18 KiB

Raw Permalink Blame History Unescape Escape

Визуализација односа: Све о меду 🍯


Визуализација односа - Скетч од @nitya

Настављајући са природним фокусом нашег истраживања, хајде да откријемо занимљиве визуализације које приказују односе између различитих врста меда, према подацима добијеним од Министарства пољопривреде Сједињених Америчких Држава.

Овај скуп података, који садржи око 600 ставки, приказује производњу меда у многим америчким државама. На пример, можете погледати број колонија, принос по колонији, укупну производњу, залихе, цену по фунти и вредност произведеног меда у одређеној држави од 1998-2012, са једним редом по години за сваку државу.

Биће занимљиво визуализовати однос између производње меда у одређеној држави по години и, на пример, цене меда у тој држави. Алтернативно, можете визуализовати однос између приноса меда по колонији у различитим државама. Овај временски период обухвата разорни 'CCD' или 'Колапс колонија' који је први пут примећен 2006. године (http://npic.orst.edu/envir/ccd.html), па је то значајан скуп података за проучавање. 🐝

Квиз пре предавања

У овом лекцији, можете користити Seaborn, који сте већ користили, као добру библиотеку за визуализацију односа између променљивих. Посебно је занимљива употреба функције relplot у Seaborn-у која омогућава креирање расејаних графикона и линијских графикона за брзу визуализацију 'статистичких односа', што омогућава научнику података да боље разуме како се променљиве међусобно односе.

Расејани графикони

Користите расејани графикон да покажете како се цена меда развијала из године у годину, по државама. Seaborn, користећи relplot, практично групише податке по државама и приказује тачке за категоријске и нумеричке податке.

Хајде да почнемо са увозом података и Seaborn-а:

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

Приметићете да подаци о меду имају неколико занимљивих колона, укључујући годину и цену по фунти. Хајде да истражимо ове податке, груписане по америчким државама:

држава	бројкол	приноспокол	укупнапроизв	залихе	ценапофунти	вредностпр	година
AL	16000	71	1136000	159000	0.72	818000	1998
AZ	55000	60	3300000	1485000	0.64	2112000	1998
AR	53000	65	3445000	1688000	0.59	2033000	1998
CA	450000	83	37350000	12326000	0.62	23157000	1998
CO	27000	72	1944000	1594000	0.7	1361000	1998

Креирајте основни расејани графикон да покажете однос између цене по фунти меда и његовог порекла из америчких држава. Направите y осу довољно високом да прикаже све државе:

sns.relplot(x="priceperlb", y="state", data=honey, height=15, aspect=.5);

Сада, прикажите исте податке са шемом боја меда како бисте показали како се цена развија током година. То можете урадити додавањем параметра 'hue' да покажете промену из године у годину:

✅ Сазнајте више о палетама боја које можете користити у Seaborn-у - пробајте прелепу шему боја дуге!

sns.relplot(x="priceperlb", y="state", hue="year", palette="YlOrBr", data=honey, height=15, aspect=.5);

Са овом променом шеме боја, можете видети да постоји очигледан снажан напредак током година у погледу цене меда по фунти. Заиста, ако погледате узорак података да бисте проверили (изаберите одређену државу, на пример Аризону), можете видети образац повећања цена из године у годину, са неколико изузетака:

држава	бројкол	приноспокол	укупнапроизв	залихе	ценапофунти	вредностпр	година
AZ	55000	60	3300000	1485000	0.64	2112000	1998
AZ	52000	62	3224000	1548000	0.62	1999000	1999
AZ	40000	59	2360000	1322000	0.73	1723000	2000
AZ	43000	59	2537000	1142000	0.72	1827000	2001
AZ	38000	63	2394000	1197000	1.08	2586000	2002
AZ	35000	72	2520000	983000	1.34	3377000	2003
AZ	32000	55	1760000	774000	1.11	1954000	2004
AZ	36000	50	1800000	720000	1.04	1872000	2005
AZ	30000	65	1950000	839000	0.91	1775000	2006
AZ	30000	64	1920000	902000	1.26	2419000	2007
AZ	25000	64	1600000	336000	1.26	2016000	2008
AZ	20000	52	1040000	562000	1.45	1508000	2009
AZ	24000	77	1848000	665000	1.52	2809000	2010
AZ	23000	53	1219000	427000	1.55	1889000	2011
AZ	22000	46	1012000	253000	1.79	1811000	2012

Други начин да визуализујете овај напредак је да користите величину, уместо боје. За кориснике који су далтонисти, ово би могла бити боља опција. Уредите своју визуализацију да покажете повећање цене кроз повећање обима тачке:

sns.relplot(x="priceperlb", y="state", size="year", data=honey, height=15, aspect=.5);

Можете видети да се величина тачака постепено повећава.

Да ли је ово једноставан случај понуде и потражње? Због фактора као што су климатске промене и колапс колонија, да ли је мање меда доступно за куповину из године у годину, па самим тим цена расте?

Да бисте открили корелацију између неких променљивих у овом скупу података, хајде да истражимо неке линијске графиконе.

Линијски графикони

Питање: Да ли постоји јасан раст цене меда по фунти из године у годину? Најлакше можете то открити креирањем једног линијског графикона:

sns.relplot(x="year", y="priceperlb", kind="line", data=honey);

Одговор: Да, са неким изузецима око 2003. године:

✅ Пошто Seaborn агрегира податке око једне линије, он приказује "више мерења за сваку x вредност тако што црта просек и 95% интервал поверења око просека". Извор. Ово временски захтевно понашање може се онемогућити додавањем ci=None.

Питање: Па, у 2003. години, да ли можемо видети и скок у залихама меда? Шта ако погледате укупну производњу из године у годину?

sns.relplot(x="year", y="totalprod", kind="line", data=honey);

Одговор: Не баш. Ако погледате укупну производњу, чини се да је она заправо повећана у тој конкретној години, иако генерално гледано количина произведеног меда опада током ових година.

Питање: У том случају, шта је могло узроковати тај скок у цени меда око 2003. године?

Да бисте то открили, можете истражити мрежу фасета.

Мреже фасета

Мреже фасета узимају један аспект вашег скупа података (у нашем случају, можете изабрати 'годину' да избегнете превише фасета). Seaborn затим може направити графикон за сваку од тих фасета ваших изабраних x и y координата ради лакшег визуелног поређења. Да ли се 2003. година истиче у оваквом поређењу?

Креирајте мрежу фасета настављајући да користите relplot како препоручује документација Seaborn-а.

sns.relplot(
    data=honey, 
    x="yieldpercol", y="numcol",
    col="year", 
    col_wrap=3,
    kind="line"

У овој визуализацији, можете упоредити принос по колонији и број колонија из године у годину, један поред другог, са подешавањем wrap-а на 3 за колоне:

За овај скуп података, ништа посебно се не истиче у погледу броја колонија и њиховог приноса, из године у годину и из државе у државу. Да ли постоји другачији начин да се пронађе корелација између ове две променљиве?

Двоструки линијски графикони

Пробајте графикон са више линија тако што ћете преклопити два линијска графикона један преко другог, користећи Seaborn-ов 'despine' да уклоните њихове горње и десне кичме, и користећи ax.twinx изведено из Matplotlib-а. Twinx омогућава графикону да дели x осу и приказује две y осе. Дакле, прикажите принос по колонији и број колонија, преклопљено:

fig, ax = plt.subplots(figsize=(12,6))
lineplot = sns.lineplot(x=honey['year'], y=honey['numcol'], data=honey, 
                        label = 'Number of bee colonies', legend=False)
sns.despine()
plt.ylabel('# colonies')
plt.title('Honey Production Year over Year');

ax2 = ax.twinx()
lineplot2 = sns.lineplot(x=honey['year'], y=honey['yieldpercol'], ax=ax2, color="r", 
                         label ='Yield per colony', legend=False) 
sns.despine(right=False)
plt.ylabel('colony yield')
ax.figure.legend();

Иако ништа не упада у очи око 2003. године, ово нам омогућава да завршимо ову лекцију на мало срећнијој ноти: иако укупно број колонија опада, број колонија се стабилизује чак и ако њихов принос по колонији опада.

Напред, пчеле, напред!

🐝❤️

🚀 Изазов

У овој лекцији, научили сте мало више о другим употребама расејаних графикона и мрежа линија, укључујући мреже фасета. Изазовите себе да креирате мрежу фасета користећи други скуп података, можда онај који сте користили пре ових лекција. Приметите колико времена је потребно за креирање и како морате бити пажљиви у погледу броја мрежа које треба да нацртате користећи ове технике.

Квиз после предавања

Преглед и самостално учење

Линијски графикони могу бити једноставни или прилично сложени. Урадите мало читања у документацији Seaborn-а о различитим начинима на које их можете изградити. Покушајте да побољшате линијске графиконе које сте направили у овој лекцији другим методама наведеним у документацији.

Задатак

Зароните у кошницу

Одрицање од одговорности:
Овај документ је преведен коришћењем услуге за превођење помоћу вештачке интелигенције Co-op Translator. Иако се трудимо да обезбедимо тачност, имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални превод од стране људи. Не сносимо одговорност за било каква погрешна тумачења или неспоразуме који могу произаћи из коришћења овог превода.

18 KiB Raw Permalink Blame History Unescape Escape