12 KiB

Raw Permalink Blame History

Vizualizacija deležev


Vizualizacija deležev - Sketchnote by @nitya

V tej lekciji boste uporabili naravno usmerjen nabor podatkov za vizualizacijo deležev, na primer koliko različnih vrst gliv je v določenem naboru podatkov o gobah. Raziskali bomo te fascinantne glive z uporabo nabora podatkov, pridobljenega iz Audubona, ki vsebuje podrobnosti o 23 vrstah gob z lističi iz družin Agaricus in Lepiota. Eksperimentirali boste z okusnimi vizualizacijami, kot so:

Tabelni diagrami 🥧
Krožni diagrami 🍩
Waffle diagrami 🧇

💡 Zelo zanimiv projekt z imenom Charticulator od Microsoft Research ponuja brezplačen vmesnik za vizualizacijo podatkov z metodo povleci in spusti. V enem od njihovih vaj uporabljajo tudi ta nabor podatkov o gobah! Tako lahko raziskujete podatke in hkrati spoznate knjižnico: Charticulator tutorial.

Predlekcijski kviz

Spoznajte svoje gobe 🍄

Gobe so zelo zanimive. Uvozimo nabor podatkov, da jih preučimo:

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

Izpiše se tabela z odličnimi podatki za analizo:

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
Strupena	Konveksna	Gladka	Rjava	Modrice	Ostra	Prosta	Tesna	Ozka	Črna	Širša	Enaka	Gladka	Gladka	Bela	Bela	Delna	Bela	Ena	Viseča	Črna	Razpršena	Urbana
Užitna	Konveksna	Gladka	Rumena	Modrice	Mandelj	Prosta	Tesna	Široka	Črna	Širša	Klub	Gladka	Gladka	Bela	Bela	Delna	Bela	Ena	Viseča	Rjava	Številna	Trava
Užitna	Zvonec	Gladka	Bela	Modrice	Janež	Prosta	Tesna	Široka	Rjava	Širša	Klub	Gladka	Gladka	Bela	Bela	Delna	Bela	Ena	Viseča	Rjava	Številna	Travniki
Strupena	Konveksna	Luskasta	Bela	Modrice	Ostra	Prosta	Tesna	Ozka	Rjava	Širša	Enaka	Gladka	Gladka	Bela	Bela	Delna	Bela	Ena	Viseča	Črna	Razpršena	Urbana

Takoj opazite, da so vsi podatki besedilni. Te podatke boste morali pretvoriti, da jih boste lahko uporabili v diagramu. Večina podatkov je dejansko predstavljena kot objekt:

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

Rezultat je:

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')

Pretvorite podatke in stolpec 'class' spremenite v kategorijo:

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

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

Če zdaj izpišete podatke o gobah, lahko vidite, da so razvrščeni v kategorije glede na razred strupenosti/užitnosti:

	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
Užitna	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208	...	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208
Strupena	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916	...	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916

Če sledite vrstnemu redu, predstavljenemu v tej tabeli, da ustvarite oznake kategorij razreda, lahko ustvarite tabelni diagram:

Tabela!

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

Voila, tabelni diagram, ki prikazuje deleže teh podatkov glede na dva razreda gob. Zelo pomembno je, da je vrstni red oznak pravilen, še posebej tukaj, zato preverite vrstni red, s katerim je ustvarjen niz oznak!

Krogi!

Malce bolj vizualno zanimiv tabelni diagram je krožni diagram, ki je tabelni diagram z luknjo na sredini. Poglejmo naše podatke s to metodo.

Oglejte si različna življenjska okolja, kjer rastejo gobe:

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

Tukaj razvrščate podatke glede na življenjsko okolje. Naštetih je 7, zato jih uporabite kot oznake za krožni diagram:

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()

Ta koda nariše diagram in osrednji krog, nato pa ta osrednji krog doda v diagram. Širino osrednjega kroga lahko spremenite tako, da spremenite 0.40 v drugo vrednost.

Krožni diagrami se lahko prilagodijo na več načinov, da spremenijo oznake. Oznake je mogoče posebej poudariti za boljšo berljivost. Več o tem si preberite v dokumentaciji.

Zdaj, ko veste, kako razvrstiti podatke in jih nato prikazati kot tabelo ali krog, lahko raziščete druge vrste diagramov. Poskusite waffle diagram, ki je le drugačen način raziskovanja količine.

Waffle!

Diagram tipa 'waffle' je drugačen način vizualizacije količin kot 2D matrika kvadratov. Poskusite vizualizirati različne količine barv gobjih klobukov v tem naboru podatkov. Za to morate namestiti pomožno knjižnico z imenom PyWaffle in uporabiti Matplotlib:

pip install pywaffle

Izberite segment svojih podatkov za razvrščanje:

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

Ustvarite waffle diagram tako, da ustvarite oznake in nato razvrstite svoje podatke:

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"],
)

Z uporabo waffle diagrama lahko jasno vidite deleže barv klobukov v tem naboru podatkov o gobah. Zanimivo je, da je veliko gob z zelenimi klobuki!

✅ Pywaffle podpira ikone znotraj diagramov, ki uporabljajo katero koli ikono, ki je na voljo v Font Awesome. Eksperimentirajte in ustvarite še bolj zanimiv waffle diagram z uporabo ikon namesto kvadratov.

V tej lekciji ste se naučili treh načinov vizualizacije deležev. Najprej morate razvrstiti podatke v kategorije in nato odločiti, kateri je najboljši način za prikaz podatkov - tabela, krog ali waffle. Vsi so okusni in uporabniku takoj ponudijo vpogled v nabor podatkov.

🚀 Izziv

Poskusite ponovno ustvariti te okusne diagrame v Charticulator.

Po-lekcijski kviz

Pregled in samostojno učenje

Včasih ni očitno, kdaj uporabiti tabelo, krog ali waffle diagram. Tukaj je nekaj člankov za branje na to temo:

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

Raziskujte in poiščite več informacij o tej težki odločitvi.

Naloga

Poskusite v Excelu

Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za prevajanje z umetno inteligenco Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo profesionalni človeški prevod. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki bi nastale zaradi uporabe tega prevoda.

12 KiB Raw Permalink Blame History