12 KiB

Raw Permalink Blame History

Vizualizacija deležev


Vizualizacija deležev - Sketchnote by @nitya

V tej lekciji boste uporabili naravoslovno usmerjen nabor podatkov za vizualizacijo deležev, na primer koliko različnih vrst gliv je prisotnih v danem naboru podatkov o gobah. Raziskali bomo te fascinantne glive z naborom podatkov, pridobljenim iz Audubona, ki vsebuje podrobnosti o 23 vrstah gob z lističi iz družin Agaricus in Lepiota. Eksperimentirali boste z okusnimi vizualizacijami, kot so:

Torte 🥧
Krofi 🍩
Vaflji 🧇

💡 Zelo zanimiv projekt Charticulator Microsoft Researcha ponuja brezplačen vmesnik za vizualizacijo podatkov z metodo povleci in spusti. V enem od njihovih vaj uporabljajo tudi ta nabor podatkov o gobah! Tako lahko raziskujete podatke in hkrati spoznate knjižnico: Charticulator tutorial.

Predlekcijski kviz

Spoznajte svoje gobe 🍄

Gobe so zelo zanimive. Uvozimo nabor podatkov, da jih preučimo:

import pandas as pd
import matplotlib.pyplot as plt
mushrooms = pd.read_csv('../../data/mushrooms.csv')
mushrooms.head()

Izpiše se tabela z odličnimi podatki za analizo:

razred	oblika klobuka	površina klobuka	barva klobuka	modrice	vonj	pritrditev lističev	razmik lističev	velikost lističev	barva lističev	oblika bet	korenina bet	površina nad obročem	površina pod obročem	barva nad obročem	barva pod obročem	tip zastora	barva zastora	število obročev	tip obroča	barva trosnega prahu	populacija	habitat
Strupena	Konveksna	Gladka	Rjava	Modrice	Ostri	Prosta	Tesna	Ozka	Črna	Povečana	Enaka	Gladka	Gladka	Bela	Bela	Delna	Bela	Ena	Viseča	Črna	Razpršena	Urbana
Užitna	Konveksna	Gladka	Rumena	Modrice	Mandelj	Prosta	Tesna	Široka	Črna	Povečana	Klub	Gladka	Gladka	Bela	Bela	Delna	Bela	Ena	Viseča	Rjava	Številna	Trava
Užitna	Zvono	Gladka	Bela	Modrice	Janež	Prosta	Tesna	Široka	Rjava	Povečana	Klub	Gladka	Gladka	Bela	Bela	Delna	Bela	Ena	Viseča	Rjava	Številna	Travniki
Strupena	Konveksna	Luskasta	Bela	Modrice	Ostri	Prosta	Tesna	Ozka	Rjava	Povečana	Enaka	Gladka	Gladka	Bela	Bela	Delna	Bela	Ena	Viseča	Črna	Razpršena	Urbana

Takoj opazite, da so vsi podatki besedilni. Te podatke boste morali pretvoriti, da jih boste lahko uporabili v grafu. Večina podatkov je dejansko predstavljena kot objekt:

print(mushrooms.select_dtypes(["object"]).columns)

Rezultat je:

Index(['class', 'cap-shape', 'cap-surface', 'cap-color', 'bruises', 'odor',
       'gill-attachment', 'gill-spacing', 'gill-size', 'gill-color',
       'stalk-shape', 'stalk-root', 'stalk-surface-above-ring',
       'stalk-surface-below-ring', 'stalk-color-above-ring',
       'stalk-color-below-ring', 'veil-type', 'veil-color', 'ring-number',
       'ring-type', 'spore-print-color', 'population', 'habitat'],
      dtype='object')

Vzemite te podatke in pretvorite stolpec 'razred' v kategorijo:

cols = mushrooms.select_dtypes(["object"]).columns
mushrooms[cols] = mushrooms[cols].astype('category')

edibleclass=mushrooms.groupby(['class']).count()
edibleclass

Zdaj, če izpišete podatke o gobah, lahko vidite, da so razvrščeni v kategorije glede na razred strupenosti/užitnosti:

	oblika klobuka	površina klobuka	barva klobuka	modrice	vonj	pritrditev lističev	razmik lističev	velikost lističev	barva lističev	oblika bet	...	površina pod obročem	barva nad obročem	barva pod obročem	tip zastora	barva zastora	število obročev	tip obroča	barva trosnega prahu	populacija	habitat
razred
Užitna	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208	...	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208
Strupena	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916	...	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916

Če sledite vrstnemu redu, predstavljenemu v tej tabeli, da ustvarite oznake kategorij razreda, lahko ustvarite tortni graf:

Torta!

labels=['Edible','Poisonous']
plt.pie(edibleclass['population'],labels=labels,autopct='%.1f %%')
plt.title('Edible?')
plt.show()

Voila, tortni graf, ki prikazuje deleže teh podatkov glede na dva razreda gob. Zelo pomembno je, da pravilno določite vrstni red oznak, še posebej tukaj, zato preverite vrstni red, s katerim je zgrajeno polje oznak!

Krofi!

Vizualno nekoliko bolj zanimiv tortni graf je krofni graf, ki je tortni graf z luknjo v sredini. Poglejmo naše podatke s to metodo.

Oglejte si različna življenjska okolja, kjer rastejo gobe:

habitat=mushrooms.groupby(['habitat']).count()
habitat

Tukaj razvrščate podatke glede na habitat. Naštetih je 7, zato jih uporabite kot oznake za krofni graf:

labels=['Grasses','Leaves','Meadows','Paths','Urban','Waste','Wood']

plt.pie(habitat['class'], labels=labels,
        autopct='%1.1f%%', pctdistance=0.85)
  
center_circle = plt.Circle((0, 0), 0.40, fc='white')
fig = plt.gcf()

fig.gca().add_artist(center_circle)
  
plt.title('Mushroom Habitats')
  
plt.show()

Ta koda nariše graf in osrednji krog, nato pa doda ta osrednji krog v graf. Širino osrednjega kroga lahko uredite tako, da spremenite 0.40 v drugo vrednost.

Krofni grafi se lahko prilagodijo na več načinov, da spremenite oznake. Oznake lahko zlasti poudarite za boljšo berljivost. Več o tem si preberite v dokumentaciji.

Zdaj, ko veste, kako razvrstiti podatke in jih nato prikazati kot torto ali krof, lahko raziščete druge vrste grafov. Poskusite vafeljni graf, ki je le drugačen način raziskovanja količine.

Vaflji!

Graf tipa 'vafelj' je drugačen način vizualizacije količin kot 2D matrika kvadratov. Poskusite vizualizirati različne količine barv klobukov gob v tem naboru podatkov. Za to morate namestiti pomožno knjižnico PyWaffle in uporabiti Matplotlib:

pip install pywaffle

Izberite segment svojih podatkov za razvrščanje:

capcolor=mushrooms.groupby(['cap-color']).count()
capcolor

Ustvarite vafeljni graf z ustvarjanjem oznak in nato razvrščanjem podatkov:

import pandas as pd
import matplotlib.pyplot as plt
from pywaffle import Waffle
  
data ={'color': ['brown', 'buff', 'cinnamon', 'green', 'pink', 'purple', 'red', 'white', 'yellow'],
    'amount': capcolor['class']
     }
  
df = pd.DataFrame(data)
  
fig = plt.figure(
    FigureClass = Waffle,
    rows = 100,
    values = df.amount,
    labels = list(df.color),
    figsize = (30,30),
    colors=["brown", "tan", "maroon", "green", "pink", "purple", "red", "whitesmoke", "yellow"],
)

Z uporabo vafeljnega grafa lahko jasno vidite deleže barv klobukov v tem naboru podatkov o gobah. Zanimivo je, da je veliko gob z zelenimi klobuki!

✅ Pywaffle podpira ikone znotraj grafov, ki uporabljajo katero koli ikono, ki je na voljo v Font Awesome. Naredite nekaj eksperimentov, da ustvarite še bolj zanimiv vafeljni graf z uporabo ikon namesto kvadratov.

V tej lekciji ste spoznali tri načine vizualizacije deležev. Najprej morate razvrstiti podatke v kategorije in nato odločiti, kateri način prikaza podatkov je najboljši - torta, krof ali vafelj. Vsi so okusni in uporabniku takoj ponudijo vpogled v nabor podatkov.

🚀 Izziv

Poskusite poustvariti te okusne grafe v Charticulator.

Po-lekcijski kviz

Pregled & Samostojno učenje

Včasih ni očitno, kdaj uporabiti tortni, krofni ali vafeljni graf. Tukaj je nekaj člankov za branje na to temo:

https://www.beautiful.ai/blog/battle-of-the-charts-pie-chart-vs-donut-chart

https://medium.com/@hypsypops/pie-chart-vs-donut-chart-showdown-in-the-ring-5d24fd86a9ce

https://www.mit.edu/~mbarker/formula1/f1help/11-ch-c6.htm

https://medium.datadriveninvestor.com/data-visualization-done-the-right-way-with-tableau-waffle-chart-fdf2a19be402

Raziskujte, da najdete več informacij o tej težki odločitvi.

Naloga

Poskusite v Excelu

Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za prevajanje z umetno inteligenco Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo profesionalni človeški prevod. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki bi nastale zaradi uporabe tega prevoda.

12 KiB Raw Permalink Blame History