13 KiB

Raw Permalink Blame History

Visualiseren van hoeveelheden


Visualiseren van hoeveelheden - Sketchnote door @nitya

In deze les leer je hoe je een van de vele beschikbare Python-bibliotheken kunt gebruiken om interessante visualisaties te maken rondom het concept van hoeveelheden. Met behulp van een opgeschoonde dataset over de vogels van Minnesota kun je veel interessante feiten ontdekken over de lokale fauna.

Pre-lecture quiz

Observeer vleugelspanwijdte met Matplotlib

Een uitstekende bibliotheek om zowel eenvoudige als complexe grafieken en diagrammen van verschillende soorten te maken is Matplotlib. Over het algemeen omvat het proces van het plotten van gegevens met deze bibliotheken het identificeren van de delen van je dataframe die je wilt gebruiken, het uitvoeren van eventuele transformaties op die gegevens, het toewijzen van x- en y-aswaarden, het beslissen welk soort plot je wilt tonen, en vervolgens het weergeven van de plot. Matplotlib biedt een grote verscheidenheid aan visualisaties, maar voor deze les richten we ons op de meest geschikte voor het visualiseren van hoeveelheden: lijndiagrammen, scatterplots en staafdiagrammen.

✅ Gebruik het beste diagram dat past bij de structuur van je gegevens en het verhaal dat je wilt vertellen.

Om trends over tijd te analyseren: lijn

Om waarden te vergelijken: staaf, kolom, taart, scatterplot

Om te laten zien hoe delen zich verhouden tot een geheel: taart

Om de verdeling van gegevens te tonen: scatterplot, staaf

Om trends te tonen: lijn, kolom

Om relaties tussen waarden te tonen: lijn, scatterplot, bubble

Als je een dataset hebt en wilt ontdekken hoeveel van een bepaald item erin zit, is een van de eerste taken het inspecteren van de waarden.

✅ Er zijn zeer goede 'cheat sheets' beschikbaar voor Matplotlib hier.

Maak een lijndiagram over vleugelspanwijdte van vogels

Open het bestand notebook.ipynb in de hoofdmap van deze les en voeg een cel toe.

Opmerking: de gegevens zijn opgeslagen in de hoofdmap van deze repo in de map /data.

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

Deze gegevens zijn een mix van tekst en cijfers:

	Naam	WetenschappelijkeNaam	Categorie	Orde	Familie	Geslacht	Beschermingsstatus	MinLengte	MaxLengte	MinLichaamsmassa	MaxLichaamsmassa	MinVleugelspan	MaxVleugelspan
0	Zwartbuikfluiteend	Dendrocygna autumnalis	Eenden/Ganzen/Watervogels	Anseriformes	Anatidae	Dendrocygna	LC	47	56	652	1020	76	94
1	Bruine fluiteend	Dendrocygna bicolor	Eenden/Ganzen/Watervogels	Anseriformes	Anatidae	Dendrocygna	LC	45	53	712	1050	85	93
2	Sneeuwgans	Anser caerulescens	Eenden/Ganzen/Watervogels	Anseriformes	Anatidae	Anser	LC	64	79	2050	4050	135	165
3	Ross' gans	Anser rossii	Eenden/Ganzen/Watervogels	Anseriformes	Anatidae	Anser	LC	57.3	64	1066	1567	113	116
4	Grote rietgans	Anser albifrons	Eenden/Ganzen/Watervogels	Anseriformes	Anatidae	Anser	LC	64	81	1930	3310	130	165

Laten we beginnen met het plotten van enkele numerieke gegevens met een eenvoudig lijndiagram. Stel dat je een overzicht wilt van de maximale vleugelspanwijdte van deze interessante vogels.

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

Wat valt je meteen op? Er lijkt minstens één uitschieter te zijn - dat is een behoorlijke vleugelspanwijdte! Een vleugelspanwijdte van 2300 centimeter komt overeen met 23 meter - zijn er Pterodactylen in Minnesota? Laten we dit onderzoeken.

Hoewel je snel in Excel kunt sorteren om die uitschieters te vinden, die waarschijnlijk typfouten zijn, kun je doorgaan met het visualisatieproces door vanuit de plot te werken.

Voeg labels toe aan de x-as om te laten zien om welke vogels het gaat:

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()

Zelfs met de rotatie van de labels ingesteld op 45 graden, zijn er te veel om te lezen. Laten we een andere strategie proberen: label alleen die uitschieters en plaats de labels binnen de grafiek. Je kunt een scatterplot gebruiken om meer ruimte te maken voor de labeling:

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()

Wat gebeurt hier? Je hebt tick_params gebruikt om de onderste labels te verbergen en vervolgens een lus gemaakt over je vogel-dataset. Door de grafiek te plotten met kleine ronde blauwe stippen met bo, controleerde je op vogels met een maximale vleugelspanwijdte van meer dan 500 en toonde hun label naast de stip indien dat het geval was. Je verschoof de labels een beetje op de y-as (y * (1 - 0.05)) en gebruikte de vogelnaam als label.

Wat heb je ontdekt?

Filter je gegevens

Zowel de Amerikaanse zeearend als de Prairievalk lijken, hoewel waarschijnlijk zeer grote vogels, verkeerd gelabeld te zijn, met een extra 0 toegevoegd aan hun maximale vleugelspanwijdte. Het is onwaarschijnlijk dat je een Amerikaanse zeearend tegenkomt met een vleugelspanwijdte van 25 meter, maar als dat zo is, laat het ons dan weten! Laten we een nieuwe dataframe maken zonder die twee uitschieters:

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()

Door uitschieters te filteren, zijn je gegevens nu meer samenhangend en begrijpelijk.

Nu we een schonere dataset hebben, althans wat betreft vleugelspanwijdte, laten we meer ontdekken over deze vogels.

Hoewel lijn- en scatterplots informatie kunnen tonen over gegevenswaarden en hun verdelingen, willen we nadenken over de waarden die inherent zijn aan deze dataset. Je zou visualisaties kunnen maken om de volgende vragen over hoeveelheden te beantwoorden:

Hoeveel categorieën vogels zijn er, en wat zijn hun aantallen?
Hoeveel vogels zijn uitgestorven, bedreigd, zeldzaam of algemeen?
Hoeveel zijn er van de verschillende geslachten en orden in de terminologie van Linnaeus?

Verken staafdiagrammen

Staafdiagrammen zijn praktisch wanneer je groeperingen van gegevens wilt tonen. Laten we de categorieën van vogels in deze dataset verkennen om te zien welke het meest voorkomt qua aantal.

Maak in het notebook-bestand een eenvoudig staafdiagram.

✅ Opmerking: je kunt de twee uitschietervogels die we in de vorige sectie hebben geïdentificeerd, filteren, de typfout in hun vleugelspanwijdte corrigeren, of ze laten staan voor deze oefeningen die niet afhankelijk zijn van vleugelspanwijdtewaarden.

Als je een staafdiagram wilt maken, kun je de gegevens selecteren waarop je je wilt richten. Staafdiagrammen kunnen worden gemaakt van ruwe gegevens:

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

Dit staafdiagram is echter onleesbaar omdat er te veel niet-gegroepeerde gegevens zijn. Je moet alleen de gegevens selecteren die je wilt plotten, dus laten we kijken naar de lengte van vogels op basis van hun categorie.

Filter je gegevens om alleen de categorie van de vogel op te nemen.

✅ Merk op dat je Pandas gebruikt om de gegevens te beheren en vervolgens Matplotlib om de grafiek te maken.

Omdat er veel categorieën zijn, kun je deze grafiek verticaal weergeven en de hoogte aanpassen om rekening te houden met alle gegevens:

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

Dit staafdiagram geeft een goed overzicht van het aantal vogels in elke categorie. In een oogopslag zie je dat het grootste aantal vogels in deze regio behoort tot de categorie Eenden/Ganzen/Watervogels. Minnesota is het 'land van 10.000 meren', dus dit is niet verrassend!

✅ Probeer enkele andere tellingen op deze dataset. Verrast iets je?

Gegevens vergelijken

Je kunt verschillende vergelijkingen van gegroepeerde gegevens proberen door nieuwe assen te maken. Probeer een vergelijking van de MaxLengte van een vogel, gebaseerd op zijn categorie:

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

Hier is niets verrassends: kolibries hebben de minste MaxLengte vergeleken met pelikanen of ganzen. Het is goed wanneer gegevens logisch zijn!

Je kunt interessantere visualisaties van staafdiagrammen maken door gegevens te combineren. Laten we Minimum- en Maximumlengte combineren binnen een bepaalde vogelcategorie:

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

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

plt.show()

In deze plot kun je het bereik per vogelcategorie zien van de Minimumlengte en Maximumlengte. Je kunt veilig zeggen dat, gezien deze gegevens, hoe groter de vogel, hoe groter het lengterebereik. Fascinerend!

🚀 Uitdaging

Deze vogeldataset biedt een schat aan informatie over verschillende soorten vogels binnen een bepaald ecosysteem. Zoek op internet en kijk of je andere vogelgerichte datasets kunt vinden. Oefen met het maken van diagrammen en grafieken over deze vogels om feiten te ontdekken die je niet wist.

Post-lecture quiz

Review & Zelfstudie

Deze eerste les heeft je wat informatie gegeven over hoe je Matplotlib kunt gebruiken om hoeveelheden te visualiseren. Doe wat onderzoek naar andere manieren om met datasets te werken voor visualisatie. Plotly is een bibliotheek die we niet behandelen in deze lessen, dus kijk wat het te bieden heeft.

Opdracht

Lines, Scatters, and Bars

Disclaimer:
Dit document is vertaald met behulp van de AI-vertalingsservice Co-op Translator. Hoewel we streven naar nauwkeurigheid, willen we u erop wijzen dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in de oorspronkelijke taal moet worden beschouwd als de gezaghebbende bron. Voor kritieke informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.

13 KiB Raw Permalink Blame History