13 KiB

Raw Blame History

Vizualizacija količina


Vizualizacija količina - Sketchnote by @nitya

U ovoj lekciji istražit ćete kako koristiti jednu od mnogih dostupnih Python biblioteka za stvaranje zanimljivih vizualizacija vezanih uz koncept količine. Koristeći očišćeni skup podataka o pticama Minnesote, možete naučiti mnoge zanimljive činjenice o lokalnom životinjskom svijetu.

Prethodni kviz

Promatranje raspona krila pomoću Matplotliba

Izvrsna biblioteka za stvaranje jednostavnih i sofisticiranih grafova i dijagrama različitih vrsta je Matplotlib. Općenito, proces crtanja podataka pomoću ovih biblioteka uključuje identificiranje dijelova vašeg dataframea koje želite ciljati, provođenje potrebnih transformacija na tim podacima, dodjeljivanje vrijednosti x i y osi, odlučivanje o vrsti grafika koji želite prikazati, te prikazivanje grafika. Matplotlib nudi veliki izbor vizualizacija, ali za ovu lekciju fokusirat ćemo se na one najprikladnije za vizualizaciju količine: linijski grafikoni, raspršeni grafikoni i stupčasti dijagrami.

✅ Koristite najbolji grafikon koji odgovara strukturi vaših podataka i priči koju želite ispričati.

Za analizu trendova kroz vrijeme: linijski grafikoni

Za usporedbu vrijednosti: stupčasti, kolonski, tortni dijagrami, raspršeni grafikoni

Za prikaz odnosa dijelova prema cjelini: tortni dijagrami

Za prikaz distribucije podataka: raspršeni grafikoni, stupčasti dijagrami

Za prikaz trendova: linijski, kolonski grafikoni

Za prikaz odnosa između vrijednosti: linijski grafikoni, raspršeni grafikoni, mjehurići

Ako imate skup podataka i trebate otkriti koliko je određene stavke uključeno, jedan od prvih zadataka bit će inspekcija njegovih vrijednosti.

✅ Dostupni su vrlo dobri 'cheat sheetovi' za Matplotlib ovdje.

Izradite linijski grafikon o vrijednostima raspona krila ptica

Otvorite datoteku notebook.ipynb u korijenu ove mape lekcije i dodajte ćeliju.

Napomena: podaci se nalaze u korijenu ovog repozitorija u mapi /data.

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

Ovi podaci su mješavina teksta i brojeva:

	Ime	ZnanstvenoIme	Kategorija	Red	Porodica	Rod	StatusOčuvanja	MinDuljina	MaxDuljina	MinTjelesnaMasa	MaxTjelesnaMasa	MinRasponKrila	MaxRasponKrila
0	Crno-trbušni zviždukavi patak	Dendrocygna autumnalis	Patke/Guske/Vodene ptice	Anseriformes	Anatidae	Dendrocygna	LC	47	56	652	1020	76	94
1	Žuto-smeđi zviždukavi patak	Dendrocygna bicolor	Patke/Guske/Vodene ptice	Anseriformes	Anatidae	Dendrocygna	LC	45	53	712	1050	85	93
2	Snježna guska	Anser caerulescens	Patke/Guske/Vodene ptice	Anseriformes	Anatidae	Anser	LC	64	79	2050	4050	135	165
3	Rossova guska	Anser rossii	Patke/Guske/Vodene ptice	Anseriformes	Anatidae	Anser	LC	57.3	64	1066	1567	113	116
4	Veća bijelo-čelna guska	Anser albifrons	Patke/Guske/Vodene ptice	Anseriformes	Anatidae	Anser	LC	64	81	1930	3310	130	165

Započnimo s crtanjem nekih numeričkih podataka koristeći osnovni linijski grafikon. Pretpostavimo da želite vidjeti maksimalni raspon krila ovih zanimljivih ptica.

wingspan = birds['MaxWingspan'] 
wingspan.plot()

Što odmah primjećujete? Čini se da postoji barem jedan izniman podatak - to je prilično velik raspon krila! Raspon krila od 2300 centimetara iznosi 23 metra - jesu li Pterodaktili u Minnesoti? Istražimo.

Iako biste mogli brzo sortirati podatke u Excelu kako biste pronašli te iznimke, koje su vjerojatno tipografske pogreške, nastavite proces vizualizacije radeći iz samog grafikona.

Dodajte oznake na x-os kako biste prikazali o kojim se pticama radi:

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()

Čak i s rotacijom oznaka postavljenom na 45 stupnjeva, previše ih je za čitanje. Pokušajmo drugačiju strategiju: označimo samo te iznimke i postavimo oznake unutar grafikona. Možete koristiti raspršeni grafikon kako biste napravili više prostora za označavanje:

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()

Što se ovdje događa? Koristili ste tick_params za skrivanje donjih oznaka, a zatim ste stvorili petlju preko vašeg skupa podataka o pticama. Crtajući grafikon s malim plavim točkama pomoću bo, provjerili ste ima li ptica s maksimalnim rasponom krila većim od 500 i prikazali njihovu oznaku pored točke ako je tako. Malo ste pomaknuli oznake na y osi (y * (1 - 0.05)) i koristili ime ptice kao oznaku.

Što ste otkrili?

Filtrirajte svoje podatke

I ćelavi orao i prerijski sokol, iako vjerojatno vrlo velike ptice, čini se da su pogrešno označeni, s dodatnom 0 dodanom njihovom maksimalnom rasponu krila. Malo je vjerojatno da ćete sresti ćelavog orla s rasponom krila od 25 metara, ali ako se to dogodi, javite nam! Stvorimo novi dataframe bez te dvije iznimke:

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()

Filtriranjem iznimaka, vaši podaci sada su kohezivniji i razumljiviji.

Sada kada imamo čišći skup podataka barem u smislu raspona krila, istražimo više o ovim pticama.

Iako linijski i raspršeni grafikoni mogu prikazati informacije o vrijednostima podataka i njihovim distribucijama, želimo razmišljati o vrijednostima inherentnim u ovom skupu podataka. Mogli biste stvoriti vizualizacije kako biste odgovorili na sljedeća pitanja o količini:

Koliko kategorija ptica postoji i koji su njihovi brojevi?
Koliko ptica je izumrlo, ugroženo, rijetko ili uobičajeno?
Koliko ih ima u različitim rodovima i redovima prema Linnaeusovoj terminologiji?

Istražite stupčaste dijagrame

Stupčasti dijagrami su praktični kada trebate prikazati grupiranje podataka. Istražimo kategorije ptica koje postoje u ovom skupu podataka kako bismo vidjeli koja je najčešća po broju.

U datoteci notebook stvorite osnovni stupčasti dijagram.

✅ Napomena, možete ili filtrirati dvije iznimne ptice koje smo identificirali u prethodnom odjeljku, urediti tipografske pogreške u njihovom rasponu krila ili ih ostaviti za ove vježbe koje ne ovise o vrijednostima raspona krila.

Ako želite stvoriti stupčasti dijagram, možete odabrati podatke na koje se želite fokusirati. Stupčasti dijagrami mogu se stvoriti iz sirovih podataka:

birds.plot(x='Category',
        kind='bar',
        stacked=True,
        title='Birds of Minnesota')

Ovaj stupčasti dijagram, međutim, nije čitljiv jer ima previše negrupiranih podataka. Trebate odabrati samo podatke koje želite prikazati, pa pogledajmo duljinu ptica na temelju njihove kategorije.

Filtrirajte svoje podatke kako biste uključili samo kategoriju ptica.

✅ Primijetite da koristite Pandas za upravljanje podacima, a zatim dopuštate Matplotlibu da obavi crtanje.

Budući da postoji mnogo kategorija, možete prikazati ovaj dijagram vertikalno i prilagoditi njegovu visinu kako biste obuhvatili sve podatke:

category_count = birds.value_counts(birds['Category'].values, sort=True)
plt.rcParams['figure.figsize'] = [6, 12]
category_count.plot.barh()

Ovaj stupčasti dijagram pruža dobar pregled broja ptica u svakoj kategoriji. Na prvi pogled vidite da je najveći broj ptica u ovoj regiji u kategoriji Patke/Guske/Vodene ptice. Minnesota je 'zemlja 10.000 jezera', pa to nije iznenađujuće!

✅ Isprobajte neke druge brojeve na ovom skupu podataka. Iznenađuje li vas nešto?

Usporedba podataka

Možete isprobati različite usporedbe grupiranih podataka stvaranjem novih osi. Isprobajte usporedbu maksimalne duljine ptice na temelju njezine kategorije:

maxlength = birds['MaxLength']
plt.barh(y=birds['Category'], width=maxlength)
plt.rcParams['figure.figsize'] = [6, 12]
plt.show()

Ništa ovdje nije iznenađujuće: kolibrići imaju najmanju maksimalnu duljinu u usporedbi s pelikanima ili guskama. Dobro je kada podaci imaju logičan smisao!

Možete stvoriti zanimljivije vizualizacije stupčastih dijagrama superponiranjem podataka. Superponirajmo minimalnu i maksimalnu duljinu na određenu kategoriju ptica:

minLength = birds['MinLength']
maxLength = birds['MaxLength']
category = birds['Category']

plt.barh(category, maxLength)
plt.barh(category, minLength)

plt.show()

Na ovom grafikonu možete vidjeti raspon po kategoriji ptica za minimalnu i maksimalnu duljinu. Možete sigurno reći da, prema ovim podacima, što je ptica veća, to je veći raspon njezine duljine. Fascinantno!

🚀 Izazov

Ovaj skup podataka o pticama nudi bogatstvo informacija o različitim vrstama ptica unutar određenog ekosustava. Pretražite internet i pokušajte pronaći druge skupove podataka vezane uz ptice. Vježbajte izradu grafikona i dijagrama o tim pticama kako biste otkrili činjenice koje niste znali.

Kviz nakon lekcije

Pregled i samostalno učenje

Ova prva lekcija dala vam je neke informacije o tome kako koristiti Matplotlib za vizualizaciju količina. Istražite druge načine rada s skupovima podataka za vizualizaciju. Plotly je jedan od alata koji nećemo pokriti u ovim lekcijama, pa pogledajte što on može ponuditi.

Zadatak

Linije, raspršeni grafikoni i stupčasti dijagrami

Odricanje od odgovornosti:
Ovaj dokument je preveden pomoću AI usluge za prevođenje Co-op Translator. Iako nastojimo osigurati točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati mjerodavnim izvorom. Za ključne informacije preporučuje se profesionalni prijevod od strane stručnjaka. Ne preuzimamo odgovornost za bilo kakve nesporazume ili pogrešne interpretacije proizašle iz korištenja ovog prijevoda.

13 KiB Raw Blame History