True)
        plt.show()

data = {"공부시간":[1,2,3,4,5,6],"점수":[55,60,68,75,84,92]}
plot = StudyScatterPlot(data)
print("상관계수:", plot.correlation())
plot.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

4. 점수 분포 히스토그램

import pandas as pd
import matplotlib.pyplot as plt

class ScoreHistogram:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def mean_score(self):
        return self.df["점수"].mean()

    def draw(self):
        plt.figure(figsize=(8, 5))
        plt.hist(self.df["점수"], bins=5)
        plt.title("점수 분포")
        plt.xlabel("점수 구간")
        plt.ylabel("학생 수")
        plt.show()

data = {"점수":[55,62,70,71,75,80,82,85,88,91,93,95]}
hist = ScoreHistogram(data)
print("평균:", hist.mean_score())
hist.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

5. 용돈 사용 비율 원그래프

import pandas as pd
import matplotlib.pyplot as plt

class AllowancePieChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def percentage_table(self):
        total = self.df["금액"].sum()
        self.df["비율"] = self.df["금액"] / total * 100
        return self.df

    def draw(self):
        plt.figure(figsize=(7, 7))
        plt.pie(self.df["금액"], labels=self.df["항목"], autopct="%1.1f%%")
        plt.title("용돈 사용 비율")
        plt.show()

data = {"항목":["교통","식비","문화","저축"],"금액":[20000,40000,15000,25000]}
pie = AllowancePieChart(data)
print(pie.percentage_table())
pie.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

6. 반별 평균 점수 비교

import pandas as pd
import matplotlib.pyplot as plt

class ClassAverageChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def class_average(self):
        return self.df.groupby("반")["점수"].mean()

    def draw(self):
        avg = self.class_average()
        plt.figure(figsize=(8, 5))
        plt.bar(avg.index, avg.values)
        plt.title("반별 평균 점수")
        plt.xlabel("반")
        plt.ylabel("평균 점수")
        plt.ylim(0, 100)
        plt.show()

data = {"반":["A","A","B","B","C","C"],"점수":[90,82,77,91,88,95]}
chart = ClassAverageChart(data)
print(chart.class_average())
chart.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

7. 지역별 제품 매출 누적 막대

import pandas as pd
import matplotlib.pyplot as plt

class StackedSalesChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def pivot_sales(self):
        return pd.pivot_table(self.df, values="매출", index="지역", columns="제품", aggfunc="sum", fill_value=0)

    def draw(self):
        pivot = self.pivot_sales()
        pivot.plot(kind="bar", stacked=True, figsize=(8, 5))
        plt.title("지역별 제품 매출 구성")
        plt.xlabel("지역")
        plt.ylabel("매출")
        plt.legend(title="제품")
        plt.show()

data = {"지역":["서울","서울","부산","부산","대구","대구"],"제품":["A","B","A","B","A","B"],"매출":[100,150,80,120,90,60]}
chart = StackedSalesChart(data)
print(chart.pivot_sales())
chart.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

8. 날짜별 방문자 시계열

import pandas as pd
import matplotlib.pyplot as plt

class VisitorTimeSeries:
    def __init__(self, data):
        self.df = pd.DataFrame(data)
        self.df["날짜"] = pd.to_datetime(self.df["날짜"])

    def draw(self):
        plt.figure(figsize=(9, 5))
        plt.plot(self.df["날짜"], self.df["방문자"], marker="o")
        plt.title("날짜별 방문자 수")
        plt.xlabel("날짜")
        plt.ylabel("방문자 수")
        plt.grid(True)
        plt.xticks(rotation=30)
        plt.show()

data = {"날짜":["2026-01-01","2026-01-02","2026-01-03","2026-01-04"],"방문자":[120,150,170,160]}
ts = VisitorTimeSeries(data)
ts.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

9. 월별 매출 집계 그래프

import pandas as pd
import matplotlib.pyplot as plt

class MonthlySalesAggregator:
    def __init__(self, data):
        self.df = pd.DataFrame(data)
        self.df["날짜"] = pd.to_datetime(self.df["날짜"])

    def monthly_sum(self):
        temp = self.df.set_index("날짜")
        return temp["매출"].resample("M").sum()

    def draw(self):
        monthly = self.monthly_sum()
        plt.figure(figsize=(8, 5))
        plt.plot(monthly.index, monthly.values, marker="o")
        plt.title("월별 매출 합계")
        plt.xlabel("월")
        plt.ylabel("매출 합계")
        plt.grid(True)
        plt.show()

data = {"날짜":["2026-01-01","2026-01-15","2026-02-01","2026-02-20"],"매출":[100,150,80,120]}
chart = MonthlySalesAggregator(data)
print(chart.monthly_sum())
chart.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

10. 결측치 개수 시각화

import pandas as pd
import matplotlib.pyplot as plt

class MissingValueVisualization:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def missing_count(self):
        return self.df.isna().sum()

    def draw_missing(self):
        counts = self.missing_count()
        plt.figure(figsize=(8, 5))
        plt.bar(counts.index, counts.values)
        plt.title("열별 결측치 개수")
        plt.xlabel("열")
        plt.ylabel("결측치 개수")
        plt.show()

data = {"이름":["김","이","박","최"],"점수":[90,None,85,None],"출석":[10,9,None,8]}
viz = MissingValueVisualization(data)
print(viz.missing_count())
viz.draw_missing()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

11. 반별 점수 박스플롯

import pandas as pd
import matplotlib.pyplot as plt

class ClassBoxPlot:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def draw(self):
        groups = [group["점수"].values for _, group in self.df.groupby("반")]
        labels = list(self.df["반"].unique())
        plt.figure(figsize=(8, 5))
        plt.boxplot(groups, labels=labels)
        plt.title("반별 점수 분포")
        plt.xlabel("반")
        plt.ylabel("점수")
        plt.grid(True)
        plt.show()

data = {"반":["A","A","A","B","B","B"],"점수":[90,85,88,70,95,78]}
box = ClassBoxPlot(data)
box.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

12. 상관행렬 히트맵

import pandas as pd
import matplotlib.pyplot as plt

class CorrelationHeatmap:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def correlation_matrix(self):
        return self.df.corr(numeric_only=True)

    def draw(self):
        corr = self.correlation_matrix()
        plt.figure(figsize=(7, 6))
        plt.imshow(corr)
        plt.xticks(range(len(corr.columns)), corr.columns)
        plt.yticks(range(len(corr.index)), corr.index)
        plt.colorbar()
        plt.title("상관행렬 히트맵")
        plt.show()

data = {"공부시간":[1,2,3,4,5],"점수":[55,65,70,85,90],"결석":[5,4,3,1,0]}
heatmap = CorrelationHeatmap(data)
print(heatmap.correlation_matrix())
heatmap.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

13. Top N 제품 매출

import pandas as pd
import matplotlib.pyplot as plt

class TopNBarChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def top_n(self, n=3):
        return self.df.sort_values("매출", ascending=False).head(n)

    def draw(self, n=3):
        top = self.top_n(n)
        plt.figure(figsize=(8, 5))
        plt.bar(top["제품"], top["매출"])
        plt.title(f"상위 {n}개 제품 매출")
        plt.xlabel("제품")
        plt.ylabel("매출")
        plt.show()

data = {"제품":["A","B","C","D","E"],"매출":[120,300,180,90,250]}
chart = TopNBarChart(data)
print(chart.top_n(3))
chart.draw(3)

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

14. 범주별 빈도 그래프

import pandas as pd
import matplotlib.pyplot as plt

class CategoryCountChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def counts(self):
        return self.df["선호과목"].value_counts()

    def draw(self):
        counts = self.counts()
        plt.figure(figsize=(8, 5))
        plt.bar(counts.index, counts.values)
        plt.title("선호 과목 빈도")
        plt.xlabel("과목")
        plt.ylabel("학생 수")
        plt.show()

data = {"선호과목":["정보","수학","정보","과학","정보","수학"]}
chart = CategoryCountChart(data)
print(chart.counts())
chart.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

15. 이중 축 그래프

import pandas as pd
import matplotlib.pyplot as plt

class DualAxisChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def draw(self):
        fig, ax1 = plt.subplots(figsize=(9, 5))
        ax1.plot(self.df["월"], self.df["매출"], marker="o")
        ax1.set_xlabel("월")
        ax1.set_ylabel("매출")
        ax2 = ax1.twinx()
        ax2.bar(self.df["월"], self.df["광고비"], alpha=0.3)
        ax2.set_ylabel("광고비")
        plt.title("월별 매출과 광고비")
        plt.show()

data = {"월":["1월","2월","3월","4월"],"매출":[120,150,180,210],"광고비":[20,35,45,50]}
chart = DualAxisChart(data)
chart.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

16. 이동평균 그래프

import pandas as pd
import matplotlib.pyplot as plt

class MovingAverageChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def add_moving_average(self, window=3):
        self.df["이동평균"] = self.df["값"].rolling(window=window).mean()
        return self.df

    def draw(self):
        plt.figure(figsize=(9, 5))
        plt.plot(self.df["날짜"], self.df["값"], marker="o", label="원자료")
        plt.plot(self.df["날짜"], self.df["이동평균"], marker="o", label="이동평균")
        plt.title("원자료와 이동평균")
        plt.legend()
        plt.grid(True)
        plt.show()

data = {"날짜":["1일","2일","3일","4일","5일","6일"],"값":[10,15,13,20,18,25]}
chart = MovingAverageChart(data)
print(chart.add_moving_average(3))
chart.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

17. 누적합 그래프

import pandas as pd
import matplotlib.pyplot as plt

class CumulativeSumChart:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def add_cumsum(self):
        self.df["누적매출"] = self.df["매출"].cumsum()
        return self.df

    def draw(self):
        plt.figure(figsize=(8, 5))
        plt.plot(self.df["월"], self.df["누적매출"], marker="o")
        plt.title("월별 누적 매출")
        plt.xlabel("월")
        plt.ylabel("누적 매출")
        plt.grid(True)
        plt.show()

data = {"월":["1월","2월","3월","4월"],"매출":[100,120,90,150]}
chart = CumulativeSumChart(data)
print(chart.add_cumsum())
chart.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

18. 조건별 산점도

import pandas as pd
import matplotlib.pyplot as plt

class ConditionalScatter:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def add_level(self):
        self.df["수준"] = self.df["점수"].apply(lambda x: "높음" if x >= 80 else "낮음")
        return self.df

    def draw(self):
        self.add_level()
        plt.figure(figsize=(8, 5))
        for level, group in self.df.groupby("수준"):
            plt.scatter(group["공부시간"], group["점수"], label=level)
        plt.title("공부 시간과 점수: 수준별 표시")
        plt.xlabel("공부 시간")
        plt.ylabel("점수")
        plt.legend()
        plt.grid(True)
        plt.show()

data = {"공부시간":[1,2,3,4,5,6],"점수":[55,62,75,83,88,95]}
plot = ConditionalScatter(data)
print(plot.add_level())
plot.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

19. 미니 대시보드

import pandas as pd
import matplotlib.pyplot as plt

class MiniDashboard:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def draw(self):
        fig, axes = plt.subplots(1, 2, figsize=(12, 5))
        axes[0].bar(self.df["제품"], self.df["매출"])
        axes[0].set_title("제품별 매출")
        axes[1].plot(self.df["제품"], self.df["이익"], marker="o")
        axes[1].set_title("제품별 이익")
        axes[1].grid(True)
        plt.tight_layout()
        plt.show()

data = {"제품":["A","B","C","D"],"매출":[100,150,90,200],"이익":[20,35,10,50]}
dashboard = MiniDashboard(data)
dashboard.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

20. 종합 분석 리포트

import pandas as pd
import matplotlib.pyplot as plt

class SalesVisualizationReport:
    def __init__(self, data):
        self.df = pd.DataFrame(data)

    def clean(self):
        self.df["지역"] = self.df["지역"].str.strip()
        self.df["매출"] = self.df["매출"].fillna(self.df["매출"].mean())
        return self

    def summary(self):
        return self.df.groupby("지역")["매출"].sum()

    def draw(self):
        summary = self.summary()
        plt.figure(figsize=(8, 5))
        plt.bar(summary.index, summary.values)
        plt.title("지역별 총매출")
        plt.xlabel("지역")
        plt.ylabel("총매출")
        plt.show()

    def report(self):
        total = self.df["매출"].sum()
        best_region = self.summary().idxmax()
        return f"전체 매출은 {total:.1f}, 최고 지역은 {best_region}입니다."

data = {"지역":["서울 ","서울","부산","부산","대구"],"매출":[120,None,80,150,90]}
report = SalesVisualizationReport(data)
report.clean()
print(report.summary())
print(report.report())
report.draw()

🔍 초보자용 한 줄씩 꼼꼼한 코드 상세 설명

🏁 최종 정리

데이터 준비
→ 클래스 생성
→ DataFrame 변환
→ 분석 메서드 실행
→ Matplotlib 그래프 그리기
→ 결과 출력과 시각화
→ 대시보드와 자동 리포트로 확장

한 줄씩 코드를 이해하면, 새로운 데이터가 들어와도 클래스 구조를 조금만 바꾸어 다양한 시각화 프로그램을 만들 수 있습니다.