13 KiB

Raw Blame History

Visualisierung von Beziehungen: Alles über Honig 🍯


Visualisierung von Beziehungen - Sketchnote von @nitya

Im Rahmen unseres naturbezogenen Forschungsfokus entdecken wir interessante Visualisierungen, um die Beziehungen zwischen verschiedenen Honigsorten darzustellen, basierend auf einem Datensatz des United States Department of Agriculture.

Dieser Datensatz mit etwa 600 Einträgen zeigt die Honigproduktion in vielen US-Bundesstaaten. So kann man beispielsweise die Anzahl der Bienenvölker, den Ertrag pro Volk, die Gesamtproduktion, Lagerbestände, den Preis pro Pfund und den Wert des produzierten Honigs in einem bestimmten Bundesstaat von 1998 bis 2012 betrachten, wobei jede Zeile ein Jahr pro Bundesstaat repräsentiert.

Es wäre interessant, die Beziehung zwischen der jährlichen Produktion eines Bundesstaates und beispielsweise dem Honigpreis in diesem Bundesstaat zu visualisieren. Alternativ könnte man die Beziehung zwischen den Erträgen pro Volk in verschiedenen Bundesstaaten darstellen. Dieser Zeitraum umfasst das verheerende „CCD“ oder „Colony Collapse Disorder“, das erstmals 2006 beobachtet wurde (http://npic.orst.edu/envir/ccd.html), was diesen Datensatz besonders bedeutsam macht. 🐝

Quiz vor der Lektion

In dieser Lektion kannst du Seaborn verwenden, das du bereits kennst, als eine gute Bibliothek zur Visualisierung von Beziehungen zwischen Variablen. Besonders interessant ist die Verwendung der relplot-Funktion von Seaborn, die Streudiagramme und Liniendiagramme ermöglicht, um schnell 'statistische Beziehungen' zu visualisieren. Dies hilft Datenwissenschaftlern, besser zu verstehen, wie Variablen miteinander in Beziehung stehen.

Streudiagramme

Verwende ein Streudiagramm, um zu zeigen, wie sich der Honigpreis Jahr für Jahr in den einzelnen Bundesstaaten entwickelt hat. Seaborn gruppiert mit relplot bequem die Daten der Bundesstaaten und zeigt Datenpunkte sowohl für kategoriale als auch für numerische Daten an.

Beginnen wir mit dem Import der Daten und Seaborn:

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

Du wirst feststellen, dass die Honigdaten mehrere interessante Spalten enthalten, darunter Jahr und Preis pro Pfund. Lass uns diese Daten erkunden, gruppiert nach US-Bundesstaat:

state	numcol	yieldpercol	totalprod	stocks	priceperlb	prodvalue	year
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

Erstelle ein einfaches Streudiagramm, um die Beziehung zwischen dem Preis pro Pfund Honig und seinem Herkunftsbundesstaat darzustellen. Mache die y-Achse hoch genug, um alle Bundesstaaten anzuzeigen:

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

Zeige nun dieselben Daten mit einer honigfarbenen Farbpalette, um zu zeigen, wie sich der Preis im Laufe der Jahre entwickelt hat. Du kannst dies tun, indem du einen 'hue'-Parameter hinzufügst, um die Veränderung Jahr für Jahr darzustellen:

✅ Erfahre mehr über die Farbpaletten, die du in Seaborn verwenden kannst - probiere eine schöne Regenbogen-Farbpalette aus!

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

Mit dieser Farbänderung kannst du deutlich sehen, dass es im Laufe der Jahre eine starke Entwicklung des Honigpreises pro Pfund gibt. Wenn du einen bestimmten Bundesstaat wie Arizona als Beispiel betrachtest, kannst du ein Muster von Preissteigerungen Jahr für Jahr erkennen, mit wenigen Ausnahmen:

state	numcol	yieldpercol	totalprod	stocks	priceperlb	prodvalue	year
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

Eine andere Möglichkeit, diese Entwicklung zu visualisieren, ist die Verwendung von Größe anstelle von Farbe. Für farbenblinde Nutzer könnte dies eine bessere Option sein. Bearbeite deine Visualisierung, um eine Preissteigerung durch eine Zunahme des Punktumfangs darzustellen:

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

Du kannst sehen, dass die Größe der Punkte allmählich zunimmt.

Ist dies ein einfacher Fall von Angebot und Nachfrage? Aufgrund von Faktoren wie Klimawandel und dem Zusammenbruch von Bienenvölkern gibt es Jahr für Jahr weniger Honig zu kaufen, und daher steigen die Preise?

Um eine Korrelation zwischen einigen der Variablen in diesem Datensatz zu entdecken, lass uns einige Liniendiagramme erkunden.

Liniendiagramme

Frage: Gibt es einen klaren Anstieg des Honigpreises pro Pfund Jahr für Jahr? Das kannst du am einfachsten durch ein einzelnes Liniendiagramm herausfinden:

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

Antwort: Ja, mit einigen Ausnahmen um das Jahr 2003:

✅ Da Seaborn die Daten um eine Linie aggregiert, zeigt es „die mehrfachen Messungen bei jedem x-Wert, indem es den Mittelwert und das 95%-Konfidenzintervall um den Mittelwert darstellt“. Quelle. Dieses zeitaufwändige Verhalten kann durch Hinzufügen von ci=None deaktiviert werden.

Frage: Nun, im Jahr 2003, können wir auch einen Anstieg des Honigangebots sehen? Was passiert, wenn du die Gesamtproduktion Jahr für Jahr betrachtest?

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

Antwort: Nicht wirklich. Wenn du die Gesamtproduktion betrachtest, scheint sie in diesem Jahr tatsächlich gestiegen zu sein, obwohl die Menge des produzierten Honigs in diesen Jahren allgemein rückläufig ist.

Frage: Was könnte in diesem Fall den Preisanstieg des Honigs um das Jahr 2003 verursacht haben?

Um dies herauszufinden, kannst du ein Facet Grid erkunden.

Facet Grids

Facet Grids nehmen eine Facette deines Datensatzes (in unserem Fall kannst du 'Jahr' wählen, um zu vermeiden, dass zu viele Facetten erstellt werden). Seaborn kann dann für jede dieser Facetten deiner gewählten x- und y-Koordinaten eine Grafik erstellen, um den Vergleich zu erleichtern. Fällt das Jahr 2003 in diesem Vergleich auf?

Erstelle ein Facet Grid, indem du weiterhin relplot verwendest, wie in der Seaborn-Dokumentation empfohlen.

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

In dieser Visualisierung kannst du den Ertrag pro Volk und die Anzahl der Bienenvölker Jahr für Jahr nebeneinander vergleichen, mit einer Wrap-Einstellung von 3 für die Spalten:

Für diesen Datensatz fällt nichts Besonderes in Bezug auf die Anzahl der Bienenvölker und deren Ertrag Jahr für Jahr und Bundesstaat für Bundesstaat auf. Gibt es eine andere Möglichkeit, eine Korrelation zwischen diesen beiden Variablen zu finden?

Dual-Line-Diagramme

Versuche ein Mehrlinien-Diagramm, indem du zwei Liniendiagramme übereinander legst, Seaborns 'despine' verwendest, um die oberen und rechten Achsen zu entfernen, und ax.twinx abgeleitet von Matplotlib verwendest. Twinx ermöglicht es einem Diagramm, die x-Achse zu teilen und zwei y-Achsen anzuzeigen. Zeige den Ertrag pro Volk und die Anzahl der Bienenvölker übereinandergelegt an:

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();

Während nichts um das Jahr 2003 besonders auffällt, ermöglicht es uns, diese Lektion mit einer etwas erfreulicheren Note zu beenden: Obwohl die Anzahl der Bienenvölker insgesamt abnimmt, stabilisiert sich die Anzahl der Bienenvölker, auch wenn ihr Ertrag pro Volk sinkt.

Go, bees, go!

🐝❤️

🚀 Herausforderung

In dieser Lektion hast du mehr über andere Verwendungen von Streudiagrammen und Linienrastern, einschließlich Facet Grids, gelernt. Fordere dich selbst heraus, ein Facet Grid mit einem anderen Datensatz zu erstellen, vielleicht einem, den du vor diesen Lektionen verwendet hast. Beachte, wie lange sie zur Erstellung benötigen und wie vorsichtig du sein musst, wie viele Grids du mit diesen Techniken zeichnen möchtest.

Quiz nach der Lektion

Überprüfung & Selbststudium

Liniendiagramme können einfach oder ziemlich komplex sein. Lies ein wenig in der Seaborn-Dokumentation über die verschiedenen Möglichkeiten, wie du sie erstellen kannst. Versuche, die Liniendiagramme, die du in dieser Lektion erstellt hast, mit anderen in den Dokumenten aufgeführten Methoden zu verbessern.

Aufgabe

Tauche in den Bienenstock ein

Haftungsausschluss:
Dieses Dokument wurde mithilfe des KI-Übersetzungsdienstes Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, weisen wir darauf hin, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.

13 KiB Raw Blame History