17 KiB

Raw Permalink Blame History Unescape Escape

Візуалізація взаємозв'язків: усе про мед 🍯


Візуалізація взаємозв'язків - Скетчнот від @nitya

Продовжуючи дослідження природи, давайте відкриємо цікаві способи візуалізації взаємозв'язків між різними типами меду, використовуючи набір даних, отриманий від Департаменту сільського господарства США.

Цей набір даних, що містить близько 600 елементів, демонструє виробництво меду в багатьох штатах США. Наприклад, можна переглянути кількість колоній, урожайність на колонію, загальне виробництво, запаси, ціну за фунт і вартість виробленого меду в конкретному штаті за період з 1998 по 2012 рік, де кожен рядок представляє один рік для кожного штату.

Цікаво буде візуалізувати взаємозв'язок між виробництвом меду в конкретному штаті за рік і, наприклад, ціною меду в цьому штаті. Або ж можна візуалізувати взаємозв'язок між урожайністю меду на колонію в різних штатах. Цей період охоплює руйнівний феномен "CCD" або "Синдром колапсу колоній", вперше зафіксований у 2006 році (http://npic.orst.edu/envir/ccd.html), тому це важливий набір даних для дослідження. 🐝

Тест перед лекцією

У цьому уроці ви можете використовувати Seaborn, який ви вже використовували раніше, як чудову бібліотеку для візуалізації взаємозв'язків між змінними. Особливо цікавим є використання функції relplot у Seaborn, яка дозволяє створювати точкові та лінійні графіки для швидкої візуалізації 'статистичних взаємозв'язків', що допомагає аналітику даних краще зрозуміти, як змінні взаємодіють одна з одною.

Точкові графіки

Використовуйте точковий графік, щоб показати, як ціна меду змінювалася рік за роком у кожному штаті. Seaborn, використовуючи relplot, зручно групує дані по штатах і відображає точки для категорійних і числових даних.

Почнемо з імпорту даних і бібліотеки Seaborn:

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

Ви помітите, що дані про мед мають кілька цікавих колонок, включаючи рік і ціну за фунт. Давайте дослідимо ці дані, згруповані за штатами США:

штат	numcol	yieldpercol	totalprod	stocks	priceperlb	prodvalue	рік
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

Створіть базовий точковий графік, щоб показати взаємозв'язок між ціною за фунт меду та його штатом походження. Зробіть вісь y достатньо високою, щоб відобразити всі штати:

sns.relplot(x="priceperlb", y="state", data=honey, height=15, aspect=.5);

Тепер покажіть ті ж дані з кольоровою схемою меду, щоб продемонструвати, як ціна змінюється рік за роком. Ви можете зробити це, додавши параметр 'hue', щоб показати зміни за роками:

✅ Дізнайтеся більше про кольорові палітри, які можна використовувати в Seaborn - спробуйте красиву райдужну кольорову схему!

sns.relplot(x="priceperlb", y="state", hue="year", palette="YlOrBr", data=honey, height=15, aspect=.5);

З цією зміною кольорової схеми ви можете побачити очевидну тенденцію до зростання ціни за фунт меду протягом років. Дійсно, якщо ви перевірите вибірку даних (наприклад, виберіть штат Аризона), ви побачите закономірність зростання цін рік за роком, з деякими винятками:

штат	numcol	yieldpercol	totalprod	stocks	priceperlb	prodvalue	рік
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

Інший спосіб візуалізувати цю тенденцію — використовувати розмір, а не колір. Для користувачів із порушенням сприйняття кольорів це може бути кращим варіантом. Змініть свою візуалізацію, щоб показати зростання ціни через збільшення окружності точок:

sns.relplot(x="priceperlb", y="state", size="year", data=honey, height=15, aspect=.5);

Ви можете побачити, як розмір точок поступово збільшується.

Чи це простий випадок попиту та пропозиції? Через такі фактори, як зміна клімату та колапс колоній, чи стає меду менше для покупки рік за роком, і тому ціна зростає?

Щоб знайти кореляцію між деякими змінними в цьому наборі даних, давайте дослідимо лінійні графіки.

Лінійні графіки

Питання: Чи є чітке зростання ціни меду за фунт рік за роком? Найпростіше це можна побачити, створивши один лінійний графік:

sns.relplot(x="year", y="priceperlb", kind="line", data=honey);

Відповідь: Так, з деякими винятками близько 2003 року:

✅ Оскільки Seaborn агрегує дані навколо однієї лінії, він відображає "кілька вимірювань для кожного значення x, показуючи середнє значення та 95% довірчий інтервал навколо середнього". Джерело. Цю поведінку, яка займає багато часу, можна вимкнути, додавши ci=None.

Питання: Ну, а чи можемо ми також побачити сплеск у постачанні меду в 2003 році? Що, якщо ви подивитеся на загальне виробництво рік за роком?

sns.relplot(x="year", y="totalprod", kind="line", data=honey);

Відповідь: Не зовсім. Якщо подивитися на загальне виробництво, здається, що воно фактично збільшилося в цьому конкретному році, хоча загалом кількість виробленого меду зменшується протягом цих років.

Питання: У такому разі, що могло спричинити сплеск ціни меду близько 2003 року?

Щоб це з'ясувати, можна дослідити сітку фасетів.

Сітки фасетів

Сітки фасетів беруть одну грань вашого набору даних (у нашому випадку можна вибрати 'рік', щоб уникнути створення надто великої кількості фасетів). Seaborn може створити графік для кожної з цих граней за обраними координатами x і y для більш зручного порівняння. Чи виділяється 2003 рік у такому порівнянні?

Створіть сітку фасетів, продовжуючи використовувати relplot, як рекомендовано в документації Seaborn.

sns.relplot(
    data=honey, 
    x="yieldpercol", y="numcol",
    col="year", 
    col_wrap=3,
    kind="line"
    )

У цій візуалізації ви можете порівняти урожайність на колонію та кількість колоній рік за роком, поруч із wrap, встановленим на 3 для колонок:

Для цього набору даних нічого особливого не виділяється щодо кількості колоній та їх урожайності рік за роком і штат за штатом. Чи є інший спосіб знайти кореляцію між цими двома змінними?

Двохлінійні графіки

Спробуйте багатолінійний графік, наклавши два лінійні графіки один на одного, використовуючи despine у Seaborn для видалення верхніх і правих осей, а також ax.twinx з Matplotlib. Twinx дозволяє графіку ділити вісь x і відображати дві осі y. Отже, відобразіть урожайність на колонію та кількість колоній, накладені один на одного:

fig, ax = plt.subplots(figsize=(12,6))
lineplot = sns.lineplot(x=honey['year'], y=honey['numcol'], data=honey, 
                        label = 'Number of bee colonies', legend=False)
sns.despine()
plt.ylabel('# colonies')
plt.title('Honey Production Year over Year');

ax2 = ax.twinx()
lineplot2 = sns.lineplot(x=honey['year'], y=honey['yieldpercol'], ax=ax2, color="r", 
                         label ='Yield per colony', legend=False) 
sns.despine(right=False)
plt.ylabel('colony yield')
ax.figure.legend();

Хоча нічого особливого не виділяється близько 2003 року, це дозволяє нам завершити цей урок на трохи щасливішій ноті: хоча загалом кількість колоній зменшується, їх кількість стабілізується, навіть якщо їх урожайність на колонію знижується.

Вперед, бджоли, вперед!

🐝❤️

🚀 Виклик

У цьому уроці ви дізналися трохи більше про інші способи використання точкових графіків і лінійних сіток, включаючи сітки фасетів. Викличте себе, створивши сітку фасетів, використовуючи інший набір даних, можливо, той, який ви використовували до цих уроків. Зверніть увагу, скільки часу потрібно для їх створення і як важливо бути обережним із кількістю сіток, які потрібно намалювати за допомогою цих технік.

Тест після лекції

Огляд і самостійне навчання

Лінійні графіки можуть бути простими або досить складними. Почитайте документацію Seaborn про різні способи їх створення. Спробуйте вдосконалити лінійні графіки, які ви створили в цьому уроці, використовуючи інші методи, зазначені в документації.

Завдання

Зануртеся у вулик

Відмова від відповідальності:
Цей документ було перекладено за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ мовою оригіналу слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.

17 KiB Raw Permalink Blame History Unescape Escape