20 KiB

Raw Permalink Blame History Unescape Escape

Визуализиране на количества


Визуализиране на количества - Скетч от @nitya

В този урок ще разгледате как да използвате една от многото налични библиотеки на Python, за да научите как да създавате интересни визуализации, свързани с концепцията за количество. Използвайки почистен набор от данни за птиците в Минесота, можете да научите много интересни факти за местната фауна.

Тест преди лекцията

Наблюдавайте размах на крилата с Matplotlib

Отлична библиотека за създаване както на прости, така и на сложни графики и диаграми от различни видове е Matplotlib. В общи линии, процесът на визуализиране на данни с тези библиотеки включва идентифициране на частите от вашия dataframe, които искате да използвате, извършване на необходимите трансформации на данните, задаване на стойности за x и y осите, избор на типа графика и след това показване на графиката. Matplotlib предлага голямо разнообразие от визуализации, но за този урок ще се фокусираме върху най-подходящите за визуализиране на количества: линейни графики, точкови диаграми и стълбовидни диаграми.

✅ Използвайте най-подходящата графика според структурата на вашите данни и историята, която искате да разкажете.

За анализ на тенденции във времето: линейна графика

За сравнение на стойности: стълбовидна, колонна, кръгова диаграма, точкова диаграма

За показване на връзката между частите и цялото: кръгова диаграма

За показване на разпределението на данни: точкова диаграма, стълбовидна диаграма

За показване на тенденции: линейна, колонна диаграма

За показване на връзки между стойности: линейна графика, точкова диаграма, балонна диаграма

Ако имате набор от данни и трябва да откриете колко от даден елемент е включен, една от първите задачи ще бъде да инспектирате стойностите му.

✅ Има много добри 'cheat sheets' за Matplotlib тук.

Създайте линейна графика за стойностите на размаха на крилата на птиците

Отворете файла notebook.ipynb в основната папка на този урок и добавете клетка.

Забележка: данните са съхранени в основната папка на това хранилище в /data.

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

Тези данни са смес от текст и числа:

	Име	Научно име	Категория	Разред	Семейство	Род	Статус на опазване	Мин. дължина	Макс. дължина	Мин. тегло	Макс. тегло	Мин. размах	Макс. размах
0	Чернокоремна свиркаща патица	Dendrocygna autumnalis	Патици/Гъски/Водоплаващи	Anseriformes	Anatidae	Dendrocygna	LC	47	56	652	1020	76	94
1	Ръждива свиркаща патица	Dendrocygna bicolor	Патици/Гъски/Водоплаващи	Anseriformes	Anatidae	Dendrocygna	LC	45	53	712	1050	85	93
2	Снежна гъска	Anser caerulescens	Патици/Гъски/Водоплаващи	Anseriformes	Anatidae	Anser	LC	64	79	2050	4050	135	165
3	Гъска на Рос	Anser rossii	Патици/Гъски/Водоплаващи	Anseriformes	Anatidae	Anser	LC	57.3	64	1066	1567	113	116
4	Голямобяла гъска	Anser albifrons	Патици/Гъски/Водоплаващи	Anseriformes	Anatidae	Anser	LC	64	81	1930	3310	130	165

Нека започнем с визуализиране на някои от числовите данни, използвайки основна линейна графика. Да предположим, че искате да видите максималния размах на крилата на тези интересни птици.

wingspan = birds['MaxWingspan'] 
wingspan.plot()

Какво забелязвате веднага? Изглежда, че има поне един аутлайър - това е доста голям размах на крилата! Размах от 2300 сантиметра е равен на 23 метра - дали в Минесота има птеродактили? Нека разследваме.

Докато можете бързо да сортирате данните в Excel, за да намерите тези аутлайъри, които вероятно са грешки, продължете процеса на визуализация, работейки директно от графиката.

Добавете етикети към x-оста, за да покажете какви птици са включени:

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()

Дори с ротация на етикетите на 45 градуса, те са твърде много, за да се четат. Нека опитаме различна стратегия: етикетирайте само аутлайърите и поставете етикетите вътре в графиката. Можете да използвате точкова диаграма, за да направите повече място за етикетиране:

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()

Какво се случва тук? Използвахте tick_params, за да скриете долните етикети, и след това създадохте цикъл върху набора от данни за птиците. Чрез графиката с малки сини точки, използвайки bo, проверихте за всяка птица с максимален размах на крилата над 500 и показахте нейния етикет до точката, ако е така. Преместихте етикетите малко по y-оста (y * (1 - 0.05)) и използвахте името на птицата като етикет.

Какво открихте?

Филтрирайте данните си

И Белоглавият орел, и Прерийният сокол, макар вероятно да са много големи птици, изглежда са неправилно етикетирани, с добавена допълнителна 0 към максималния им размах на крилата. Малко вероятно е да срещнете Белоглав орел с размах на крилата от 25 метра, но ако го направите, моля, уведомете ни! Нека създадем нов dataframe без тези два аутлайъра:

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()

Чрез филтриране на аутлайърите, вашите данни сега са по-сплотени и разбираеми.

Сега, когато имаме по-чист набор от данни поне по отношение на размаха на крилата, нека открием повече за тези птици.

Докато линейните и точковите диаграми могат да показват информация за стойностите на данните и техните разпределения, искаме да мислим за стойностите, присъщи на този набор от данни. Можете да създадете визуализации, за да отговорите на следните въпроси за количеството:

Колко категории птици има и какви са техните бройки?
Колко птици са изчезнали, застрашени, редки или често срещани?
Колко са от различните родове и разреди според терминологията на Линей?

Изследвайте стълбовидни диаграми

Стълбовидните диаграми са практични, когато трябва да покажете групиране на данни. Нека изследваме категориите птици, които съществуват в този набор от данни, за да видим коя е най-често срещаната по брой.

Във файла notebook създайте основна стълбовидна диаграма.

✅ Забележка: Можете или да филтрирате двете птици аутлайъри, които идентифицирахме в предишния раздел, да редактирате грешката в техния размах на крилата, или да ги оставите за тези упражнения, които не зависят от стойностите на размаха на крилата.

Ако искате да създадете стълбовидна диаграма, можете да изберете данните, върху които искате да се фокусирате. Стълбовидните диаграми могат да бъдат създадени от сурови данни:

birds.plot(x='Category',
        kind='bar',
        stacked=True,
        title='Birds of Minnesota')

Тази стълбовидна диаграма обаче е нечетлива, защото има твърде много негрупирани данни. Трябва да изберете само данните, които искате да визуализирате, така че нека разгледаме дължината на птиците според тяхната категория.

Филтрирайте данните си, за да включите само категорията на птиците.

✅ Забележете, че използвате Pandas за управление на данните, а след това оставяте Matplotlib да създаде диаграмата.

Тъй като има много категории, можете да покажете тази диаграма вертикално и да я коригирате по височина, за да включите всички данни:

category_count = birds.value_counts(birds['Category'].values, sort=True)
plt.rcParams['figure.figsize'] = [6, 12]
category_count.plot.barh()

Тази стълбовидна диаграма показва добър изглед на броя птици във всяка категория. С един поглед виждате, че най-големият брой птици в този регион са в категорията Патици/Гъски/Водоплаващи. Минесота е 'земята на 10,000 езера', така че това не е изненадващо!

✅ Опитайте други брояния върху този набор от данни. Има ли нещо, което ви изненадва?

Сравняване на данни

Можете да опитате различни сравнения на групирани данни, като създадете нови оси. Опитайте сравнение на MaxLength на птица, базирано на нейната категория:

maxlength = birds['MaxLength']
plt.barh(y=birds['Category'], width=maxlength)
plt.rcParams['figure.figsize'] = [6, 12]
plt.show()

Нищо не е изненадващо тук: колибрите имат най-малък MaxLength в сравнение с пеликани или гъски. Добре е, когато данните имат логически смисъл!

Можете да създадете по-интересни визуализации на стълбовидни диаграми, като наслагвате данни. Нека наслагаме Минимална и Максимална дължина върху дадена категория птици:

minLength = birds['MinLength']
maxLength = birds['MaxLength']
category = birds['Category']

plt.barh(category, maxLength)
plt.barh(category, minLength)

plt.show()

В тази диаграма можете да видите диапазона за всяка категория птици на Минимална и Максимална дължина. Можете спокойно да кажете, че според тези данни, колкото по-голяма е птицата, толкова по-голям е диапазонът на дължината ѝ. Фасциниращо!

🚀 Предизвикателство

Този набор от данни за птици предлага богатство от информация за различни видове птици в определена екосистема. Потърсете в интернет и вижте дали можете да намерите други набори от данни, свързани с птици. Практикувайте създаването на диаграми и графики за тези птици, за да откриете факти, които не сте осъзнавали.

Тест след лекцията

Преглед и самостоятелно обучение

Този първи урок ви даде информация за това как да използвате Matplotlib за визуализиране на количества. Направете проучване за други начини за работа с набори от данни за визуализация. Plotly е една библиотека, която няма да разгледаме в тези уроци, така че разгледайте какво може да предложи.

Задача

Линии, точки и стълбове

Отказ от отговорност:
Този документ е преведен с помощта на AI услуга за превод Co-op Translator. Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да е недоразумения или погрешни интерпретации, произтичащи от използването на този превод.

20 KiB Raw Permalink Blame History Unescape Escape