Matplotlib 기초 1

NumPy 배열을 선 그래프와 산점도로 표현하기

목차

1. 학습 목표

이번 강의가 끝나면 다음을 할 수 있어야 한다.

9–13장에서는 배열을 계산하고 벡터·행렬 연산으로 해석했다. 이번 장에서는 그 결과를 좌표 쌍 → 하나의 그래프 → 의미와 단위를 갖춘 그림으로 표현한다. 15장에서는 여러 그래프, 로그축, 오차막대와 공간 분포로 확장한다. 예제의 재료 데이터는 그래프 작성법을 익히도록 만든 예시 데이터이며, 특정 재료의 실험 결과가 아니다.

2. Matplotlib 시작하기

Matplotlib은 Python에서 데이터를 시각화할 때 널리 사용하는 라이브러리다. 보통 NumPy는 데이터를 계산하고, Matplotlib은 계산 결과를 그림으로 표현하는 데 사용한다.

import numpy as np
import matplotlib.pyplot as plt

관례적으로 numpy는 np, matplotlib.pyplot은 plt라는 이름으로 불러온다.

각 장의 코드는 처음부터 순서대로 실행한다. 새 Notebook이나 Python 실행 환경에서는 위의 import를 먼저 실행한다. 설치가 필요하면 사용하는 Python 환경의 터미널에서 다음 명령을 실행한다.

python -m pip install matplotlib

Notebook에서는 셀 아래에 그림이 표시되고, 일반 Python 스크립트에서는 실행 환경에 따라 plt.show()가 그림 창을 표시한다. 각 예제는 새 Figure를 만들어 앞의 그림과 구분한다.

3. 선 그래프

선 그래프(line plot)는 $x$와 $y$의 관계 또는 값의 연속적인 변화를 표현하기에 적합하다. np.linspace()로 $x$ 좌표를 만들고, 앞선 NumPy 강의에서 배운 원소별 연산으로 $y$ 좌표를 계산해 보자.

x = np.linspace(-3.0, 3.0, 101)
y = x**2 # element-wise operation

plt.plot(x, y)
plt.show()

원소별 연산으로 계산한 이차함수의 선 그래프

x와 y에는 같은 개수의 값이 들어 있다. 같은 인덱스의 두 값 $(x_i,y_i)$가 하나의 좌표가 되고, 선 그래프는 이 점들을 입력 순서대로 연결한다. plot()이 $x$를 자동 정렬하거나 점 사이의 실제 값을 알아내는 것은 아니다. 이 장에서는 x와 y를 길이가 같은 1차원 배열로 준비한다.

print(x.shape, y.shape)  # (101,) (101,)

함수 그래프는 $x$를 증가하는 순서로 준비하는 것이 자연스럽다. 측정 경로 자체를 나타내는 경우에는 측정 순서를 유지해야 한다.

4. Figure와 Axes

plt.subplots()는 Figure와 Axes를 함께 만든다.

x = np.linspace(0.0, 10.0, 101)
y = 2.0 * x + 3.0

fig, ax = plt.subplots()
ax.plot(x, y)
plt.show()

Figure와 Axes로 그린 일차함수

이후에는 어느 그래프를 수정하는지 명확한 객체 지향(object-oriented) 방식을 사용한다. 즉, plt.plot()보다 ax.plot()을 주로 사용한다. fig와 ax는 우리가 붙인 변수명이며, plt.subplots()의 두 반환값을 각각 저장한 것이다. 15장에서는 하나의 Figure에 Axes를 여러 개 만든다.

5. 그래프 꾸미기

그래프에는 데이터의 의미와 단위를 표시해야 한다.

x = np.linspace(0.0, 10.0, 101)
y = 2.0 * x + 3.0

fig, ax = plt.subplots(figsize=(6, 4))
ax.plot(x, y, color="tab:blue", linewidth=2, label=r"$y=2x+3$")
ax.set_title("Linear Function")
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_xlim(0.0, 10.0)
ax.set_ylim(0.0, 25.0)
ax.grid(True, alpha=0.3)
ax.legend()
fig.tight_layout()
plt.show()

제목·축 이름·범례·격자를 추가한 일차함수 그래프

명령 역할
ax.set_title() 그래프 제목
ax.set_xlabel() $x$축 이름과 단위
ax.set_ylabel() $y$축 이름과 단위
ax.set_xlim() $x$축 표시 범위
ax.set_ylim() $y$축 표시 범위
ax.grid() 격자 표시
ax.legend() 범례 표시

figsize=(6, 4)는 그림의 가로·세로 길이를 인치(inch) 단위로 지정한다. label은 범례에 사용할 이름을 등록하고, legend()가 실제 범례를 표시한다. tight_layout()은 축 이름 등의 간격을 조정한다. set_xlim(), set_ylim()은 표시 범위를 바꾸므로, 중요한 데이터가 잘리지 않는지도 확인하자. 이 예제의 $x,y$는 단위가 없는 수학적 변수다.

6. 산점도 (scatter plot)

산점도(scatter plot)는 측정값처럼 서로 떨어진 데이터의 관계를 나타내기에 적합하다.

temperature = np.array([300, 400, 500, 600, 700])
strength = np.array([315, 302, 284, 258, 225])

fig, ax = plt.subplots(figsize=(6, 4))
ax.scatter(temperature, strength, color="tab:red", s=60)
ax.set_xlabel("Temperature (K)")
ax.set_ylabel("Yield strength (MPa)")
ax.set_title("Temperature and Yield Strength")
ax.grid(True, alpha=0.3)
fig.tight_layout()
plt.show()

온도와 항복강도 관계를 나타낸 산점도

여기에서 s는 표식의 면적을 포인트 제곱(pt²) 단위로 지정한다. 포인트(point)는 인쇄·화면 표시에서 쓰는 길이 단위이며 1 pt는 1/72인치다. s는 반지름이 아니다. 측정된 점 사이의 값이 알려져 있지 않다면 선으로 연결하기보다 산점도로 먼저 표현하는 것이 자연스럽다.

7. 여러 데이터 비교하기

하나의 Axes에 ax.plot()을 여러 번 호출하면 여러 데이터를 함께 비교할 수 있다. 각 데이터에 label을 지정하고 범례를 표시하자.

strain = np.linspace(0.0, 0.001, 101)
stress_al = 70_000 * strain
stress_fe = 210_000 * strain

fig, ax = plt.subplots(figsize=(6, 4))
ax.plot(strain, stress_al, label="Al: E = 70 GPa")
ax.plot(strain, stress_fe, label="Fe: E = 210 GPa")
ax.set_xlabel("Strain")
ax.set_ylabel("Stress (MPa)")
ax.set_title("Elastic Stress–Strain Curves")
ax.grid(True, alpha=0.3)
ax.legend()
fig.tight_layout()
plt.show()

두 영률을 적용한 이상적인 선형 탄성 응력–변형률 곡선

응력의 단위를 MPa로 사용했으므로 영률도 $70\,000$ MPa와 $210\,000$ MPa로 계산하였다. 여기서는 선형 탄성 모델 $\sigma=E e$를 비교한다. 실제 재료에는 항복과 소성변형이 있으므로 이 직선을 임의의 큰 변형률까지 연장해 실제 응력–변형률 곡선으로 해석하면 안 된다. 탄성 범위는 재료와 조건에 따라 달라진다. 변형률 0.001은 0.1%이며, 위 그래프는 백분율이 아닌 무차원 값을 사용한다.

8. 재료공학 예제: 응력–변형률 곡선

초기 길이가 $L_0$, 초기 단면적이 $A_0$인 인장시험편에서 공칭 변형률(engineering strain)과 공칭 응력(engineering stress)은

\[e=\frac{\Delta L}{L_0}, \qquad \sigma=\frac{F}{A_0}\]

이다. 초기 길이 $50$ mm, 폭 $6$ mm, 두께 $2$ mm인 시험편의 측정값을 그래프로 나타내자. $1\ \mathrm{N/mm^2}=1\ \mathrm{MPa}$이다.

displacement = np.array([0.00, 0.05, 0.10, 0.15, 0.20, 0.30])  # mm
force = np.array([0, 2400, 4750, 6900, 8200, 8700])             # N

initial_length = 50.0  # mm
width = 6.0            # mm
thickness = 2.0        # mm
initial_area = width * thickness

engineering_strain = displacement / initial_length
engineering_stress = force / initial_area

fig, ax = plt.subplots(figsize=(6, 4))
ax.plot(engineering_strain, engineering_stress, marker="o")
ax.set_xlabel("Engineering strain")
ax.set_ylabel("Engineering stress (MPa)")
ax.set_title("Tensile Test")
ax.grid(True, alpha=0.3)
fig.tight_layout()
plt.show()

늘어난 길이와 힘에서 계산한 공칭 응력–변형률 곡선

marker="o"는 입력한 측정 지점을 원으로 표시한다. 연결선은 측정 순서의 경향을 보여 주며, 두 점 사이를 실제로 측정했다는 뜻은 아니다. 여기서 displacement는 표점거리 $L_0$에서 측정한 늘어난 길이 $\Delta L$로 가정한다. 시험기 크로스헤드 변위를 사용할 때는 시험기·그립의 변형 등이 포함될 수 있어 시편의 표점거리 변화와 바로 같다고 볼 수 없다.

8.1. 공칭 변형률과 진 변형률 비교하기

초기 길이 $L_0$가 $L$로 변했을 때 공칭 변형률(engineering strain)은 $e=(L-L_0)/L_0$이고, 같은 길이 변화의 진 변형률(true strain, logarithmic strain)은 $\varepsilon=\ln(L/L_0)$이다. 따라서

\[\frac{L}{L_0}=1+e, \qquad \varepsilon=\ln(1+e), \qquad e>-1\]

의 관계가 있다. 두 변형률은 모두 무차원이며, $e>0$은 인장, $-1<e<0$은 압축에 해당한다. $e=-1$은 길이가 0이 되는 경우이므로 로그를 계산할 수 없다.

아래에서는 공칭 변형률을 $x$축, 진 변형률을 $y$축에 놓고, 두 값이 같을 때의 기준선 $y=e$와 비교한다.

e = np.linspace(-0.9, 1.0, 401)
true_strain = np.log1p(e)  # np.log(1 + e)와 같은 함수값

fig, ax = plt.subplots(figsize=(6, 4))
ax.plot(e, true_strain, label=r"$\varepsilon=\ln(1+e)$")
ax.plot(e, e, linestyle="--", color="gray", label=r"$y=e$")
ax.axhline(0, color="black", linewidth=0.6)
ax.axvline(0, color="black", linewidth=0.6)
ax.set_xlabel("Engineering strain, e")
ax.set_ylabel(r"True strain, $\varepsilon$")
ax.set_title("Engineering and True Strain")
ax.legend()
ax.grid(True, alpha=0.3)
fig.tight_layout()
plt.show()

공칭 변형률에 따른 진 변형률과 두 변형률이 같은 경우의 기준선 비교

원점 부근에서는 $\ln(1+e)\approx e$이므로 두 값이 거의 같다. 하지만 $e=1$이면 길이가 두 배가 되어 $\varepsilon=\ln 2\approx0.693$이고, $e=-0.5$이면 길이가 절반이 되어 $\varepsilon=\ln 0.5\approx-0.693$이다. 인장에서는 진 변형률이 공칭 변형률보다 작고, 압축에서는 진 변형률의 값이 더 작고, 음수의 절댓값은 더 크다. 앞의 인장시험 예제는 $0\le e\le0.006$인 작은 범위여서, 여기서는 차이를 보기 위해 더 넓은 변형률 범위를 사용했다.

9. 삼각함수와 정의역

배열을 계산할 때는 함수가 정의되는 범위를 먼저 확인한다. NumPy의 삼각함수에는 각도를 라디안(radian) 단위로 넣는다. $y=\sin x$는 $-\pi\le x\le\pi$에서 계산할 수 있지만, $y=\tan x$는 $x=\pm\pi/2$에서 정의되지 않는다.

아래에서는 $-\pi/2<x<\pi/2$인 한 구간의 탄젠트만 그린다. 점근선(asymptote) 가까이에서는 값이 매우 커지므로, 두 함수를 비교할 때 표시 범위를 함께 확인하자.

x_sin = np.linspace(-np.pi, np.pi, 401)
delta = 0.05  # 점근선과의 거리 (rad)
x_tan = np.linspace(-np.pi / 2 + delta, np.pi / 2 - delta, 401)

fig, ax = plt.subplots(figsize=(6, 4))
ax.plot(x_sin, np.sin(x_sin), label=r"$\sin x$")
ax.plot(x_tan, np.tan(x_tan), label=r"$\tan x$")
ax.axvline(-np.pi / 2, color="gray", linestyle=":", linewidth=1)
ax.axvline(np.pi / 2, color="gray", linestyle=":", linewidth=1)
ax.set_xlim(-np.pi, np.pi)
ax.set_ylim(-4, 4)
ax.set_xlabel("x (rad)")
ax.set_ylabel("Function value")
ax.legend()
ax.grid(True, alpha=0.3)
fig.tight_layout()
plt.show()

사인함수와 점근선 사이 한 구간의 탄젠트함수 비교

수직 점선은 점근선의 위치다. $y$축 범위 밖의 탄젠트 값은 화면에서 잘리며, 실제 값이 $\pm4$에서 끝난다는 뜻은 아니다. np.linspace()에서 점근선이 우연히 빠졌더라도, 그 양쪽 점을 한 번에 연결하면 존재하지 않는 연결선이 나타날 수 있다. 여러 구간을 그릴 때는 불연속점에서 구간을 나누어 그려야 한다.

10. 그림 저장하기

fig.savefig()로 그림을 저장할 수 있다. 저장 명령은 일반적으로 plt.show()보다 앞에 둔다.

x = np.linspace(0.0, 2.0 * np.pi, 201)
y = np.sin(x)

fig, ax = plt.subplots(figsize=(6, 4))
ax.plot(x, y)
ax.set_xlabel("x (rad)")
ax.set_ylabel("sin(x)")
ax.grid(True, alpha=0.3)
fig.tight_layout()
fig.savefig("sine_curve.png", dpi=150)
plt.close(fig)

PNG 파일로 저장한 사인함수 그래프

저장 위치는 Python의 현재 작업 폴더를 기준으로 한다. figsize=(6, 4)에 dpi=150이면 기본 PNG 크기는 900×600픽셀이다. 글·선 중심의 그림은 fig.savefig("sine_curve.pdf")로 벡터 형식으로도 저장할 수 있다. plt.close(fig)는 Figure를 닫아 메모리를 정리하며, 이미 저장된 파일은 유지된다. 화면에도 표시하려면 저장 다음에 plt.show()를 호출한다.

11. 자주 하는 실수

12. 정리

13. 연습 문제

문제 1

다음 코드의 빈칸을 채워 $y=3x$를 선 그래프로 나타내시오.

x = np.linspace(0.0, 5.0, 51)
y = 3.0 * x
fig, ax = plt.subplots()
# 여기에 코드를 작성한다.
plt.show()

문제 2

선 그래프와 산점도는 각각 어떤 종류의 데이터를 표현하기에 적합한지 설명하시오.

문제 3

그래프에 $x$축 이름 Time (s)와 $y$축 이름 Temperature (K)를 추가하는 코드를 쓰시오.

문제 4

공칭 변형률 $e=\Delta L/L_0$와 진 변형률 $\varepsilon=\ln(L/L_0)$의 관계는 아래와 같다.

\[\varepsilon = \ln(1 + e),\qquad e>-1.\]

공칭 변형률을 $x$축, 진 변형률을 $y$축으로 하여, 공칭 변형률이 -0.9에서 1까지 변할 때 두 값의 관계를 그리는 코드를 작성하시오. $e=-1$을 포함할 수 없는 이유도 설명하시오.

문제 5: 표시 범위와 저장

fig, ax = plt.subplots(figsize=(6, 4))로 만든 그림을 150 dpi의 PNG 파일 result.png로 저장하는 코드를 쓰시오. 또한 ax.set_ylim(0, 100)으로 설정했을 때 120인 데이터는 어떻게 표시되는가?