Data-Science-For-Beginners/translations/bg/3-Data-Visualization/R/12-visualization-relationships

Визуализиране на връзки: Всичко за меда 🍯

Визуализиране на връзки - Скетч от @nitya

Продължавайки с природната насоченост на нашето изследване, нека открием интересни визуализации, които показват връзките между различните видове мед, според набор от данни, получен от Министерството на земеделието на САЩ.

Този набор от данни, съдържащ около 600 записа, показва производството на мед в много щати на САЩ. Например, можете да разгледате броя на колониите, добива на колония, общото производство, запасите, цената на килограм и стойността на произведения мед в даден щат за периода 1998-2012 г., като всеки ред представлява една година за всеки щат.

Ще бъде интересно да визуализираме връзката между производството на мед в даден щат за година и, например, цената на меда в този щат. Алтернативно, можете да визуализирате връзката между добива на мед на колония в различни щати. Този времеви период обхваща разрушителното явление 'CCD' или 'Синдром на колапс на колониите', което за първи път се наблюдава през 2006 г. (http://npic.orst.edu/envir/ccd.html), така че това е значим набор от данни за изследване. 🐝

Тест преди лекцията

В този урок можете да използвате ggplot2, която вече сте използвали, като добра библиотека за визуализиране на връзки между променливи. Особено интересна е употребата на geom_point и функцията qplot на ggplot2, които позволяват създаването на разпръснати графики и линейни графики за бързо визуализиране на 'статистически връзки', което помага на специалистите по данни да разберат по-добре как променливите се свързват помежду си.

Разпръснати графики

Използвайте разпръсната графика, за да покажете как цената на меда се е развивала през годините, за всеки щат. ggplot2, използвайки ggplot и geom_point, удобно групира данните по щати и показва точки както за категорийни, така и за числови данни.

Нека започнем с импортиране на данните и Seaborn:

honey=read.csv('../../data/honey.csv')
head(honey)

Ще забележите, че данните за меда имат няколко интересни колони, включително година и цена на килограм. Нека изследваме тези данни, групирани по щати на САЩ:

щат	колонии	добив/колония	общо производство	запаси	цена/кг	стойност на продукцията	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
FL	230000	98	22540000	4508000	0.64	14426000	1998

Създайте основна разпръсната графика, за да покажете връзката между цената на килограм мед и щата, от който произхожда. Направете y оста достатъчно висока, за да показва всички щати:

library(ggplot2)
ggplot(honey, aes(x = priceperlb, y = state)) +
  geom_point(colour = "blue")

Сега покажете същите данни с цветова схема, вдъхновена от мед, за да покажете как цената се развива през годините. Можете да направите това, като добавите параметър 'scale_color_gradientn', който показва промяната година след година:

✅ Научете повече за scale_color_gradientn - опитайте красива цветова схема с дъга!

ggplot(honey, aes(x = priceperlb, y = state, color=year)) +
  geom_point()+scale_color_gradientn(colours = colorspace::heat_hcl(7))

С тази промяна в цветовата схема можете да видите, че има очевидна прогресия през годините по отношение на цената на килограм мед. Всъщност, ако разгледате примерен набор от данни, за да проверите (например щат Аризона), можете да видите модел на увеличение на цената година след година, с малко изключения:

щат	колонии	добив/колония	общо производство	запаси	цена/кг	стойност на продукцията	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

Друг начин за визуализиране на тази прогресия е използването на размер вместо цвят. За потребители с цветна слепота това може да бъде по-добър вариант. Редактирайте визуализацията си, за да покажете увеличение на цената чрез увеличение на обиколката на точките:

ggplot(honey, aes(x = priceperlb, y = state)) +
  geom_point(aes(size = year),colour = "blue") +
  scale_size_continuous(range = c(0.25, 3))

Можете да видите как размерът на точките постепенно се увеличава.

Дали това е просто случай на търсене и предлагане? Поради фактори като климатични промени и колапс на колониите, има ли по-малко мед за покупка година след година, и затова цената се увеличава?

За да открием корелация между някои от променливите в този набор от данни, нека изследваме някои линейни графики.

Линейни графики

Въпрос: Има ли ясно увеличение на цената на меда на килограм година след година? Най-лесно можете да откриете това, като създадете единична линейна графика:

qplot(honey$year,honey$priceperlb, geom='smooth', span =0.5, xlab = "year",ylab = "priceperlb")

Отговор: Да, с някои изключения около 2003 година:

Въпрос: Е, през 2003 година можем ли да видим и скок в предлагането на мед? Какво ще стане, ако разгледате общото производство година след година?

qplot(honey$year,honey$totalprod, geom='smooth', span =0.5, xlab = "year",ylab = "totalprod")

Отговор: Не съвсем. Ако разгледате общото производство, всъщност изглежда, че то се е увеличило през тази конкретна година, въпреки че като цяло количеството произведен мед намалява през тези години.

Въпрос: В такъв случай, какво би могло да е причинило този скок в цената на меда около 2003 година?

За да откриете това, можете да изследвате мрежа от фасети.

Мрежи от фасети

Мрежите от фасети вземат един аспект от вашия набор от данни (в нашия случай можете да изберете 'година', за да избегнете твърде много фасети). Seaborn може да направи графика за всяка от тези фасети на избраните x и y координати за по-лесно визуално сравнение. Изглежда ли 2003 година различна в този тип сравнение?

Създайте мрежа от фасети, използвайки facet_wrap, както е препоръчано от документацията на ggplot2.

ggplot(honey, aes(x=yieldpercol, y = numcol,group = 1)) + 
  geom_line() + facet_wrap(vars(year))

В тази визуализация можете да сравните добива на колония и броя на колониите година след година, една до друга, с настройка на wrap на 3 за колоните:

За този набор от данни нищо особено не изпъква по отношение на броя на колониите и техния добив, година след година и щат след щат. Има ли различен начин за откриване на корелация между тези две променливи?

Двойни линейни графики

Опитайте многолинейна графика, като наложите две линейни графики една върху друга, използвайки функциите par и plot на R. Ще начертаем годината на x оста и ще покажем две y оси. Така ще покажем добива на колония и броя на колониите, наложени една върху друга:

par(mar = c(5, 4, 4, 4) + 0.3)              
plot(honey$year, honey$numcol, pch = 16, col = 2,type="l")              
par(new = TRUE)                             
plot(honey$year, honey$yieldpercol, pch = 17, col = 3,              
     axes = FALSE, xlab = "", ylab = "",type="l")
axis(side = 4, at = pretty(range(y2)))      
mtext("colony yield", side = 4, line = 3)   

Докато нищо не изпъква около 2003 година, това ни позволява да завършим урока с малко по-щастлива нотка: въпреки че броят на колониите като цяло намалява, той се стабилизира, дори ако техният добив на колония намалява.

Напред, пчели, напред!

🐝❤️

🚀 Предизвикателство

В този урок научихте малко повече за други приложения на разпръснати графики и линейни мрежи, включително мрежи от фасети. Предизвикайте себе си да създадете мрежа от фасети, използвайки различен набор от данни, може би такъв, който сте използвали преди тези уроци. Обърнете внимание колко време отнема създаването им и колко внимателно трябва да подхождате към броя на мрежите, които трябва да начертаете, използвайки тези техники.

Тест след лекцията

Преглед и самостоятелно обучение

Линейните графики могат да бъдат прости или доста сложни. Прочетете малко повече в документацията на ggplot2 за различните начини, по които можете да ги изградите. Опитайте да подобрите линейните графики, които създадохте в този урок, с други методи, изброени в документацията.

Задание

Потопете се в кошера

---

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 недоразумения или погрешни интерпретации, произтичащи от използването на този превод.