You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
191 lines
21 KiB
191 lines
21 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "69b32b6789a91f796ebc7a02f5575e03",
|
|
"translation_date": "2025-09-04T17:26:07+00:00",
|
|
"source_file": "3-Data-Visualization/09-visualization-quantities/README.md",
|
|
"language_code": "pa"
|
|
}
|
|
-->
|
|
# ਮਾਤਰਾ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣਾ
|
|
|
|
|![ [(@sketchthedocs)] ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਸਕੈਚਨੋਟ](https://sketchthedocs.dev)](../../sketchnotes/09-Visualizing-Quantities.png)|
|
|
|:---:|
|
|
| ਮਾਤਰਾ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣਾ - _[@nitya](https://twitter.com/nitya) ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਸਕੈਚਨੋਟ_ |
|
|
|
|
ਇਸ ਪਾਠ ਵਿੱਚ ਤੁਸੀਂ ਪਾਈਥਨ ਦੀਆਂ ਕਈ ਉਪਲਬਧ ਲਾਇਬ੍ਰੇਰੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿੱਖੋਗੇ ਕਿ ਮਾਤਰਾ ਦੇ ਅਵਧਾਰਨਾ ਦੇ ਆਧਾਰ 'ਤੇ ਦਿਲਚਸਪ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣੇ ਕਿਵੇਂ ਬਣਾਏ ਜਾ ਸਕਦੇ ਹਨ। ਮਿਨੇਸੋਟਾ ਦੇ ਪੰਛੀਆਂ ਬਾਰੇ ਸਾਫ ਕੀਤੇ ਡਾਟਾਸੈਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਤੁਸੀਂ ਸਥਾਨਕ ਜੰਗਲੀ ਜੀਵਾਂ ਬਾਰੇ ਕਈ ਦਿਲਚਸਪ ਤੱਥ ਸਿੱਖ ਸਕਦੇ ਹੋ।
|
|
## [ਪ੍ਰੀ-ਲੈਕਚਰ ਕਵਿਜ਼](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/16)
|
|
|
|
## Matplotlib ਨਾਲ ਪੰਛੀਆਂ ਦੇ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ ਦਾ ਅਧਿਐਨ ਕਰੋ
|
|
|
|
ਸਧਾਰਨ ਅਤੇ ਜਟਿਲ ਪਲਾਟ ਅਤੇ ਚਾਰਟ ਬਣਾਉਣ ਲਈ ਇੱਕ ਸ਼ਾਨਦਾਰ ਲਾਇਬ੍ਰੇਰੀ [Matplotlib](https://matplotlib.org/stable/index.html) ਹੈ। ਆਮ ਤੌਰ 'ਤੇ, ਇਹ ਲਾਇਬ੍ਰੇਰੀਆਂ ਵਰਤ ਕੇ ਡਾਟਾ ਪਲਾਟ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਤੁਹਾਡੇ ਡਾਟਾਫਰੇਮ ਦੇ ਉਹ ਹਿੱਸੇ ਦੀ ਪਛਾਣ ਕਰਨੀ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਟਾਰਗਟ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਉਸ ਡਾਟਾ 'ਤੇ ਜ਼ਰੂਰੀ ਤਬਦੀਲੀਆਂ ਕਰਨੀ, ਇਸਦੇ x ਅਤੇ y ਅਕਸ ਦੀਆਂ ਮੁੱਲਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ, ਦਿਖਾਉਣ ਲਈ ਕਿਸ ਤਰ੍ਹਾਂ ਦਾ ਪਲਾਟ ਚੁਣਨਾ, ਅਤੇ ਫਿਰ ਪਲਾਟ ਦਿਖਾਉਣਾ। Matplotlib ਕਈ ਕਿਸਮਾਂ ਦੇ ਦ੍ਰਿਸ਼ਮਾਨ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਪਰ ਇਸ ਪਾਠ ਲਈ, ਆਓ ਉਹਨਾਂ 'ਤੇ ਧਿਆਨ ਦੇਈਏ ਜੋ ਮਾਤਰਾ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣ ਲਈ ਸਭ ਤੋਂ ਉਚਿਤ ਹਨ: ਲਾਈਨ ਚਾਰਟ, ਸਕੈਟਰਪਲਾਟ, ਅਤੇ ਬਾਰ ਪਲਾਟ।
|
|
|
|
> ✅ ਆਪਣੇ ਡਾਟਾ ਦੀ ਬਣਤਰ ਅਤੇ ਕਹਾਣੀ ਨੂੰ ਦੱਸਣ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਚਾਰਟ ਦੀ ਵਰਤੋਂ ਕਰੋ।
|
|
> - ਸਮੇਂ ਦੇ ਨਾਲ ਰੁਝਾਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ: ਲਾਈਨ
|
|
> - ਮੁੱਲਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ: ਬਾਰ, ਕਾਲਮ, ਪਾਈ, ਸਕੈਟਰਪਲਾਟ
|
|
> - ਦਿਖਾਉਣ ਲਈ ਕਿ ਹਿੱਸੇ ਪੂਰੇ ਨਾਲ ਕਿਵੇਂ ਸੰਬੰਧਿਤ ਹਨ: ਪਾਈ
|
|
> - ਡਾਟਾ ਦੇ ਵੰਡਨ ਨੂੰ ਦਿਖਾਉਣ ਲਈ: ਸਕੈਟਰਪਲਾਟ, ਬਾਰ
|
|
> - ਰੁਝਾਨ ਦਿਖਾਉਣ ਲਈ: ਲਾਈਨ, ਕਾਲਮ
|
|
> - ਮੁੱਲਾਂ ਦੇ ਵਿਚਕਾਰ ਸੰਬੰਧ ਦਿਖਾਉਣ ਲਈ: ਲਾਈਨ, ਸਕੈਟਰਪਲਾਟ, ਬਬਲ
|
|
|
|
ਜੇ ਤੁਹਾਡੇ ਕੋਲ ਡਾਟਾਸੈਟ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਪਤਾ ਲਗਾਉਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਦਿੱਤੇ ਗਏ ਆਈਟਮ ਵਿੱਚ ਕਿੰਨਾ ਸ਼ਾਮਲ ਹੈ, ਤਾਂ ਤੁਹਾਡਾ ਪਹਿਲਾ ਕੰਮ ਇਸਦੇ ਮੁੱਲਾਂ ਦੀ ਜਾਂਚ ਕਰਨਾ ਹੋਵੇਗਾ।
|
|
|
|
✅ Matplotlib ਲਈ ਬਹੁਤ ਵਧੀਆ 'ਚੀਟ ਸ਼ੀਟ' [ਇੱਥੇ](https://matplotlib.org/cheatsheets/cheatsheets.pdf) ਉਪਲਬਧ ਹਨ।
|
|
|
|
## ਪੰਛੀਆਂ ਦੇ ਪੰਖਾਂ ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਲੰਬਾਈ ਬਾਰੇ ਲਾਈਨ ਪਲਾਟ ਬਣਾਓ
|
|
|
|
ਇਸ ਪਾਠ ਫੋਲਡਰ ਦੇ ਰੂਟ ਵਿੱਚ `notebook.ipynb` ਫਾਈਲ ਖੋਲ੍ਹੋ ਅਤੇ ਇੱਕ ਸੈਲ ਸ਼ਾਮਲ ਕਰੋ।
|
|
|
|
> ਨੋਟ: ਡਾਟਾ ਇਸ ਰਿਪੋ ਦੇ ਰੂਟ ਵਿੱਚ `/data` ਫੋਲਡਰ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਗਿਆ ਹੈ।
|
|
|
|
```python
|
|
import pandas as pd
|
|
import matplotlib.pyplot as plt
|
|
birds = pd.read_csv('../../data/birds.csv')
|
|
birds.head()
|
|
```
|
|
ਇਹ ਡਾਟਾ ਟੈਕਸਟ ਅਤੇ ਨੰਬਰਾਂ ਦਾ ਮਿਸ਼ਰਣ ਹੈ:
|
|
|
|
| | ਨਾਮ | ਵਿਗਿਆਨਕ ਨਾਮ | ਸ਼੍ਰੇਣੀ | ਆਰਡਰ | ਪਰਿਵਾਰ | ਜਨਸ | ਸੰਰਕਸ਼ਣ ਸਥਿਤੀ | ਘੱਟੋ-ਘੱਟ ਲੰਬਾਈ | ਵੱਧ ਤੋਂ ਵੱਧ ਲੰਬਾਈ | ਘੱਟੋ-ਘੱਟ ਬਾਡੀ ਮਾਸ | ਵੱਧ ਤੋਂ ਵੱਧ ਬਾਡੀ ਮਾਸ | ਘੱਟੋ-ਘੱਟ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ | ਵੱਧ ਤੋਂ ਵੱਧ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ |
|
|
| ---: | :--------------------------- | :--------------------- | :-------------------- | :----------- | :------- | :---------- | :----------------- | --------: | --------: | ----------: | ----------: | ----------: | ----------: |
|
|
| 0 | ਬਲੈਕ-ਬੈਲੀਡ ਵਿਸਲਿੰਗ-ਡੱਕ | Dendrocygna autumnalis | ਬਤਖਾਂ/ਹੰਸ/ਜਲ ਪੰਛੀ | Anseriformes | Anatidae | Dendrocygna | LC | 47 | 56 | 652 | 1020 | 76 | 94 |
|
|
| 1 | ਫੁਲਵਸ ਵਿਸਲਿੰਗ-ਡੱਕ | Dendrocygna bicolor | ਬਤਖਾਂ/ਹੰਸ/ਜਲ ਪੰਛੀ | Anseriformes | Anatidae | Dendrocygna | LC | 45 | 53 | 712 | 1050 | 85 | 93 |
|
|
| 2 | ਸਨੋ ਗੂਸ | Anser caerulescens | ਬਤਖਾਂ/ਹੰਸ/ਜਲ ਪੰਛੀ | Anseriformes | Anatidae | Anser | LC | 64 | 79 | 2050 | 4050 | 135 | 165 |
|
|
| 3 | ਰੌਸ ਦਾ ਗੂਸ | Anser rossii | ਬਤਖਾਂ/ਹੰਸ/ਜਲ ਪੰਛੀ | Anseriformes | Anatidae | Anser | LC | 57.3 | 64 | 1066 | 1567 | 113 | 116 |
|
|
| 4 | ਵੱਡਾ ਵ੍ਹਾਈਟ-ਫਰੰਟਡ ਗੂਸ | Anser albifrons | ਬਤਖਾਂ/ਹੰਸ/ਜਲ ਪੰਛੀ | Anseriformes | Anatidae | Anser | LC | 64 | 81 | 1930 | 3310 | 130 | 165 |
|
|
|
|
ਆਓ ਕੁਝ ਅੰਕੀ ਡਾਟਾ ਨੂੰ ਇੱਕ ਬੁਨਿਆਦੀ ਲਾਈਨ ਪਲਾਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪਲਾਟ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰੀਏ। ਮੰਨ ਲਓ ਕਿ ਤੁਸੀਂ ਇਹ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿ ਇਹ ਦਿਲਚਸਪ ਪੰਛੀਆਂ ਲਈ ਵੱਧ ਤੋਂ ਵੱਧ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ ਕੀ ਹੈ।
|
|
|
|
```python
|
|
wingspan = birds['MaxWingspan']
|
|
wingspan.plot()
|
|
```
|
|
|
|
|
|
ਤੁਹਾਨੂੰ ਤੁਰੰਤ ਕੀ ਨਜ਼ਰ ਆਉਂਦਾ ਹੈ? ਘੱਟੋ-ਘੱਟ ਇੱਕ ਆਊਟਲਾਇਰ ਹੈ - ਇਹ ਕਾਫ਼ੀ ਵੱਡੀ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ ਹੈ! 2300 ਸੈਂਟੀਮੀਟਰ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ 23 ਮੀਟਰ ਦੇ ਬਰਾਬਰ ਹੈ - ਕੀ ਮਿਨੇਸੋਟਾ ਵਿੱਚ ਪਟੇਰੋਡੈਕਟਿਲ ਉੱਡ ਰਹੇ ਹਨ? ਆਓ ਜਾਂਚ ਕਰੀਏ।
|
|
|
|
ਹਾਲਾਂਕਿ ਤੁਸੀਂ Excel ਵਿੱਚ ਇੱਕ ਤੇਜ਼ ਸੋਰਟ ਕਰਕੇ ਉਹ ਆਊਟਲਾਇਰ ਲੱਭ ਸਕਦੇ ਹੋ, ਜੋ ਸ਼ਾਇਦ ਟਾਈਪੋ ਹਨ, ਪਲਾਟ ਦੇ ਅੰਦਰੋਂ ਕੰਮ ਕਰਦੇ ਹੋਏ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਜਾਰੀ ਰੱਖੋ।
|
|
|
|
x-ਅਕਸ 'ਤੇ ਲੇਬਲ ਸ਼ਾਮਲ ਕਰੋ ਤਾਂ ਜੋ ਦਿਖਾ ਸਕੋ ਕਿ ਕਿਹੜੇ ਪੰਛੀ ਸਵਾਲ ਵਿੱਚ ਹਨ:
|
|
|
|
```
|
|
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()
|
|
```
|
|
|
|
|
|
ਹਾਲਾਂਕਿ ਲੇਬਲਾਂ ਨੂੰ 45 ਡਿਗਰੀ 'ਤੇ ਘੁੰਮਾਉਣ ਦੇ ਬਾਵਜੂਦ, ਇਹ ਪੜ੍ਹਨ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹਨ। ਆਓ ਇੱਕ ਵੱਖਰੀ ਰਣਨੀਤੀ ਅਪਣਾਈਏ: ਸਿਰਫ ਉਹਨਾਂ ਆਊਟਲਾਇਰਾਂ ਨੂੰ ਲੇਬਲ ਕਰੋ ਅਤੇ ਚਾਰਟ ਦੇ ਅੰਦਰ ਲੇਬਲ ਸੈਟ ਕਰੋ। ਤੁਸੀਂ ਲੇਬਲਿੰਗ ਲਈ ਹੋਰ ਜਗ੍ਹਾ ਬਣਾਉਣ ਲਈ ਇੱਕ ਸਕੈਟਰ ਚਾਰਟ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ:
|
|
|
|
```python
|
|
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()
|
|
```
|
|
ਇੱਥੇ ਕੀ ਹੋ ਰਿਹਾ ਹੈ? ਤੁਸੀਂ `tick_params` ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਹੇਠਲੇ ਲੇਬਲਾਂ ਨੂੰ ਲੁਕਾਇਆ ਅਤੇ ਫਿਰ ਆਪਣੇ ਪੰਛੀਆਂ ਦੇ ਡਾਟਾਸੈਟ 'ਤੇ ਇੱਕ ਲੂਪ ਬਣਾਇਆ। `bo` ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਛੋਟੇ ਗੋਲ ਨੀਲੇ ਬਿੰਦੂ ਪਲਾਟ ਕਰਦੇ ਹੋਏ, ਤੁਸੀਂ 500 ਤੋਂ ਵੱਧ ਵੱਧ ਤੋਂ ਵੱਧ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ ਵਾਲੇ ਕਿਸੇ ਵੀ ਪੰਛੀ ਦੀ ਜਾਂਚ ਕੀਤੀ ਅਤੇ ਜੇਕਰ ਹੋਵੇ ਤਾਂ ਬਿੰਦੂ ਦੇ ਕੋਲ ਉਸਦਾ ਲੇਬਲ ਦਿਖਾਇਆ। ਤੁਸੀਂ y ਅਕਸ 'ਤੇ ਲੇਬਲਾਂ ਨੂੰ ਥੋੜਾ ਜਿਹਾ ਹਟਾਇਆ (`y * (1 - 0.05)`) ਅਤੇ ਪੰਛੀ ਦੇ ਨਾਮ ਨੂੰ ਲੇਬਲ ਵਜੋਂ ਵਰਤਿਆ।
|
|
|
|
ਤੁਹਾਨੂੰ ਕੀ ਪਤਾ ਲੱਗਿਆ?
|
|
|
|
|
|
## ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਫਿਲਟਰ ਕਰੋ
|
|
|
|
ਬਾਲਡ ਈਗਲ ਅਤੇ ਪ੍ਰੇਰੀ ਫਾਲਕਨ, ਸ਼ਾਇਦ ਬਹੁਤ ਵੱਡੇ ਪੰਛੀ, ਗਲਤ ਲੇਬਲ ਕੀਤੇ ਗਏ ਲੱਗਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ ਵਿੱਚ ਇੱਕ ਵਾਧੂ `0` ਸ਼ਾਮਲ ਹੈ। ਇਹ ਸੰਭਵ ਨਹੀਂ ਹੈ ਕਿ ਤੁਸੀਂ 25 ਮੀਟਰ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ ਵਾਲੇ ਬਾਲਡ ਈਗਲ ਨੂੰ ਮਿਲੋਗੇ, ਪਰ ਜੇਕਰ ਮਿਲੇ, ਤਾਂ ਕਿਰਪਾ ਕਰਕੇ ਸਾਨੂੰ ਦੱਸੋ! ਆਓ ਇੱਕ ਨਵਾਂ ਡਾਟਾਫਰੇਮ ਬਣਾਈਏ ਜਿਸ ਵਿੱਚ ਉਹ ਦੋ ਆਊਟਲਾਇਰ ਨਹੀਂ ਹਨ:
|
|
|
|
```python
|
|
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()
|
|
```
|
|
|
|
ਆਊਟਲਾਇਰਾਂ ਨੂੰ ਫਿਲਟਰ ਕਰਕੇ, ਹੁਣ ਤੁਹਾਡਾ ਡਾਟਾ ਹੋਰ ਸੰਗਠਿਤ ਅਤੇ ਸਮਝਣਯੋਗ ਹੈ।
|
|
|
|
|
|
|
|
ਹੁਣ ਜਦੋਂ ਕਿ ਸਾਡੇ ਕੋਲ ਘੱਟੋ-ਘੱਟ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ ਦੇ ਹਿੱਸੇ ਵਿੱਚ ਇੱਕ ਸਾਫ਼ ਡਾਟਾਸੈਟ ਹੈ, ਆਓ ਇਹਨਾਂ ਪੰਛੀਆਂ ਬਾਰੇ ਹੋਰ ਪਤਾ ਲਗਾਈਏ।
|
|
|
|
ਹਾਲਾਂਕਿ ਲਾਈਨ ਅਤੇ ਸਕੈਟਰ ਪਲਾਟ ਡਾਟਾ ਮੁੱਲਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਵੰਡਨ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦਿਖਾ ਸਕਦੇ ਹਨ, ਅਸੀਂ ਇਸ ਡਾਟਾਸੈਟ ਵਿੱਚ ਮੌਜੂਦ ਮੁੱਲਾਂ ਬਾਰੇ ਸੋਚਣਾ ਚਾਹੁੰਦੇ ਹਾਂ। ਤੁਸੀਂ ਮਾਤਰਾ ਬਾਰੇ ਹੇਠਾਂ ਦਿੱਤੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣੇ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹੋ:
|
|
|
|
> ਪੰਛੀਆਂ ਦੀਆਂ ਕਿੰਨੀ ਸ਼੍ਰੇਣੀਆਂ ਹਨ, ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਗਿਣਤੀ ਕੀ ਹੈ?
|
|
> ਕਿੰਨੇ ਪੰਛੀ ਲੁਪਤ, ਖਤਰੇ ਵਿੱਚ, ਦੁਲਭ ਜਾਂ ਆਮ ਹਨ?
|
|
> ਲਿਨੇਅਸ ਦੀ ਟਰਮੀਨੋਲੋਜੀ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਜਨਸ ਅਤੇ ਆਰਡਰ ਦੇ ਕਿੰਨੇ ਹਨ?
|
|
## ਬਾਰ ਚਾਰਟ ਦੀ ਖੋਜ ਕਰੋ
|
|
|
|
ਜਦੋਂ ਤੁਹਾਨੂੰ ਡਾਟਾ ਦੇ ਸਮੂਹ ਦਿਖਾਉਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਬਾਰ ਚਾਰਟ ਪ੍ਰਯੋਗਤਮ ਹੁੰਦੇ ਹਨ। ਆਓ ਇਸ ਡਾਟਾਸੈਟ ਵਿੱਚ ਮੌਜੂਦ ਪੰਛੀਆਂ ਦੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਖੋਜ ਕਰੀਏ ਤਾਂ ਜੋ ਵੇਖ ਸਕੀਏ ਕਿ ਗਿਣਤੀ ਦੇ ਅਨੁਸਾਰ ਸਭ ਤੋਂ ਆਮ ਕਿਹੜੀ ਹੈ।
|
|
|
|
ਨੋਟਬੁੱਕ ਫਾਈਲ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਬਾਰ ਚਾਰਟ ਬਣਾਓ
|
|
|
|
✅ ਨੋਟ, ਤੁਸੀਂ ਪਿਛਲੇ ਭਾਗ ਵਿੱਚ ਪਛਾਣ ਕੀਤੇ ਦੋ ਆਊਟਲਾਇਰ ਪੰਛੀਆਂ ਨੂੰ ਫਿਲਟਰ ਕਰ ਸਕਦੇ ਹੋ, ਉਨ੍ਹਾਂ ਦੀ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ ਵਿੱਚ ਟਾਈਪੋ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰ ਸਕਦੇ ਹੋ, ਜਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਛੱਡ ਸਕਦੇ ਹੋ ਜਿਨ੍ਹਾਂ ਅਭਿਆਸਾਂ ਲਈ ਪੰਖਾਂ ਦੀ ਲੰਬਾਈ ਦੇ ਮੁੱਲਾਂ 'ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਹੈ।
|
|
|
|
ਜੇ ਤੁਸੀਂ ਇੱਕ ਬਾਰ ਚਾਰਟ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਉਹ ਡਾਟਾ ਚੁਣ ਸਕਦੇ ਹੋ ਜਿਸ 'ਤੇ ਤੁਸੀਂ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ। ਬਾਰ ਚਾਰਟ ਕੱਚੇ ਡਾਟਾ ਤੋਂ ਬਣਾਏ ਜਾ ਸਕਦੇ ਹਨ:
|
|
|
|
```python
|
|
birds.plot(x='Category',
|
|
kind='bar',
|
|
stacked=True,
|
|
title='Birds of Minnesota')
|
|
|
|
```
|
|
|
|
|
|
ਹਾਲਾਂਕਿ ਇਹ ਬਾਰ ਚਾਰਟ ਪੜ੍ਹਨਯੋਗ ਨਹੀਂ ਹੈ ਕਿਉਂਕਿ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗੈਰ-ਸਮੂਹਬੱਧ ਡਾਟਾ ਹੈ। ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਉਹ ਡਾਟਾ ਚੁਣਨਾ ਪਵੇਗਾ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਪਲਾਟ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਇਸ ਲਈ ਆਓ ਪੰਛੀਆਂ ਦੀ ਸ਼੍ਰੇਣੀ ਦੇ ਅਧਾਰ 'ਤੇ ਉਨ੍ਹਾਂ ਦੀ ਲੰਬਾਈ ਦੇਖੀਏ।
|
|
|
|
ਆਪਣੇ ਡਾਟਾ ਨੂੰ ਸਿਰਫ਼ ਪੰਛੀ ਦੀ ਸ਼੍ਰੇਣੀ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਫਿਲਟਰ ਕਰੋ।
|
|
|
|
✅ ਧਿਆਨ ਦਿਓ ਕਿ ਤੁਸੀਂ Pandas ਦੀ ਵਰਤੋਂ ਡਾਟਾ ਨੂੰ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਲਈ ਕਰਦੇ ਹੋ, ਅਤੇ ਫਿਰ Matplotlib ਨੂੰ ਚਾਰਟਿੰਗ ਕਰਨ ਦਿੰਦੇ ਹੋ।
|
|
|
|
ਕਿਉਂਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਹਨ, ਤੁਸੀਂ ਇਸ ਚਾਰਟ ਨੂੰ ਲੰਬਵਾਧ ਦਿਖਾ ਸਕਦੇ ਹੋ ਅਤੇ ਸਾਰੇ ਡਾਟਾ ਨੂੰ ਸਮਾਉਣ ਲਈ ਇਸਦੀ ਉਚਾਈ ਨੂੰ ਠੀਕ ਕਰ ਸਕਦੇ ਹੋ:
|
|
|
|
```python
|
|
category_count = birds.value_counts(birds['Category'].values, sort=True)
|
|
plt.rcParams['figure.figsize'] = [6, 12]
|
|
category_count.plot.barh()
|
|
```
|
|
|
|
|
|
ਇਹ ਬਾਰ ਚਾਰਟ ਪੰਛੀਆਂ ਦੀ ਹਰ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਗਿਣਤੀ ਦਾ ਇੱਕ ਵਧੀਆ ਦ੍ਰਿਸ਼ਮਾਨ ਦਿਖਾਉਂਦਾ ਹੈ। ਇੱਕ ਪਲਕ ਵਿੱਚ, ਤੁਸੀਂ ਵੇਖਦੇ ਹੋ ਕਿ ਇਸ ਖੇਤਰ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡੀ ਗਿਣਤੀ ਬਤਖਾਂ/ਹੰਸ/ਜਲ ਪੰਛੀ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਹੈ। ਮਿਨੇਸੋਟਾ '10,000 ਝੀਲਾਂ ਦੀ ਧਰਤੀ' ਹੈ ਇਸ ਲਈ ਇਹ ਹੈਰਾਨੀਜਨਕ ਨਹੀਂ ਹੈ!
|
|
|
|
✅ ਇਸ ਡਾਟਾਸੈਟ 'ਤੇ ਕੁਝ ਹੋਰ ਗਿਣਤੀਆਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ। ਕੀ ਤੁਹਾਨੂੰ ਕੁਝ ਹੈਰਾਨ ਕਰਦਾ ਹੈ?
|
|
|
|
## ਡਾਟਾ ਦੀ ਤੁਲਨਾ
|
|
|
|
ਤੁਸੀਂ ਨਵੇਂ ਅਕਸ ਬਣਾਕੇ ਸਮੂਹਬੱਧ ਡਾਟਾ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਤੁਲਨਾਵਾਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹੋ। ਪੰਛੀ ਦੀ ਸ਼੍ਰੇਣੀ ਦੇ ਅਧਾਰ 'ਤੇ ਪੰਛੀ ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਲੰਬਾਈ ਦੀ ਤੁਲਨਾ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ:
|
|
|
|
```python
|
|
maxlength = birds['MaxLength']
|
|
plt.barh(y=birds['Category'], width=maxlength)
|
|
plt.rcParams['figure.figsize'] = [6, 12]
|
|
plt.show()
|
|
```
|
|
|
|
|
|
ਇੱਥੇ ਕੁਝ ਹੈਰਾਨੀਜਨਕ ਨਹੀਂ ਹੈ: ਹਮਿੰਗਬਰਡਜ਼ ਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਲੰਬਾਈ ਪੈਲਿਕਨ ਜਾਂ ਹੰਸ ਦੇ ਮੁਕਾਬਲੇ ਘੱਟ ਹੈ। ਇਹ ਚੰਗਾ ਹੈ ਜਦੋਂ ਡਾਟਾ ਤਰਕਸੰਗਤ ਲੱਗਦਾ ਹੈ!
|
|
|
|
ਤੁਸੀਂ ਬਾਰ ਚਾਰਟ ਦੇ ਹੋਰ ਦਿਲਚਸਪ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹੋ। ਆਓ ਇੱਕ ਦਿੱਤੀ ਪੰਛੀ ਸ਼੍ਰੇਣੀ 'ਤੇ ਘੱਟੋ-ਘੱਟ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਲੰਬਾਈ ਨੂੰ ਸਪਰਿੰ
|
|
|
|
---
|
|
|
|
**ਅਸਵੀਕਰਤੀ**:
|
|
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁੱਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ। |