You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
217 lines
13 KiB
217 lines
13 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "43c402d9d90ae6da55d004519ada5033",
|
|
"translation_date": "2025-08-26T17:24:12+00:00",
|
|
"source_file": "3-Data-Visualization/09-visualization-quantities/README.md",
|
|
"language_code": "sk"
|
|
}
|
|
-->
|
|
# Vizualizácia množstiev
|
|
|
|
| ](../../sketchnotes/09-Visualizing-Quantities.png)|
|
|
|:---:|
|
|
| Vizualizácia množstiev - _Sketchnote od [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
V tejto lekcii preskúmate, ako používať jednu z mnohých dostupných knižníc Pythonu na vytváranie zaujímavých vizualizácií založených na koncepte množstva. Pomocou vyčisteného datasetu o vtákoch z Minnesoty sa môžete dozvedieť veľa zaujímavých faktov o miestnej faune.
|
|
## [Kvíz pred prednáškou](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/16)
|
|
|
|
## Pozorovanie rozpätia krídel pomocou Matplotlib
|
|
|
|
Vynikajúcou knižnicou na vytváranie jednoduchých aj sofistikovaných grafov a diagramov rôznych typov je [Matplotlib](https://matplotlib.org/stable/index.html). Vo všeobecnosti proces vykresľovania údajov pomocou týchto knižníc zahŕňa identifikáciu častí vášho dataframe, ktoré chcete zacieliť, vykonanie potrebných transformácií na týchto údajoch, priradenie hodnôt osi x a y, rozhodnutie o type grafu a následné zobrazenie grafu. Matplotlib ponúka širokú škálu vizualizácií, ale v tejto lekcii sa zameriame na tie najvhodnejšie na vizualizáciu množstva: čiarové grafy, bodové grafy a stĺpcové grafy.
|
|
|
|
> ✅ Použite najlepší typ grafu podľa štruktúry vašich údajov a príbehu, ktorý chcete rozprávať.
|
|
> - Na analýzu trendov v čase: čiarový graf
|
|
> - Na porovnanie hodnôt: stĺpcový, koláčový, bodový graf
|
|
> - Na zobrazenie vzťahu častí k celku: koláčový graf
|
|
> - Na zobrazenie distribúcie údajov: bodový, stĺpcový graf
|
|
> - Na zobrazenie trendov: čiarový, stĺpcový graf
|
|
> - Na zobrazenie vzťahov medzi hodnotami: čiarový, bodový, bublinový graf
|
|
|
|
Ak máte dataset a potrebujete zistiť, koľko konkrétnej položky je zahrnuté, jednou z prvých úloh bude preskúmať jeho hodnoty.
|
|
|
|
✅ Existujú veľmi dobré 'cheat sheets' pre Matplotlib [tu](https://matplotlib.org/cheatsheets/cheatsheets.pdf).
|
|
|
|
## Vytvorenie čiarového grafu o hodnotách rozpätia krídel vtákov
|
|
|
|
Otvorte súbor `notebook.ipynb` v koreňovom adresári tejto lekcie a pridajte bunku.
|
|
|
|
> Poznámka: údaje sú uložené v koreňovom adresári tohto repozitára v priečinku `/data`.
|
|
|
|
```python
|
|
import pandas as pd
|
|
import matplotlib.pyplot as plt
|
|
birds = pd.read_csv('../../data/birds.csv')
|
|
birds.head()
|
|
```
|
|
Tieto údaje sú kombináciou textu a čísel:
|
|
|
|
| | Názov | Vedecký názov | Kategória | Rad | Rodina | Rod | Stav ochrany | MinDĺžka | MaxDĺžka | MinHmotnosť | MaxHmotnosť | MinRozpätie | MaxRozpätie |
|
|
| ---: | :--------------------------- | :--------------------- | :-------------------- | :----------- | :------- | :---------- | :------------------- | --------: | --------: | ----------: | ----------: | ----------: | ----------: |
|
|
| 0 | Black-bellied whistling-duck | Dendrocygna autumnalis | Ducks/Geese/Waterfowl | Anseriformes | Anatidae | Dendrocygna | LC | 47 | 56 | 652 | 1020 | 76 | 94 |
|
|
| 1 | Fulvous whistling-duck | Dendrocygna bicolor | Ducks/Geese/Waterfowl | Anseriformes | Anatidae | Dendrocygna | LC | 45 | 53 | 712 | 1050 | 85 | 93 |
|
|
| 2 | Snow goose | Anser caerulescens | Ducks/Geese/Waterfowl | Anseriformes | Anatidae | Anser | LC | 64 | 79 | 2050 | 4050 | 135 | 165 |
|
|
| 3 | Ross's goose | Anser rossii | Ducks/Geese/Waterfowl | Anseriformes | Anatidae | Anser | LC | 57.3 | 64 | 1066 | 1567 | 113 | 116 |
|
|
| 4 | Greater white-fronted goose | Anser albifrons | Ducks/Geese/Waterfowl | Anseriformes | Anatidae | Anser | LC | 64 | 81 | 1930 | 3310 | 130 | 165 |
|
|
|
|
Začnime vykreslením niektorých číselných údajov pomocou základného čiarového grafu. Predpokladajme, že chcete zobraziť maximálne rozpätie krídel týchto zaujímavých vtákov.
|
|
|
|
```python
|
|
wingspan = birds['MaxWingspan']
|
|
wingspan.plot()
|
|
```
|
|
|
|
|
|
Čo si všimnete okamžite? Zdá sa, že existuje aspoň jeden extrémny údaj - to je dosť veľké rozpätie krídel! Rozpätie krídel 2300 centimetrov sa rovná 23 metrom - potulujú sa v Minnesote pterodaktyly? Poďme to preskúmať.
|
|
|
|
Aj keď by ste mohli rýchlo zoradiť údaje v Exceli, aby ste našli tieto extrémne údaje, ktoré sú pravdepodobne preklepy, pokračujte vo vizualizačnom procese priamo z grafu.
|
|
|
|
Pridajte štítky na os x, aby ste ukázali, o aké vtáky ide:
|
|
|
|
```
|
|
plt.title('Max Wingspan in Centimeters')
|
|
plt.ylabel('Wingspan (CM)')
|
|
plt.xlabel('Birds')
|
|
plt.xticks(rotation=45)
|
|
x = birds['Name']
|
|
y = birds['MaxWingspan']
|
|
|
|
plt.plot(x, y)
|
|
|
|
plt.show()
|
|
```
|
|
|
|
|
|
Aj keď sú štítky otočené o 45 stupňov, je ich príliš veľa na čítanie. Skúsme inú stratégiu: označte iba tie extrémne údaje a nastavte štítky priamo v grafe. Môžete použiť bodový graf, aby ste získali viac miesta na označovanie:
|
|
|
|
```python
|
|
plt.title('Max Wingspan in Centimeters')
|
|
plt.ylabel('Wingspan (CM)')
|
|
plt.tick_params(axis='both',which='both',labelbottom=False,bottom=False)
|
|
|
|
for i in range(len(birds)):
|
|
x = birds['Name'][i]
|
|
y = birds['MaxWingspan'][i]
|
|
plt.plot(x, y, 'bo')
|
|
if birds['MaxWingspan'][i] > 500:
|
|
plt.text(x, y * (1 - 0.05), birds['Name'][i], fontsize=12)
|
|
|
|
plt.show()
|
|
```
|
|
Čo sa tu deje? Použili ste `tick_params` na skrytie spodných štítkov a potom ste vytvorili slučku nad datasetom vtákov. Vykreslením grafu s malými modrými bodkami pomocou `bo` ste skontrolovali, či má nejaký vták maximálne rozpätie krídel nad 500, a ak áno, zobrazili ste jeho štítok vedľa bodky. Štítky ste trochu posunuli na osi y (`y * (1 - 0.05)`) a použili názov vtáka ako štítok.
|
|
|
|
Čo ste zistili?
|
|
|
|
|
|
## Filtrovanie údajov
|
|
|
|
Orol skalný a sokol prériový, aj keď sú pravdepodobne veľmi veľké vtáky, sa zdajú byť nesprávne označené, s pridanou `0` v ich maximálnom rozpätí krídel. Je nepravdepodobné, že by ste stretli orla skalného s rozpätím krídel 25 metrov, ale ak áno, dajte nám vedieť! Vytvorme nový dataframe bez týchto dvoch extrémnych údajov:
|
|
|
|
```python
|
|
plt.title('Max Wingspan in Centimeters')
|
|
plt.ylabel('Wingspan (CM)')
|
|
plt.xlabel('Birds')
|
|
plt.tick_params(axis='both',which='both',labelbottom=False,bottom=False)
|
|
for i in range(len(birds)):
|
|
x = birds['Name'][i]
|
|
y = birds['MaxWingspan'][i]
|
|
if birds['Name'][i] not in ['Bald eagle', 'Prairie falcon']:
|
|
plt.plot(x, y, 'bo')
|
|
plt.show()
|
|
```
|
|
|
|
Odstránením extrémnych údajov sú vaše údaje teraz súdržnejšie a zrozumiteľnejšie.
|
|
|
|
|
|
|
|
Teraz, keď máme čistejší dataset aspoň z hľadiska rozpätia krídel, poďme objaviť viac o týchto vtákoch.
|
|
|
|
Aj keď čiarové a bodové grafy môžu zobrazovať informácie o hodnotách údajov a ich distribúciách, chceme premýšľať o hodnotách obsiahnutých v tomto datasete. Mohli by ste vytvoriť vizualizácie na zodpovedanie nasledujúcich otázok o množstve:
|
|
|
|
> Koľko kategórií vtákov existuje a aké sú ich počty?
|
|
> Koľko vtákov je vyhynutých, ohrozených, vzácnych alebo bežných?
|
|
> Koľko je rôznych rodov a radov podľa Linnaeusovej terminológie?
|
|
## Preskúmanie stĺpcových grafov
|
|
|
|
Stĺpcové grafy sú praktické, keď potrebujete zobraziť skupiny údajov. Preskúmajme kategórie vtákov, ktoré existujú v tomto datasete, aby sme zistili, ktorá je najbežnejšia podľa počtu.
|
|
|
|
V súbore notebooku vytvorte základný stĺpcový graf.
|
|
|
|
✅ Poznámka: Môžete buď filtrovať dva extrémne údaje vtákov, ktoré sme identifikovali v predchádzajúcej časti, upraviť preklep v ich rozpätí krídel, alebo ich ponechať pre tieto cvičenia, ktoré nezávisia od hodnôt rozpätia krídel.
|
|
|
|
Ak chcete vytvoriť stĺpcový graf, môžete vybrať údaje, na ktoré sa chcete zamerať. Stĺpcové grafy môžu byť vytvorené z nespracovaných údajov:
|
|
|
|
```python
|
|
birds.plot(x='Category',
|
|
kind='bar',
|
|
stacked=True,
|
|
title='Birds of Minnesota')
|
|
|
|
```
|
|
|
|
|
|
Tento stĺpcový graf je však nečitateľný, pretože je tu príliš veľa nezhromaždených údajov. Musíte vybrať iba údaje, ktoré chcete vykresliť, takže sa pozrime na dĺžku vtákov podľa ich kategórie.
|
|
|
|
Filtrovanie údajov na zahrnutie iba kategórie vtákov.
|
|
|
|
✅ Všimnite si, že používate Pandas na správu údajov a potom necháte Matplotlib vykresliť graf.
|
|
|
|
Keďže existuje veľa kategórií, môžete tento graf zobraziť vertikálne a upraviť jeho výšku, aby ste zohľadnili všetky údaje:
|
|
|
|
```python
|
|
category_count = birds.value_counts(birds['Category'].values, sort=True)
|
|
plt.rcParams['figure.figsize'] = [6, 12]
|
|
category_count.plot.barh()
|
|
```
|
|
|
|
|
|
Tento stĺpcový graf poskytuje dobrý prehľad o počte vtákov v každej kategórii. Na prvý pohľad vidíte, že najväčší počet vtákov v tomto regióne patrí do kategórie Ducks/Geese/Waterfowl. Minnesota je 'krajina 10 000 jazier', takže to nie je prekvapujúce!
|
|
|
|
✅ Skúste niektoré ďalšie počty v tomto datasete. Prekvapilo vás niečo?
|
|
|
|
## Porovnávanie údajov
|
|
|
|
Môžete skúsiť rôzne porovnania zoskupených údajov vytvorením nových osí. Skúste porovnanie MaxDĺžky vtákov podľa ich kategórie:
|
|
|
|
```python
|
|
maxlength = birds['MaxLength']
|
|
plt.barh(y=birds['Category'], width=maxlength)
|
|
plt.rcParams['figure.figsize'] = [6, 12]
|
|
plt.show()
|
|
```
|
|
|
|
|
|
Tu nie je nič prekvapujúce: kolibríky majú najmenšiu MaxDĺžku v porovnaní s pelikánmi alebo husami. Je dobré, keď údaje dávajú logický zmysel!
|
|
|
|
Môžete vytvoriť zaujímavejšie vizualizácie stĺpcových grafov prekrytím údajov. Prekryme Minimálnu a Maximálnu Dĺžku na danej kategórii vtákov:
|
|
|
|
```python
|
|
minLength = birds['MinLength']
|
|
maxLength = birds['MaxLength']
|
|
category = birds['Category']
|
|
|
|
plt.barh(category, maxLength)
|
|
plt.barh(category, minLength)
|
|
|
|
plt.show()
|
|
```
|
|
V tomto grafe môžete vidieť rozsah pre kategóriu vtákov Minimálnej Dĺžky a Maximálnej Dĺžky. Môžete bezpečne povedať, že podľa týchto údajov, čím väčší vták, tým väčší rozsah jeho dĺžky. Fascinujúce!
|
|
|
|
|
|
|
|
## 🚀 Výzva
|
|
|
|
Tento dataset vtákov ponúka množstvo informácií o rôznych typoch vtákov v konkrétnom ekosystéme. Vyhľadajte na internete ďalšie datasety zamerané na vtáky. Precvičte si vytváranie grafov a diagramov o týchto vtákoch, aby ste objavili fakty, ktoré ste si neuvedomovali.
|
|
## [Kvíz po prednáške](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/17)
|
|
|
|
## Prehľad a samostatné štúdium
|
|
|
|
Táto prvá lekcia vám poskytla niekoľko informácií o tom, ako používať Matplotlib na vizualizáciu množstiev. Urobte si výskum o iných spôsoboch práce s datasetmi na vizualizáciu. [Plotly](https://github.com/plotly/plotly.py) je jedna z možností, ktorú v týchto lekciách nebudeme pokrývať, takže sa pozrite, čo môže ponúknuť.
|
|
## Zadanie
|
|
|
|
[Čiary, bodky a stĺpce](assignment.md)
|
|
|
|
---
|
|
|
|
**Upozornenie**:
|
|
Tento dokument bol preložený pomocou služby AI prekladu [Co-op Translator](https://github.com/Azure/co-op-translator). Aj keď sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nenesieme zodpovednosť za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu. |