Data-Science-For-Beginners/translations/he/3-Data-Visualization/11-visualization-proportions

הצגת פרופורציות

הצגת פרופורציות - סקצ'נוט מאת @nitya

בשיעור זה, תשתמשו במאגר נתונים ממוקד-טבע כדי להציג פרופורציות, כמו כמה סוגים שונים של פטריות מופיעים במאגר נתונים מסוים על פטריות. בואו נחקור את הפטריות המרתקות הללו באמצעות מאגר נתונים שמקורו ב-Audubon, הכולל פרטים על 23 מינים של פטריות בעלות זימים ממשפחות Agaricus ו-Lepiota. תתנסו בהדמיות מעניינות כמו:

• תרשימי עוגה 🥧
• תרשימי דונאט 🍩
• תרשימי וופל 🧇

💡 פרויקט מעניין מאוד בשם Charticulator מבית Microsoft Research מציע ממשק גרירה ושחרור חינמי ליצירת הדמיות נתונים. באחד המדריכים שלהם הם משתמשים גם במאגר הנתונים הזה על פטריות! כך תוכלו לחקור את הנתונים וללמוד את הספרייה בו-זמנית: מדריך Charticulator.

שאלון לפני השיעור

הכירו את הפטריות שלכם 🍄

פטריות הן מאוד מעניינות. בואו נייבא מאגר נתונים כדי ללמוד עליהן:

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

טבלה מוצגת עם נתונים נהדרים לניתוח:

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
רעילה	קמורה	חלקה	חומה	חבורות	חריפה	חופשית	צפופה	צרה	שחורה	מתרחבת	שווה	חלקה	חלקה	לבנה	לבנה	חלקית	לבנה	אחת	תלויה	שחורה	מפוזרת	עירונית
אכילה	קמורה	חלקה	צהובה	חבורות	שקדים	חופשית	צפופה	רחבה	שחורה	מתרחבת	מועדון	חלקה	חלקה	לבנה	לבנה	חלקית	לבנה	אחת	תלויה	חומה	מרובה	עשב
אכילה	פעמון	חלקה	לבנה	חבורות	אניס	חופשית	צפופה	רחבה	חומה	מתרחבת	מועדון	חלקה	חלקה	לבנה	לבנה	חלקית	לבנה	אחת	תלויה	חומה	מרובה	אחו
רעילה	קמורה	קשקשית	לבנה	חבורות	חריפה	חופשית	צפופה	צרה	חומה	מתרחבת	שווה	חלקה	חלקה	לבנה	לבנה	חלקית	לבנה	אחת	תלויה	שחורה	מפוזרת	עירונית

מיד שמים לב שכל הנתונים הם טקסטואליים. תצטרכו להמיר את הנתונים הללו כדי שתוכלו להשתמש בהם בתרשים. רוב הנתונים, למעשה, מיוצגים כאובייקט:

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

הפלט הוא:

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')

קחו את הנתונים הללו והמירו את עמודת 'class' לקטגוריה:

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

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

כעת, אם תדפיסו את נתוני הפטריות, תוכלו לראות שהם חולקו לקטגוריות לפי מחלקת רעילות/אכילה:

	cap-shape	cap-surface	cap-color	bruises	odor	gill-attachment	gill-spacing	gill-size	gill-color	stalk-shape	...	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
class
אכילה	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208	...	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208
רעילה	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916	...	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916

אם תעקבו אחר הסדר המוצג בטבלה זו ליצירת תוויות קטגוריות, תוכלו לבנות תרשים עוגה:

עוגה!

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

והנה, תרשים עוגה שמציג את הפרופורציות של נתונים אלו לפי שתי הקטגוריות של פטריות. חשוב מאוד לוודא שהסדר של התוויות נכון, במיוחד כאן, אז הקפידו לבדוק את הסדר שבו נבנית מערך התוויות!

דונאט!

תרשים עוגה מעניין יותר מבחינה ויזואלית הוא תרשים דונאט, שהוא תרשים עוגה עם חור במרכז. בואו נסתכל על הנתונים שלנו בשיטה זו.

הסתכלו על בתי הגידול השונים שבהם פטריות גדלות:

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

כאן, אתם מקבצים את הנתונים לפי בית גידול. ישנם 7 בתי גידול רשומים, אז השתמשו בהם כתוויות לתרשים הדונאט שלכם:

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()

הקוד הזה מצייר תרשים ומעגל מרכזי, ואז מוסיף את המעגל המרכזי לתרשים. ערכו את רוחב המעגל המרכזי על ידי שינוי 0.40 לערך אחר.

ניתן לשנות תרשימי דונאט בדרכים שונות כדי לשפר את התוויות. התוויות בפרט יכולות להיות מודגשות לקריאות טובה יותר. למדו עוד ב-תיעוד.

כעת, כשאתם יודעים כיצד לקבץ את הנתונים שלכם ואז להציגם כעוגה או דונאט, תוכלו לחקור סוגים אחרים של תרשימים. נסו תרשים וופל, שהוא פשוט דרך שונה לחקור כמויות.

וופלים!

תרשים מסוג 'וופל' הוא דרך שונה להציג כמויות כטבלה דו-ממדית של ריבועים. נסו להציג את הכמויות השונות של צבעי כובע הפטריות במאגר הנתונים הזה. לשם כך, תצטרכו להתקין ספריית עזר בשם PyWaffle ולהשתמש ב-Matplotlib:

pip install pywaffle

בחרו קטע מהנתונים שלכם לקיבוץ:

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

צרו תרשים וופל על ידי יצירת תוויות ואז קיבוץ הנתונים שלכם:

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"],
)

באמצעות תרשים וופל, ניתן לראות בבירור את הפרופורציות של צבעי כובעי הפטריות במאגר הנתונים הזה. מעניין לראות שיש הרבה פטריות עם כובעים ירוקים!

✅ PyWaffle תומכת באייקונים בתוך התרשימים שמשתמשים בכל אייקון זמין ב-Font Awesome. ערכו ניסויים ליצירת תרשים וופל מעניין יותר באמצעות אייקונים במקום ריבועים.

בשיעור זה למדתם שלוש דרכים להציג פרופורציות. ראשית, עליכם לקבץ את הנתונים שלכם לקטגוריות ואז להחליט מהי הדרך הטובה ביותר להציג את הנתונים - עוגה, דונאט, או וופל. כל הדרכים טעימות ומספקות למשתמש תמונת מצב מיידית של מאגר הנתונים.

🚀 אתגר

נסו לשחזר את התרשימים הטעימים הללו ב-Charticulator.

שאלון לאחר השיעור

סקירה ולמידה עצמית

לפעמים לא ברור מתי להשתמש בתרשים עוגה, דונאט, או וופל. הנה כמה מאמרים לקריאה בנושא:

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

ערכו מחקר נוסף כדי למצוא מידע נוסף על ההחלטה הדביקה הזו.

משימה

נסו זאת ב-Excel

---

כתב ויתור:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co-op Translator. בעוד שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עשויים להכיל שגיאות או אי-דיוקים. המסמך המקורי בשפתו המקורית נחשב למקור הסמכותי. למידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי בני אדם. איננו נושאים באחריות לכל אי-הבנה או פרשנות שגויה הנובעת משימוש בתרגום זה.