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

Vizualizacija Proporcija

Vizualizacija Proporcija - Sketchnote od @nitya

U ovoj lekciji koristit ćete drugačiji dataset s fokusom na prirodu kako biste vizualizirali proporcije, poput broja različitih vrsta gljiva u datasetu o gljivama. Istražimo ove fascinantne gljive koristeći dataset preuzet od Audubona, koji sadrži detalje o 23 vrste gljiva s listićima iz porodica Agaricus i Lepiota. Eksperimentirat ćete s ukusnim vizualizacijama poput:

• Tortnih grafikona 🥧
• Grafova u obliku prstena 🍩
• Grafova u obliku vafla 🧇

💡 Vrlo zanimljiv projekt pod nazivom Charticulator od Microsoft Researcha nudi besplatno sučelje za povlačenje i ispuštanje za vizualizaciju podataka. U jednom od njihovih tutorijala također koriste ovaj dataset o gljivama! Tako možete istražiti podatke i učiti o biblioteci istovremeno: Charticulator tutorial.

Kviz nakon predavanja

Upoznajte svoje gljive 🍄

Gljive su vrlo zanimljive. Uvezimo dataset kako bismo ih proučili:

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

Ispisuje se tablica s odličnim podacima za analizu:

klasa	oblik-kape	površina-kape	boja-kape	modrice	miris	pričvršćenje-listića	razmak-listića	veličina-listića	boja-listića	oblik-drška	korijen-drška	površina-iznad-prstena	površina-ispod-prstena	boja-iznad-prstena	boja-ispod-prstena	tip-vela	boja-vela	broj-prstena	tip-prstena	boja-spora	populacija	stanište
Otrovna	Konveksna	Glatka	Smeđa	Modrice	Oštar	Slobodan	Blizak	Uski	Crna	Proširujući	Jednaka	Glatka	Glatka	Bijela	Bijela	Djelomičan	Bijela	Jedan	Viseći	Crna	Raspršena	Urbana
Jestiva	Konveksna	Glatka	Žuta	Modrice	Badem	Slobodan	Blizak	Široki	Crna	Proširujući	Klub	Glatka	Glatka	Bijela	Bijela	Djelomičan	Bijela	Jedan	Viseći	Smeđa	Brojna	Trave
Jestiva	Zvono	Glatka	Bijela	Modrice	Anis	Slobodan	Blizak	Široki	Smeđa	Proširujući	Klub	Glatka	Glatka	Bijela	Bijela	Djelomičan	Bijela	Jedan	Viseći	Smeđa	Brojna	Livade
Otrovna	Konveksna	Ljuskava	Bijela	Modrice	Oštar	Slobodan	Blizak	Uski	Smeđa	Proširujući	Jednaka	Glatka	Glatka	Bijela	Bijela	Djelomičan	Bijela	Jedan	Viseći	Crna	Raspršena	Urbana

Odmah primjećujete da su svi podaci tekstualni. Morat ćete ih konvertirati kako biste ih mogli koristiti u grafikonu. Većina podataka, zapravo, predstavljena je kao objekt:

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

Rezultat je:

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')

Uzmite ove podatke i konvertirajte stupac 'klasa' u kategoriju:

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

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

Sada, ako ispišete podatke o gljivama, možete vidjeti da su grupirani u kategorije prema klasi jestivosti/otrovnosti:

	oblik-kape	površina-kape	boja-kape	modrice	miris	pričvršćenje-listića	razmak-listića	veličina-listića	boja-listića	oblik-drška	...	površina-ispod-prstena	boja-iznad-prstena	boja-ispod-prstena	tip-vela	boja-vela	broj-prstena	tip-prstena	boja-spora	populacija	stanište
klasa
Jestiva	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208	...	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208
Otrovna	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916	...	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916

Ako slijedite redoslijed prikazan u ovoj tablici za kreiranje oznaka kategorija klase, možete napraviti tortni grafikon:

Torta!

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

Voila, tortni grafikon koji prikazuje proporcije ovih podataka prema ove dvije klase gljiva. Vrlo je važno pravilno postaviti redoslijed oznaka, posebno ovdje, pa svakako provjerite redoslijed kojim je niz oznaka kreiran!

Prstenovi!

Vizualno zanimljiviji tortni grafikon je grafikon u obliku prstena, koji je tortni grafikon s rupom u sredini. Pogledajmo naše podatke koristeći ovu metodu.

Pogledajte različita staništa u kojima gljive rastu:

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

Ovdje grupirate podatke prema staništu. Ima ih 7, pa ih koristite kao oznake za svoj grafikon u obliku prstena:

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()

Ovaj kod crta grafikon i središnji krug, a zatim dodaje taj središnji krug u grafikon. Uredite širinu središnjeg kruga promjenom 0.40 u drugu vrijednost.

Grafikoni u obliku prstena mogu se prilagoditi na nekoliko načina kako bi se promijenile oznake. Oznake se posebno mogu istaknuti radi bolje čitljivosti. Saznajte više u dokumentaciji.

Sada kada znate kako grupirati svoje podatke i prikazati ih kao tortu ili prsten, možete istražiti druge vrste grafikona. Isprobajte grafikon u obliku vafla, koji je samo drugačiji način prikazivanja količine.

Vafli!

Grafikon tipa 'vafl' je drugačiji način vizualizacije količina kao 2D niz kvadrata. Pokušajte vizualizirati različite količine boja kapa gljiva u ovom datasetu. Da biste to učinili, trebate instalirati pomoćnu biblioteku pod nazivom PyWaffle i koristiti Matplotlib:

pip install pywaffle

Odaberite segment svojih podataka za grupiranje:

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

Napravite grafikon u obliku vafla kreiranjem oznaka i zatim grupiranjem svojih podataka:

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"],
)

Koristeći grafikon u obliku vafla, jasno možete vidjeti proporcije boja kapa u ovom datasetu gljiva. Zanimljivo je da postoji mnogo gljiva sa zelenim kapama!

✅ Pywaffle podržava ikone unutar grafikona koje koriste bilo koju ikonu dostupnu u Font Awesome. Eksperimentirajte kako biste kreirali još zanimljiviji grafikon u obliku vafla koristeći ikone umjesto kvadrata.

U ovoj lekciji naučili ste tri načina za vizualizaciju proporcija. Prvo, trebate grupirati svoje podatke u kategorije, a zatim odlučiti koji je najbolji način za prikaz podataka - torta, prsten ili vafl. Svi su ukusni i korisniku pružaju trenutni pregled dataset-a.

🚀 Izazov

Pokušajte ponovno kreirati ove ukusne grafikone u Charticulator.

Kviz nakon predavanja

Pregled i Samostalno Učenje

Ponekad nije očito kada koristiti tortni, prstenasti ili vafl grafikon. Evo nekoliko članaka za čitanje na ovu temu:

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

Istražite dodatne informacije o ovoj dilemi.

Zadatak

Isprobajte u Excelu

---

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.