# matplotlib 그래프 그리기: 막대, 선, 히스토그램 기초

> 로그인 시도 CSV 600건으로 matplotlib 막대 그래프, 선 그래프, 히스토그램을 하나씩 그리고 savefig로 PNG를 저장합니다. 한글이 깨질 때 나오는 경고와 Malgun Gothic 글꼴 설정까지 실제 출력으로 정리합니다.

- 주소: https://copyandrun.com/blog/matplotlib-bar-line-distribution-basics/
- 분야: SIEM·보안관제
- 발행일: 2026-11-16
- 태그: matplotlib, pandas, Python, 시각화, 로그 분석

matplotlib에서는 그래프 종류를 메서드 하나로 고릅니다. 항목별 크기 비교에는 `ax.bar`, 시간에 따른 변화에는 `ax.plot`, 값의 분포에는 `ax.hist`를 씁니다. 이 글에서는 로그인 시도 600건으로 세 그래프를 그려 `savefig`로 PNG를 저장하고, 한글 글꼴 설정까지 확인합니다.

## 준비물

| 항목 | 내용 |
| --- | --- |
| Python | 3.12.10 |
| matplotlib | 3.11.2 |
| pandas | 3.1.1 |
| 글꼴 | Malgun Gothic (Windows 기본 포함) |
| 샘플 데이터 | `login_attempts.csv` 600행 |

샘플 CSV는 [pandas groupby 사용법: CSV 로그에서 실패 로그인 집계](/blog/pandas-csv-groupby-first-analysis/)의 1번에 있는 `make_data.py`로 만든 파일을 그대로 씁니다. 열은 `timestamp`, `src_ip`, `username`, `result`, `response_ms` 다섯 개이고, IP는 모두 문서용 대역입니다.

## 1. matplotlib 설치와 버전 확인

가상 환경에 두 패키지를 설치하고 버전을 확인합니다.

```bash
python -m venv .venv
.venv/Scripts/python -m pip install pandas matplotlib
.venv/Scripts/python -c "import pandas, matplotlib; print('pandas', pandas.__version__); print('matplotlib', matplotlib.__version__)"
```

```text
pandas 3.1.1
matplotlib 3.11.2
```

macOS와 Linux에서는 `.venv/Scripts/python` 대신 `.venv/bin/python`을 씁니다.

## 2. 한글 글꼴 설정

matplotlib이 기본으로 쓰는 글꼴인 DejaVu Sans에는 한글이 없습니다. 설정 없이 제목에 한글을 넣으면 어떻게 되는지 먼저 확인합니다.

```python
import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.bar(["a", "b"], [3, 5])
ax.set_title("실패 횟수")
fig.savefig("nofont.png")
```

```text
nofont.py:6: UserWarning: Glyph 49892 (\N{HANGUL SYLLABLE SIL}) missing from font(s) DejaVu Sans.
  fig.savefig("nofont.png")
nofont.py:6: UserWarning: Glyph 54056 (\N{HANGUL SYLLABLE PAE}) missing from font(s) DejaVu Sans.
  fig.savefig("nofont.png")
nofont.py:6: UserWarning: Glyph 54943 (\N{HANGUL SYLLABLE HOES}) missing from font(s) DejaVu Sans.
  fig.savefig("nofont.png")
nofont.py:6: UserWarning: Glyph 49688 (\N{HANGUL SYLLABLE SU}) missing from font(s) DejaVu Sans.
  fig.savefig("nofont.png")
```

오류가 아닌 경고라서 파일은 저장되지만, 제목의 네 글자가 모두 빈 네모로 찍힙니다. 한글이 들어 있는 글꼴이 matplotlib에 등록되어 있는지 이름으로 찾아봅니다.

```python
from matplotlib import font_manager

names = sorted({f.name for f in font_manager.fontManager.ttflist})
print([n for n in names if "Malgun" in n])
```

```text
['Malgun Gothic', 'Malgun Gothic Semilight']
```

`Malgun Gothic`이 있으므로 그래프를 그리는 스크립트 맨 위에 아래 두 줄을 넣습니다.

```python
plt.rcParams["font.family"] = "Malgun Gothic"
plt.rcParams["axes.unicode_minus"] = False
```

둘째 줄은 음수 눈금의 빼기 기호가 네모로 깨지는 것을 막습니다. macOS에서는 `AppleGothic`을 쓰고, Linux에서는 `NanumGothic` 같은 한글 글꼴을 설치한 뒤 그 이름을 씁니다.

## 3. 막대 그래프: 실패 로그인이 많은 IP

막대 그래프는 항목끼리 크기를 비교할 때 씁니다. 실패한 행만 걸러 IP별로 세고, 상위 5개를 `ax.bar`에 넘깁니다.

```python
import matplotlib.pyplot as plt
import pandas as pd

plt.rcParams["font.family"] = "Malgun Gothic"
plt.rcParams["axes.unicode_minus"] = False

df = pd.read_csv("login_attempts.csv", parse_dates=["timestamp"])
fails = df[df["result"] == "fail"]
top5 = fails.groupby("src_ip").size().sort_values(ascending=False).head(5)
print(top5)

fig, ax = plt.subplots(figsize=(8, 4.5))
bars = ax.bar(top5.index, top5.values, color="#2f6fb5", width=0.6)
ax.bar_label(bars, padding=3)
ax.set_title("실패 로그인이 많은 IP 상위 5개")
ax.set_xlabel("출발지 IP")
ax.set_ylabel("실패 횟수")
ax.spines[["top", "right"]].set_visible(False)
fig.tight_layout()
fig.savefig("01-bar-fail-by-ip.png", dpi=150)
```

```text
src_ip
198.51.100.23    123
203.0.113.77      77
203.0.113.120      4
192.0.2.10         3
192.0.2.11         3
dtype: int64
```

![198.51.100.23이 123건, 203.0.113.77이 77건이고 나머지는 4건 이하인 막대 그래프와 깨지지 않은 한글 제목을 확인합니다.](https://copyandrun.com/img/matplotlib-bar-line-distribution-basics/01-bar-fail-by-ip.png)

코드에서 볼 줄은 세 가지입니다.

- **`plt.subplots()`**: 그림 전체인 `fig`와 그래프 한 칸인 `ax`를 만듭니다. `figsize`의 단위는 인치입니다.
- **`ax.bar(x, 높이)`**: 첫 인자가 막대 이름, 둘째 인자가 막대 높이입니다. pandas 집계 결과의 `index`와 `values`를 그대로 넘깁니다.
- **`ax.bar_label`**: 막대 위에 값을 적습니다. 막대가 5개라 눈금을 따라 읽는 것보다 숫자를 바로 보는 편이 빠릅니다.

상위 두 IP와 나머지의 차이가 숫자 표보다 먼저 눈에 들어옵니다.

## 4. 선 그래프: 날짜별 실패 횟수

선 그래프는 시간에 따른 변화를 볼 때 씁니다. `timestamp`를 index로 두고 `resample("D")`로 하루 단위로 묶어 셉니다.

```python
fails = df[df["result"] == "fail"]
daily = fails.set_index("timestamp").resample("D").size()
print(daily)

labels = daily.index.strftime("%m-%d")
fig, ax = plt.subplots(figsize=(8, 4.5))
ax.plot(labels, daily.values, color="#2f6fb5", linewidth=2, marker="o")
ax.set_title("날짜별 실패 로그인 횟수")
ax.set_xlabel("날짜")
ax.set_ylabel("실패 횟수")
ax.set_ylim(0, daily.max() * 1.2)
ax.grid(axis="y", alpha=0.3)
ax.spines[["top", "right"]].set_visible(False)
fig.tight_layout()
fig.savefig("02-line-fail-by-day.png", dpi=150)
```

```text
timestamp
2026-11-09    34
2026-11-10    32
2026-11-11    28
2026-11-12    39
2026-11-13    27
2026-11-14    33
2026-11-15    24
Freq: D, dtype: int64
```

![11월 9일부터 15일까지 날짜별 실패 횟수가 24건에서 39건 사이를 오가고 12일에 39건으로 가장 높은 선 그래프를 확인합니다.](https://copyandrun.com/img/matplotlib-bar-line-distribution-basics/02-line-fail-by-day.png)

`marker="o"`는 실제 값이 있는 자리에 점을 찍습니다. 점이 7개뿐이라 선만 그리면 값이 어디에 있는지 알기 어렵습니다. 세로축은 `set_ylim(0, ...)`으로 0부터 시작합니다. 이 줄을 빼면 matplotlib이 축을 23 근처에서 시작해, 하루 10건 남짓한 차이가 급격한 변화처럼 보입니다.

실패는 하루 24건에서 39건 사이이고 가장 많은 날은 11월 12일입니다. 이 샘플은 특정 날짜에 몰리지 않게 만들었으므로 뚜렷한 급증은 없습니다. 실제 로그에서 특정 날짜만 솟아 있다면 그날 기록을 3번 절의 막대 그래프처럼 IP별로 다시 나누어 봅니다.

## 5. 히스토그램: 응답 시간 분포

히스토그램은 숫자 값이 어느 구간에 몰려 있는지 볼 때 씁니다. 막대 그래프와 달리 가로축이 항목이 아닌 숫자 구간입니다. `bins`는 구간 개수입니다.

```python
ms = df["response_ms"]
print(ms.describe().round(1))

fig, ax = plt.subplots(figsize=(8, 4.5))
ax.hist(ms, bins=20, color="#2f6fb5", edgecolor="white")
ax.axvline(ms.mean(), color="#444444", linestyle="--", linewidth=1.5,
           label=f"평균 {ms.mean():.1f} ms")
ax.set_title("로그인 응답 시간 분포")
ax.set_xlabel("응답 시간 (ms)")
ax.set_ylabel("건수")
ax.legend(frameon=False)
ax.spines[["top", "right"]].set_visible(False)
fig.tight_layout()
fig.savefig("03-hist-response-ms.png", dpi=150)
```

```text
count    600.0
mean     177.8
std       40.3
min       60.0
25%      150.0
50%      181.0
75%      204.0
max      294.0
Name: response_ms, dtype: float64
```

![응답 시간이 60ms에서 294ms 사이에 퍼져 있고 180ms 부근 구간이 가장 높으며 평균 177.8ms 위치에 점선이 그려진 히스토그램을 확인합니다.](https://copyandrun.com/img/matplotlib-bar-line-distribution-basics/03-hist-response-ms.png)

`ax.axvline`은 지정한 x 위치에 세로선을 긋습니다. `label`을 주고 `ax.legend()`를 호출해야 범례에 나타납니다. `edgecolor="white"`는 막대 사이에 흰 테두리를 넣어 구간 경계를 구분합니다.

분포는 평균 177.8ms 주변에 몰린 종 모양입니다. 봉우리가 두 개로 갈라지거나 오른쪽 꼬리가 길게 늘어지면 느린 요청이 따로 있다는 신호입니다. 평균값 하나로는 그 차이를 알 수 없어 분포를 그려 봅니다.

## 6. savefig 옵션과 저장 결과 확인

세 스크립트 모두 `fig.savefig("파일이름.png", dpi=150)`으로 저장했습니다. 저장된 파일을 확인합니다.

```bash
ls *.png
```

```text
01-bar-fail-by-ip.png
02-line-fail-by-day.png
03-hist-response-ms.png
nofont.png
```

저장할 때 자주 쓰는 설정은 세 가지입니다.

- **`dpi`**: 인치당 점 개수입니다. `figsize=(8, 4.5)`에 `dpi=150`이면 1200x675 픽셀 이미지가 됩니다.
- **`fig.tight_layout()`**: 축 이름과 제목이 그림 밖으로 잘리지 않게 여백을 다시 계산합니다. `savefig`보다 먼저 호출합니다.
- **파일 확장자**: 이름을 `.svg`나 `.pdf`로 바꾸면 그 형식으로 저장됩니다.

저장한 PNG는 반드시 열어서 확인합니다. 한글이 네모로 찍혔는지, 축 이름이 잘렸는지는 코드만으로 알 수 없습니다.

## 7. 세 그래프 비교

| 그래프 | 메서드 | 가로축 | 답하는 질문 | 이 글의 결과 |
| --- | --- | --- | --- | --- |
| 막대 | `ax.bar` | 항목 (IP) | 어느 항목이 큰가 | 상위 두 IP가 123건, 77건 |
| 선 | `ax.plot` | 시간 (날짜) | 언제 늘고 줄었나 | 하루 24~39건, 최고 11월 12일 |
| 히스토그램 | `ax.hist` | 숫자 구간 (ms) | 값이 어디에 몰려 있나 | 평균 177.8ms 주변에 집중 |

같은 방식의 집계를 Windows 로그온 실패 기록에 적용하는 예는 [Windows 이벤트 4625 로그온 실패 분석](/blog/windows-event-4625-failed-logon-analysis/)에서 볼 수 있습니다.

## 자주 묻는 질문

**`plt.plot()`과 `ax.plot()` 중 무엇을 써야 합니까?**

결과는 같지만, 그래프를 여러 개 그리거나 세부 설정을 바꿀 때 대상이 분명한 `fig, ax = plt.subplots()` 방식을 권합니다.

**`plt.show()`를 호출하지 않아도 파일이 저장됩니까?**

`savefig`는 화면 표시와 관계없이 저장하며, 창으로도 보고 싶을 때만 저장 뒤에 `plt.show()`를 호출합니다.

**히스토그램의 `bins`는 몇 개로 정해야 합니까?**

정답은 없으며 10, 20, 40처럼 바꿔 그려 보고 분포 모양이 가장 잘 드러나는 값을 고릅니다.
