Data-Science-For-Beginners/translations/et/3-Data-Visualization/R/12-visualization-relationships

Suhete visualiseerimine: Kõik mesist 🍯

Suhete visualiseerimine - Sketchnote by @nitya

Jätkates meie uurimistöö looduse fookusega, avastame huvitavaid visualiseerimisviise, et näidata erinevate mee tüüpide vahelisi seoseid, tuginedes andmestikule, mis pärineb Ameerika Ühendriikide Põllumajandusministeeriumist.

See umbes 600 kirjet sisaldav andmestik näitab mee tootmist paljudes USA osariikides. Näiteks saate vaadata kolooniate arvu, saagikust koloonia kohta, kogutoodangut, varusid, hinna naela kohta ja mee tootmise väärtust antud osariigis aastatel 1998–2012, kus iga osariigi kohta on üks rida aastas.

Huvitav oleks visualiseerida seos antud osariigi aastase tootmise ja näiteks mee hinna vahel selles osariigis. Alternatiivselt võiks visualiseerida osariikide mee saagikust koloonia kohta. See ajavahemik hõlmab laastavat 'CCD' ehk 'Colony Collapse Disorder' nähtust, mida esmakordselt täheldati 2006. aastal (http://npic.orst.edu/envir/ccd.html), mistõttu on see andmestik emotsionaalselt tähendusrikas uurimiseks. 🐝

Eel-loengu viktoriin

Selles õppetükis saate kasutada ggplot2-teeki, mida olete varem kasutanud, et visualiseerida muutujate vahelisi seoseid. Eriti huvitav on ggplot2 geom_point ja qplot funktsioonide kasutamine, mis võimaldavad kiiresti luua hajuvusdiagramme ja joondiagramme, et visualiseerida 'statistilisi seoseid', mis aitavad andmeteadlasel paremini mõista, kuidas muutujad omavahel seotud on.

Hajuvusdiagrammid

Kasutage hajuvusdiagrammi, et näidata, kuidas mee hind on aastate jooksul osariikide lõikes muutunud. ggplot2, kasutades ggplot ja geom_point, rühmitab mugavalt osariikide andmed ja kuvab andmepunkte nii kategooriliste kui ka numbriliste andmete jaoks.

Alustame andmete importimise ja Seaborniga:

honey=read.csv('../../data/honey.csv')
head(honey)

Te märkate, et mee andmestikus on mitmeid huvitavaid veerge, sealhulgas aasta ja hind naela kohta. Uurime neid andmeid, rühmitatuna USA osariikide kaupa:

osariik	kolooniate arv	saagikus koloonia kohta	kogutoodang	varud	hind naela kohta	tootmise väärtus	aasta
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
FL	230000	98	22540000	4508000	0.64	14426000	1998

Looge lihtne hajuvusdiagramm, et näidata seost mee hinna naela kohta ja selle päritolu osariigi vahel. Tehke y telg piisavalt kõrge, et kuvada kõik osariigid:

library(ggplot2)
ggplot(honey, aes(x = priceperlb, y = state)) +
  geom_point(colour = "blue")

Nüüd näidake samu andmeid mee värviskeemiga, et näidata, kuidas hind aastate jooksul muutub. Seda saate teha, lisades 'scale_color_gradientn' parameetri, et näidata muutust aastate lõikes:

✅ Lisateavet scale_color_gradientn kohta - proovige kaunist vikerkaare värviskeemi!

ggplot(honey, aes(x = priceperlb, y = state, color=year)) +
  geom_point()+scale_color_gradientn(colours = colorspace::heat_hcl(7))

Selle värviskeemi muutusega näete selgelt tugevat arengut aastate jooksul mee hinna osas naela kohta. Kui vaatate andmestiku näidisosa, näiteks Arizona osariiki, näete aastate lõikes hinnatõusu mustrit, kus on vähe erandeid:

osariik	kolooniate arv	saagikus koloonia kohta	kogutoodang	varud	hind naela kohta	tootmise väärtus	aasta
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

Teine viis selle arengu visualiseerimiseks on kasutada värvi asemel suurust. Värvipimedatele kasutajatele võib see olla parem valik. Muutke oma visualiseerimist, et näidata hinnatõusu punktide ümbermõõdu suurenemise kaudu:

ggplot(honey, aes(x = priceperlb, y = state)) +
  geom_point(aes(size = year),colour = "blue") +
  scale_size_continuous(range = c(0.25, 3))

Näete, et punktide suurus suureneb järk-järgult.

Kas see on lihtne pakkumise ja nõudluse juhtum? Kas kliimamuutuste ja kolooniate kokkuvarisemise tõttu on aastate jooksul vähem mett saadaval, mistõttu hind tõuseb?

Et avastada korrelatsiooni mõnede selle andmestiku muutujate vahel, uurime joondiagramme.

Joondiagrammid

Küsimus: Kas mee hind naela kohta tõuseb aastate lõikes selgelt? Seda saate kõige lihtsamalt avastada, luues ühe joondiagrammi:

qplot(honey$year,honey$priceperlb, geom='smooth', span =0.5, xlab = "year",ylab = "priceperlb")

Vastus: Jah, mõningate eranditega umbes 2003. aasta paiku:

Küsimus: Kas 2003. aastal näeme ka mee pakkumise kasvu? Mis juhtub, kui vaatate kogutoodangut aastate lõikes?

qplot(honey$year,honey$totalprod, geom='smooth', span =0.5, xlab = "year",ylab = "totalprod")

Vastus: Mitte päris. Kui vaatate kogutoodangut, tundub, et see tegelikult suurenes sel konkreetsel aastal, kuigi üldiselt mee tootmise kogus väheneb nendel aastatel.

Küsimus: Sel juhul, mis võis põhjustada mee hinna tõusu umbes 2003. aastal?

Selle avastamiseks saate uurida facet grid'i.

Facet grid'id

Facet grid'id võtavad ühe aspekti teie andmestikust (meie puhul saate valida 'aasta', et vältida liiga paljude aspektide loomist). Seaborn saab seejärel teha graafiku iga valitud x- ja y-koordinaadi aspekti kohta, et hõlbustada visuaalset võrdlust. Kas 2003. aasta paistab sellises võrdluses silma?

Looge facet grid, kasutades facet_wrap nagu soovitatud ggplot2 dokumentatsioonis.

ggplot(honey, aes(x=yieldpercol, y = numcol,group = 1)) + 
  geom_line() + facet_wrap(vars(year))

Selles visualiseerimises saate võrrelda koloonia saagikust ja kolooniate arvu aastate lõikes kõrvuti, kus veergude wrap on seatud 3-le:

Selle andmestiku puhul ei paista kolooniate arv ja nende saagikus aastate lõikes ja osariikide lõikes millegi erilisega silma. Kas on olemas teine viis, kuidas leida korrelatsiooni nende kahe muutuja vahel?

Kahe joonega graafikud

Proovige mitmejoonelist graafikut, asetades kaks joondiagrammi üksteise peale, kasutades R-i par ja plot funktsioone. Me joonistame x-teljel aasta ja kuvame kaks y-telge. Kuvage koloonia saagikus ja kolooniate arv üksteise peal:

par(mar = c(5, 4, 4, 4) + 0.3)              
plot(honey$year, honey$numcol, pch = 16, col = 2,type="l")              
par(new = TRUE)                             
plot(honey$year, honey$yieldpercol, pch = 17, col = 3,              
     axes = FALSE, xlab = "", ylab = "",type="l")
axis(side = 4, at = pretty(range(y2)))      
mtext("colony yield", side = 4, line = 3)   

Kuigi 2003. aasta paiku ei paista midagi silma, võimaldab see meil lõpetada õppetund veidi rõõmsama noodiga: kuigi kolooniate arv on üldiselt vähenemas, stabiliseerub kolooniate arv isegi siis, kui nende saagikus koloonia kohta väheneb.

Edu, mesilased, edu!

🐝❤️

🚀 Väljakutse

Selles õppetükis õppisite veidi rohkem hajuvusdiagrammide ja joondiagrammide, sealhulgas facet grid'ide kasutamise kohta. Esitage endale väljakutse luua facet grid, kasutades mõnda teist andmestikku, võib-olla mõnda, mida kasutasite enne neid õppetunde. Pange tähele, kui kaua nende loomine võtab ja kuidas peate olema ettevaatlik, kui palju grid'e te nende tehnikate abil joonistate.

Järel-loengu viktoriin

Ülevaade ja iseseisev õppimine

Joondiagrammid võivad olla lihtsad või üsna keerukad. Tehke veidi lugemist ggplot2 dokumentatsioonis erinevate viiside kohta, kuidas neid saab ehitada. Proovige täiustada joondiagramme, mida selles õppetükis ehitasite, kasutades dokumentatsioonis loetletud meetodeid.

Ülesanne

Sukeldu mesitarusse

---

Lahtiütlus:
See dokument on tõlgitud, kasutades AI tõlketeenust Co-op Translator. Kuigi püüame tagada täpsust, palun arvestage, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle algkeeles tuleks lugeda autoriteetseks allikaks. Olulise teabe puhul on soovitatav kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valede tõlgenduste eest.