Data-Science-For-Beginners/translations/he/3-Data-Visualization/11-visualization-proportions

חזות פרופורציות

חזות פרופורציות - סקצ'נוט מאת @nitya

בשיעור הזה, תשתמשו במאגר נתונים ממוקד טבע כדי להציג פרופורציות, כמו כמה סוגים שונים של פטריות מופיעים במאגר נתונים על פטריות. בואו נחקור את הפטריות המרתקות הללו באמצעות מאגר נתונים שמקורו ב-Audubon, המכיל פרטים על 23 מינים של פטריות עם זימים ממשפחות Agaricus ו-Lepiota. תתנסו בחזות טעימה כמו:

• גרפים עוגה 🥧
• גרפים דונאט 🍩
• גרפים וופל 🧇

💡 פרויקט מאוד מעניין בשם Charticulator מבית Microsoft Research מציע ממשק גרירה ושחרור חינמי ליצירת חזות נתונים. באחד מהדרכות שלהם הם גם משתמשים במאגר הנתונים הזה על פטריות! כך תוכלו לחקור את הנתונים וללמוד את הספרייה בו זמנית: הדרכת Charticulator.

שאלון לאחר השיעור

הכירו את הפטריות שלכם 🍄

פטריות הן מאוד מעניינות. בואו נייבא מאגר נתונים כדי ללמוד עליהן:

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

טבלה מודפסת עם נתונים נהדרים לניתוח:

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
רעילה	קמורה	חלקה	חומה	חבורות	חריפה	חופשית	צפופה	צרה	שחורה	מתרחבת	שווה	חלקה	חלקה	לבנה	לבנה	חלקית	לבנה	אחת	תלויה	שחורה	מפוזרת	עירונית
אכילה	קמורה	חלקה	צהובה	חבורות	שקדים	חופשית	צפופה	רחבה	שחורה	מתרחבת	מועדון	חלקה	חלקה	לבנה	לבנה	חלקית	לבנה	אחת	תלויה	חומה	מרובה	דשא
אכילה	פעמון	חלקה	לבנה	חבורות	אניס	חופשית	צפופה	רחבה	חומה	מתרחבת	מועדון	חלקה	חלקה	לבנה	לבנה	חלקית	לבנה	אחת	תלויה	חומה	מרובה	אחו
רעילה	קמורה	קשקשית	לבנה	חבורות	חריפה	חופשית	צפופה	צרה	חומה	מתרחבת	שווה	חלקה	חלקה	לבנה	לבנה	חלקית	לבנה	אחת	תלויה	שחורה	מפוזרת	עירונית

מיד שמים לב שכל הנתונים הם טקסטואליים. תצטרכו להמיר את הנתונים כדי שתוכלו להשתמש בהם בגרף. למעשה, רוב הנתונים מיוצגים כאובייקט:

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

הפלט הוא:

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')

קחו את הנתונים הללו והמירו את העמודה 'class' לקטגוריה:

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

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

עכשיו, אם תדפיסו את נתוני הפטריות, תוכלו לראות שהם חולקו לקטגוריות לפי מחלקת רעילות/אכילה:

	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
אכילה	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208	...	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208
רעילה	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916	...	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916

אם תעקבו אחר הסדר המוצג בטבלה הזו כדי ליצור את תוויות קטגוריית המחלקה שלכם, תוכלו ליצור גרף עוגה:

עוגה!

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

והנה, גרף עוגה שמציג את הפרופורציות של הנתונים לפי שתי המחלקות של הפטריות. חשוב מאוד לוודא את הסדר של התוויות, במיוחד כאן, אז הקפידו לבדוק את הסדר שבו נבנית מערך התוויות!

דונאט!

גרף עוגה מעט יותר מעניין מבחינה חזותית הוא גרף דונאט, שהוא גרף עוגה עם חור במרכז. בואו נסתכל על הנתונים שלנו בשיטה הזו.

הסתכלו על בתי הגידול השונים שבהם פטריות גדלות:

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

כאן, אתם מקבצים את הנתונים לפי בית גידול. ישנם 7 בתי גידול רשומים, אז השתמשו בהם כתוויות לגרף הדונאט שלכם:

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()

הקוד הזה מצייר גרף ומעגל מרכזי, ואז מוסיף את המעגל המרכזי לגרף. ערכו את רוחב המעגל המרכזי על ידי שינוי 0.40 לערך אחר.

גרפי דונאט יכולים להיות מותאמים בדרכים שונות כדי לשנות את התוויות. התוויות במיוחד יכולות להיות מודגשות לקריאות טובה יותר. למדו עוד ב-תיעוד.

עכשיו כשאתם יודעים איך לקבץ את הנתונים שלכם ואז להציג אותם כעוגה או דונאט, תוכלו לחקור סוגים אחרים של גרפים. נסו גרף וופל, שהוא פשוט דרך שונה לחקור כמויות.

וופלים!

גרף מסוג 'וופל' הוא דרך שונה להציג כמויות כמערך דו-ממדי של ריבועים. נסו להציג את הכמויות השונות של צבעי כובע הפטריות במאגר הנתונים הזה. כדי לעשות זאת, תצטרכו להתקין ספריית עזר בשם PyWaffle ולהשתמש ב-Matplotlib:

pip install pywaffle

בחרו קטע מהנתונים שלכם לקיבוץ:

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

צרו גרף וופל על ידי יצירת תוויות ואז קיבוץ הנתונים שלכם:

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"],
)

באמצעות גרף וופל, תוכלו לראות בבירור את הפרופורציות של צבעי כובעי הפטריות במאגר הנתונים הזה. מעניין, יש הרבה פטריות עם כובעים ירוקים!

✅ PyWaffle תומך באייקונים בתוך הגרפים שמשתמשים בכל אייקון זמין ב-Font Awesome. עשו ניסויים כדי ליצור גרף וופל מעניין יותר באמצעות אייקונים במקום ריבועים.

בשיעור הזה, למדתם שלוש דרכים להציג פרופורציות. קודם כל, צריך לקבץ את הנתונים לקטגוריות ואז להחליט מהי הדרך הטובה ביותר להציג את הנתונים - עוגה, דונאט, או וופל. כולם טעימים ומספקים למשתמש תמונת מצב מיידית של מאגר נתונים.

🚀 אתגר

נסו ליצור מחדש את הגרפים הטעימים הללו ב-Charticulator.

שאלון לאחר השיעור

סקירה ולימוד עצמי

לפעמים לא ברור מתי להשתמש בגרף עוגה, דונאט, או וופל. הנה כמה מאמרים לקריאה בנושא:

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

עשו מחקר כדי למצוא מידע נוסף על ההחלטה הדביקה הזו.

משימה

נסו את זה ב-Excel

---

כתב ויתור:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co-op Translator. למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עשויים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפתו המקורית צריך להיחשב כמקור סמכותי. עבור מידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי אדם. איננו נושאים באחריות לאי הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.