P2-13.2 기본 차트와 수식의 모양 확인¶

Section ID: P2-13.2 Version: v2026.07.23

P2-13.1에서는 그래프(plot)를 숫자의 모양을 확인하는 도구로 봤습니다. 이제 기본 차트를 몇 가지 직접 연결해 봅니다.

이 절의 핵심은 “Matplotlib 함수 이름을 외우는 것”이 아닙니다. 먼저 질문을 정하고, 그 질문에 맞는 차트를 고르는 감각을 만드는 것입니다.

여기서는 선 그래프(line plot), 산점도(scatter plot), 히스토그램(histogram), 손실 곡선(loss curve)의 기본 구분을 설명합니다. 그래프(plot) 자체의 역할과 Figure, Axes의 대표 설명은 P2-13.1과 개념사전에 두고, 여기서는 어떤 질문에 어떤 기본 차트를 먼저 고를지 설명합니다.

같은 학습 장면을 서로 다른 질문으로 읽기¶

이 절에서는 차트마다 전혀 다른 세계를 예로 드는 대신, 학습 과정을 점검하는 장면을 여러 질문으로 다시 읽습니다.

같은 장면에서 던지는 질문	먼저 떠올릴 차트	왜 이 차트가 맞는가
epoch가 지날수록 손실이 어떻게 바뀌는가	선 그래프(line plot)	순서에 따른 변화가 핵심이기 때문입니다.
입력값이 커질수록 관측값도 함께 커지는가	산점도(scatter plot)	샘플별 관계와 흩어짐을 함께 봐야 하기 때문입니다.
점수나 측정값이 어느 구간에 몰려 있는가	히스토그램(histogram)	분포와 몰림을 보고 싶기 때문입니다.

같은 장면이라도 질문이 바뀌면 차트 선택도 바뀝니다. 이 연결을 붙잡고 읽으면 차트 이름이 아니라 질문-차트 대응이 더 오래 남습니다.

핵심 기준: 기본 차트와 수식의 모양 확인¶

선 그래프, 산점도, 히스토그램의 기본 목적을 구분할 수 있습니다.
수식의 모양을 코드로 계산하고 그래프로 확인할 수 있습니다.
손실 곡선(loss curve)을 보고 학습 흐름을 질문할 수 있습니다.
그래프에 축 라벨과 제목을 붙여야 하는 이유를 설명할 수 있습니다.
그래프를 결론이 아니라 점검 도구로 사용하는 관점을 가질 수 있습니다.

세 가지 기준¶

기준	왜 중요한가	이 절에서 필요한 이해 수준
선 그래프는 언제 쓰는가	순서가 있는 값과 관계가 있는 값의 차트를 구분하게 해 줍니다.	순서나 시간에 따른 변화를 보고 싶을 때 쓴다고 이해합니다.
산점도와 히스토그램은 무엇이 다른가	관계와 분포를 다른 질문으로 읽게 해 줍니다.	하나는 두 값의 관계를, 다른 하나는 값의 몰림을 보는 차트로 이해합니다.
제목과 축 라벨이 왜 중요한가	그래프 해석이 그림만으로 끝나지 않음을 분명하게 해 줍니다.	그래프 해석은 그림만이 아니라 문장과 함께 완성된다고 이해합니다.

용어	이 절에서 먼저 잡을 뜻
선 그래프(line plot)	순서나 시간에 따른 값 변화를 선으로 잇는 차트입니다.
산점도(scatter plot)	두 변수의 관계와 흩어짐을 점으로 보여 주는 차트입니다.
히스토그램(histogram)	값이 어느 구간에 얼마나 몰려 있는지 보여 주는 차트입니다.
손실 곡선(loss curve)	학습 반복에 따라 손실이 어떻게 변하는지 보여 주는 선 그래프입니다.
축 라벨(axis label)	그래프에서 가로축과 세로축이 무엇을 뜻하는지 적는 설명입니다.

선 그래프는 순서에 따른 변화를 본다¶

선 그래프(line plot)는 x축의 순서가 의미 있을 때 자주 씁니다. 시간, 반복 횟수, 학습 epoch, 입력값의 연속적 변화처럼 “왼쪽에서 오른쪽으로 읽는 흐름”이 있을 때 적합합니다.

수식의 모양을 확인할 때도 선 그래프가 기본입니다. 예를 들어 \(y = x^2\)는 숫자 표로도 만들 수 있지만, 그래프로 보면 U자 형태가 바로 보입니다.

문제 상황: 수식 값을 표로 나열하면 정확한 숫자는 보여도 전체 곡선 모양은 바로 잡기 어렵습니다. 입력(input): 연속적으로 바뀌는 x 값과 각 x에 대응하는 \(y = x^2\) 계산값. 기대 출력(output): \(y = x^2\)의 전체 모양을 보여 주는 선 그래프. 확인할 개념: 선 그래프는 연속적인 입력 변화에 따른 함수 모양을 확인하는 데 적합하고, 축 라벨과 제목이 있어야 그래프가 어떤 질문에 답하는지 분명해집니다.

# 선, 산점도, 막대그래프와 수식 곡선을 그려 질문에 맞는 차트 모양을 확인하는 예제입니다.
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 121)
y = x**2

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_title("Function shape: y = x^2")
plt.show()

출력 결과는 다음처럼 보입니다.

y는 x 제곱인 함수의 모양을 보여 주는 선 그래프

이 절의 PNG 예시 자산은 p2_13_2_basic_chart_shapes.py로 다시 만들 수 있습니다. 본문 코드는 차트 선택과 Axes 사용법을 읽기 위한 최소 코드이고, 자산 스크립트는 같은 입력 조건을 파일 출력으로 남기는 재현용 코드입니다.

이 그래프가 보여 주는 것은 정답 풀이가 아니라 모양입니다.

\(x=0\) 근처에서 가장 낮습니다.
\(x\)가 양쪽으로 멀어질수록 \(y\)가 커집니다.
기울기(slope)는 위치마다 달라집니다.

이런 확인은 P2-4장에서 다룬 미분(derivative), 그래디언트(gradient), 손실 함수(loss function)의 직관과 이어집니다.

산점도는 두 값의 관계를 본다¶

산점도(scatter plot)는 각 샘플(sample)을 하나의 점으로 찍습니다. x축과 y축에 서로 다른 값을 놓고, 두 값이 함께 움직이는지 확인할 때 유용합니다.

예를 들어 어떤 입력값이 커질수록 관측값도 대체로 커지는지 보고 싶다면 산점도를 사용할 수 있습니다.

문제 상황: 두 값이 함께 커지는지, 그리고 점들이 얼마나 흩어지는지 눈으로 확인하고 싶습니다. 입력(input): 연속적인 x 값과 잡음이 섞인 관측값 y. 기대 출력(output): 관계 방향과 변동이 함께 보이는 산점도. 확인할 개념: 산점도는 관계의 후보와 잡음에 따른 퍼짐을 동시에 보여 줍니다.

# 선, 산점도, 막대그래프와 수식 곡선을 그려 질문에 맞는 차트 모양을 확인하는 예제입니다.
import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(42)
x = np.linspace(1, 10, 24)
y = 2.5 * x + rng.normal(0, 2.2, size=x.shape)

fig, ax = plt.subplots()
ax.scatter(x, y)
ax.set_xlabel("input value")
ax.set_ylabel("observed value")
ax.set_title("Scatter plot: relationship with variation")
plt.show()

출력 결과는 다음처럼 보입니다.

흩어짐이 있는 관계를 보여 주는 산점도

이 그래프에서는 점들이 완벽한 직선 위에 있지 않습니다. 하지만 오른쪽으로 갈수록 대체로 위로 올라가는 흐름이 있습니다.

여기서는 이렇게 읽으면 됩니다.

점 하나는 하나의 샘플입니다.
점들의 방향은 관계의 후보를 보여 줍니다.
점들의 흩어짐은 변동(variation)이나 잡음(noise)을 보여 줍니다.
산점도만으로 원인(cause)을 단정하지 않습니다.

히스토그램은 값이 어디에 몰렸는지 본다¶

히스토그램(histogram)은 값들을 구간(bin)으로 나누고, 각 구간에 몇 개가 들어가는지 보여 줍니다. 평균(mean) 하나만 보면 데이터가 어디에 몰려 있는지 놓칠 수 있습니다.

문제 상황: 평균값만으로는 샘플 값이 실제로 어디에 몰려 있는지 알기 어렵습니다. 입력(input): 정규분포에서 뽑은 values 샘플 목록. 기대 출력(output): 각 값 구간의 개수를 보여 주는 히스토그램. 확인할 개념: 히스토그램은 값의 몰림, 치우침, 드문 구간을 확인하게 해 줍니다.

# 선, 산점도, 막대그래프와 수식 곡선을 그려 질문에 맞는 차트 모양을 확인하는 예제입니다.
import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(7)
values = rng.normal(loc=0, scale=1, size=240)

fig, ax = plt.subplots()
ax.hist(values, bins=18)
ax.set_xlabel("value")
ax.set_ylabel("count")
ax.set_title("Histogram: where values gather")
plt.show()

출력 결과는 다음처럼 보입니다.

값이 모이는 구간을 보여 주는 히스토그램

히스토그램을 볼 때는 다음 질문을 합니다.

값이 어느 구간에 가장 많이 몰려 있는가?
한쪽으로 치우쳐 있는가?
양쪽 끝에 드문 값이 있는가?
평균만 보고 놓칠 만한 모양이 있는가?

이 질문은 P2-5장에서 다룬 분포(distribution), 평균(mean), 분산(variance)과 직접 연결됩니다.

손실 곡선은 학습 흐름을 점검한다¶

AI 학습에서는 손실(loss)이 반복 과정에서 어떻게 변하는지 자주 확인합니다. 이때 선 그래프는 단순히 수식을 예쁘게 그리는 것이 아니라, 학습이 기대한 방향으로 진행되는지 점검하는 도구가 됩니다.

문제 상황: 안정적으로 줄어드는 손실과 흔들리는 손실을 나란히 보며 학습 흐름을 비교하고 싶습니다. 입력(input): 에폭 번호와 두 종류의 손실 목록 decreasing_loss, unstable_loss. 기대 출력(output): 두 손실 곡선이 함께 그려진 비교 선 그래프. 확인할 개념: 손실 곡선은 학습이 안정적인지, 중간에 흔들리는지를 빠르게 점검하게 해 줍니다.

# 선, 산점도, 막대그래프와 수식 곡선을 그려 질문에 맞는 차트 모양을 확인하는 예제입니다.
import matplotlib.pyplot as plt
import numpy as np

epochs = np.arange(1, 11)
decreasing_loss = [2.4, 1.8, 1.35, 1.08, 0.91, 0.79, 0.70, 0.64, 0.60, 0.57]
unstable_loss = [2.4, 1.9, 1.75, 1.82, 1.55, 1.62, 1.45, 1.52, 1.40, 1.46]

fig, ax = plt.subplots()
ax.plot(epochs, decreasing_loss, marker="o", label="steady decrease")
ax.plot(epochs, unstable_loss, marker="o", label="unstable")
ax.set_xlabel("epoch")
ax.set_ylabel("loss")
ax.set_title("Loss curves can reveal training behavior")
ax.legend()
plt.show()

출력 결과는 다음처럼 두 흐름을 비교하게 해 줍니다.

꾸준히 감소하는 손실과 흔들리는 손실을 비교한 선 그래프

이 그래프를 보고 바로 “좋은 모델”이라고 결론 내리면 안 됩니다. 다만 다음 질문을 할 수 있습니다.

손실이 대체로 줄어드는가?
중간에 크게 흔들리는가?
어느 지점부터 줄어드는 속도가 느려지는가?
train loss와 validation loss를 나누어 봐야 하는가?

마지막 질문은 Part 3의 과적합(overfitting), 검증(validation), 일반화(generalization)로 이어집니다.

축, 제목, 라벨은 해석의 일부다¶

그래프에서 축(axis), 제목(title), 라벨(label)은 부가 장식이 아닙니다. 독자가 무엇을 보고 있는지 판단하는 기준입니다.

나쁜 그래프는 숫자를 그렸지만 질문을 숨깁니다.

문제 상황: 축과 제목이 없으면 그래프가 무엇을 보여 주는지 바로 알기 어렵습니다. 입력(input): ax.plot(x, y) 한 줄만 있는 최소 코드. 기대 출력(output): 선은 보이지만 질문이 드러나지 않는 불완전한 그래프 코드. 확인할 개념: 그래프 코드는 데이터를 그리는 것만으로 충분하지 않고 해석 정보도 함께 필요합니다.

# 선, 산점도, 막대그래프와 수식 곡선을 그려 질문에 맞는 차트 모양을 확인하는 예제입니다.
ax.plot(x, y)

반면 다음처럼 축과 제목을 붙이면 그래프가 어떤 질문에 답하는지 더 분명해집니다.

문제 상황: 같은 그래프라도 축 이름과 제목을 붙여 질문을 분명히 만들고 싶습니다. 입력(input): ax.plot(x, y)에 x축, y축, 제목 설정을 추가한 코드. 기대 출력(output): 무엇을 그렸는지 읽을 수 있는 더 설명적인 그래프 코드. 확인할 개념: 축 라벨과 제목은 그래프 해석의 일부입니다.

# 선, 산점도, 막대그래프와 수식 곡선을 그려 질문에 맞는 차트 모양을 확인하는 예제입니다.
ax.plot(x, y)
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_title("Function shape: y = x^2")

여기서는 최소한 다음 세 가지를 붙이는 습관을 들여야 합니다.

요소	역할
x축 라벨	가로 방향 값이 무엇인지 설명
y축 라벨	세로 방향 값이 무엇인지 설명
제목	이 그래프가 답하려는 질문을 요약

기본 차트 선택을 한 문장으로 정리하면¶

기본 차트는 다음처럼 고를 수 있습니다.

보고 싶은 것	먼저 떠올릴 차트
순서에 따른 변화	선 그래프(line plot)
두 값의 관계	산점도(scatter plot)
값의 몰림과 퍼짐	히스토그램(histogram)
학습 과정의 변화	손실 곡선(loss curve)

이 표는 외워야 할 공식이 아닙니다. 데이터에 어떤 질문을 던지고 있는지 확인하기 위한 출발점입니다.

사례 및 예시¶

사례 1. 어떤 차트를 써야 할지 몰라서 아무 그래프나 그리게 될 때¶

한 학습자가 학습 로그와 점수 데이터를 손에 쥐고 있다고 하겠습니다. 손실은 epoch마다 기록되어 있고, 공부 시간과 점수는 샘플별로 짝이 있으며, 시험 점수는 여러 학생에 대해 한 번에 모여 있습니다. 즉 앞에서 본 같은 학습 장면을 세 가지 질문으로 다시 읽는 상황입니다.

사람은 처음에 그래프를 하나 그려야 하니 아무거나 그리자고 생각하기 쉽습니다. 하지만 질문이 다르면 차트도 달라져야 합니다. 손실의 변화는 선 그래프가, 두 값의 함께 움직임은 산점도가, 값의 몰림은 히스토그램이 더 자연스럽습니다.

이 절이 차트 이름보다 무슨 질문을 하고 있는가를 먼저 보라고 하는 이유가 여기에 있습니다. 같은 데이터라도 변화, 관계, 분포 중 무엇을 보고 싶은지에 따라 차트 선택이 달라집니다.

확인 가능한 결과는 차트를 바꿔 보면 드러납니다. epoch별 손실을 선 그래프로 그렸을 때는 흐름이 잘 보이고, 같은 데이터를 히스토그램으로 그리면 질문이 흐려집니다. 반대로 점수 분포는 히스토그램에서 더 잘 드러납니다.

체크리스트¶

변화, 관계, 분포 중 무엇을 보고 싶은지에 따라 차트를 고르는 기준을 설명할 수 있는가?
선 그래프는 순서나 연속적 변화의 모양을 확인하는 데 적합하다고 말할 수 있는가?
산점도에서 점 하나가 무엇을 의미하는지, 두 값의 관계와 흩어짐을 어떻게 읽는지 설명할 수 있는가?
히스토그램이 평균과 다른 분포 정보를 보여 주며 값이 어디에 몰려 있는지 확인하게 해 준다는 점을 설명할 수 있는가?
손실 곡선을 보고 학습 흐름에 대한 질문을 만들 수 있는가?
수식 \(y = x^2\)의 모양이나 분포의 생김새를 실제 그림으로 확인해야 할 때 어떤 차트를 먼저 떠올릴지 고를 수 있는가?
그래프를 만들 때 x축, y축, 제목, 라벨이 해석의 일부라는 점을 설명할 수 있는가?
손실 곡선, 변수 관계, 오류 분포를 보고 다음 실험이나 설명을 바꿔야 할 때 이 차트 선택 기준으로 돌아올 수 있는가?

출처와 참고 자료¶

Matplotlib Developers, Quick start guide, Matplotlib documentation, 확인 날짜: 2026-07-20. https://matplotlib.org/stable/users/explain/quick_start.html Axes.plot, Axes.scatter, 라벨·제목 설정을 포함한 기본 그래프 코드 흐름을 확인했습니다.
Matplotlib Developers, Plot types, Matplotlib documentation, 확인 날짜: 2026-07-20. https://matplotlib.org/stable/plot_types/index.html 선 그래프, 산점도, 히스토그램을 변화·관계·분포 질문에 대응시키는 근거입니다.
Matplotlib Developers, matplotlib.pyplot, Matplotlib API reference, 확인 날짜: 2026-07-20. https://matplotlib.org/stable/api/pyplot_summary.html pyplot 함수 기반 예제와 Matplotlib 입문 코드 스타일을 확인하는 참고 자료입니다.