13 KiB

Raw Blame History Unescape Escape

Vizualizace množství


Vizualizace množství - Sketchnote od @nitya

V této lekci se naučíte, jak používat jednu z mnoha dostupných knihoven Pythonu k vytváření zajímavých vizualizací na téma množství. Pomocí vyčištěného datasetu o ptácích z Minnesoty se můžete dozvědět mnoho zajímavých faktů o místní fauně.

Kvíz před lekcí

Pozorování rozpětí křídel pomocí Matplotlib

Vynikající knihovnou pro vytváření jednoduchých i sofistikovaných grafů a diagramů různých typů je Matplotlib. Obecně platí, že proces vykreslování dat pomocí těchto knihoven zahrnuje identifikaci částí vašeho dataframe, na které se chcete zaměřit, provedení potřebných transformací dat, přiřazení hodnot osám x a y, rozhodnutí o typu grafu a následné zobrazení grafu. Matplotlib nabízí širokou škálu vizualizací, ale v této lekci se zaměříme na ty nejvhodnější pro vizualizaci množství: čárové grafy, bodové grafy a sloupcové grafy.

✅ Použijte nejlepší typ grafu podle struktury vašich dat a příběhu, který chcete vyprávět.

Pro analýzu trendů v čase: čárový graf

Pro porovnání hodnot: sloupcový, sloupcový (vertikální), koláčový, bodový graf

Pro zobrazení, jak části souvisí s celkem: koláčový graf

Pro zobrazení distribuce dat: bodový graf, sloupcový graf

Pro zobrazení trendů: čárový, sloupcový (vertikální) graf

Pro zobrazení vztahů mezi hodnotami: čárový, bodový, bublinový graf

Pokud máte dataset a potřebujete zjistit, kolik určité položky obsahuje, jedním z prvních úkolů bude prozkoumání jeho hodnot.

✅ Existují velmi dobré 'taháky' pro Matplotlib zde.

Vytvoření čárového grafu o hodnotách rozpětí křídel ptáků

Otevřete soubor notebook.ipynb v kořenovém adresáři této lekce a přidejte buňku.

Poznámka: Data jsou uložena v kořenovém adresáři tohoto repozitáře ve složce /data.

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

Tato data jsou směsí textu a čísel:

	Název	VědeckýNázev	Kategorie	Řád	Čeleď	Rod	StavOchrany	MinDélka	MaxDélka	MinHmotnost	MaxHmotnost	MinRozpětí	MaxRozpětí
0	Čírka černobřichá	Dendrocygna autumnalis	Kachny/Husy/Vodní ptáci	Anseriformes	Anatidae	Dendrocygna	LC	47	56	652	1020	76	94
1	Čírka rezavá	Dendrocygna bicolor	Kachny/Husy/Vodní ptáci	Anseriformes	Anatidae	Dendrocygna	LC	45	53	712	1050	85	93
2	Husa sněžná	Anser caerulescens	Kachny/Husy/Vodní ptáci	Anseriformes	Anatidae	Anser	LC	64	79	2050	4050	135	165
3	Husa Rossova	Anser rossii	Kachny/Husy/Vodní ptáci	Anseriformes	Anatidae	Anser	LC	57.3	64	1066	1567	113	116
4	Husa běločelá	Anser albifrons	Kachny/Husy/Vodní ptáci	Anseriformes	Anatidae	Anser	LC	64	81	1930	3310	130	165

Začněme vykreslením některých číselných dat pomocí základního čárového grafu. Předpokládejme, že chcete zobrazit maximální rozpětí křídel těchto zajímavých ptáků.

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

Co si všimnete na první pohled? Zdá se, že existuje alespoň jeden extrémní údaj – to je docela rozpětí křídel! Rozpětí křídel 2300 centimetrů odpovídá 23 metrům – potulují se v Minnesotě pterodaktylové? Pojďme to prozkoumat.

I když byste mohli rychle seřadit data v Excelu a najít tyto extrémní hodnoty, které jsou pravděpodobně překlepy, pokračujte ve vizualizačním procesu přímo z grafu.

Přidejte popisky na osu x, aby bylo vidět, o jaké ptáky se jedná:

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()

I s otočením popisků o 45 stupňů je jich příliš mnoho na čtení. Zkusme jinou strategii: označme pouze ty extrémní hodnoty a nastavme popisky přímo v grafu. Můžete použít bodový graf, abyste vytvořili více prostoru pro popisky:

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()

Co se zde děje? Použili jste tick_params k skrytí spodních popisků a poté vytvořili smyčku přes dataset ptáků. Vykreslením grafu s malými modrými tečkami pomocí bo jste zkontrolovali, zda má nějaký pták maximální rozpětí křídel přes 500, a pokud ano, zobrazili jeho popisek vedle tečky. Popisky jste trochu posunuli na ose y (y * (1 - 0.05)) a použili název ptáka jako popisek.

Co jste zjistili?

Filtrování dat

Jak Orel bělohlavý, tak Raroh prériový, i když pravděpodobně velmi velcí ptáci, se zdají být chybně označeni, s přidanou 0 k jejich maximálnímu rozpětí křídel. Je nepravděpodobné, že byste potkali Orla bělohlavého s rozpětím křídel 25 metrů, ale pokud ano, dejte nám vědět! Vytvořme nový dataframe bez těchto dvou extrémních hodnot:

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()

Filtrováním extrémních hodnot jsou nyní vaše data soudržnější a srozumitelnější.

Nyní, když máme čistší dataset alespoň co se týče rozpětí křídel, pojďme objevit více o těchto ptácích.

Zatímco čárové a bodové grafy mohou zobrazovat informace o hodnotách dat a jejich distribuci, chceme přemýšlet o hodnotách obsažených v tomto datasetu. Mohli byste vytvořit vizualizace, které odpoví na následující otázky o množství:

Kolik kategorií ptáků existuje a jaké jsou jejich počty?
Kolik ptáků je vyhynulých, ohrožených, vzácných nebo běžných?
Kolik je různých rodů a řádů podle Linnaeova systému?

Prozkoumání sloupcových grafů

Sloupcové grafy jsou praktické, když potřebujete zobrazit seskupená data. Prozkoumejme kategorie ptáků, které existují v tomto datasetu, abychom zjistili, která je nejběžnější podle počtu.

V souboru notebook vytvořte základní sloupcový graf.

✅ Poznámka: Můžete buď filtrovat dva extrémní ptáky, které jsme identifikovali v předchozí části, opravit překlep v jejich rozpětí křídel, nebo je ponechat pro tyto cvičení, která nezávisí na hodnotách rozpětí křídel.

Pokud chcete vytvořit sloupcový graf, můžete vybrat data, na která se chcete zaměřit. Sloupcové grafy lze vytvořit z neupravených dat:

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

Tento sloupcový graf je však nečitelný, protože obsahuje příliš mnoho neseskupených dat. Musíte vybrat pouze data, která chcete vykreslit, takže se podívejme na délku ptáků podle jejich kategorie.

Filtrovat data tak, aby obsahovala pouze kategorii ptáků.

✅ Všimněte si, že používáte Pandas pro správu dat a poté necháte Matplotlib vykreslit graf.

Protože existuje mnoho kategorií, můžete tento graf zobrazit vertikálně a upravit jeho výšku, aby zahrnoval všechna data:

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

Tento sloupcový graf poskytuje dobrý přehled o počtu ptáků v jednotlivých kategoriích. Na první pohled vidíte, že největší počet ptáků v této oblasti patří do kategorie Kachny/Husy/Vodní ptáci. Minnesota je 'země 10 000 jezer', takže to není překvapivé!

✅ Vyzkoušejte další počty v tomto datasetu. Překvapilo vás něco?

Porovnávání dat

Můžete zkusit různé porovnání seskupených dat vytvořením nových os. Zkuste porovnání maximální délky ptáka podle jeho kategorie:

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

Nic překvapivého zde: kolibříci mají nejmenší maximální délku ve srovnání s pelikány nebo husami. Je dobré, když data dávají logický smysl!

Můžete vytvořit zajímavější vizualizace sloupcových grafů překrytím dat. Překryjme minimální a maximální délku na danou kategorii ptáků:

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

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

plt.show()

V tomto grafu můžete vidět rozsah pro každou kategorii ptáků mezi minimální a maximální délkou. Můžete bezpečně říci, že podle těchto dat platí, že čím větší pták, tím větší je jeho rozsah délky. Fascinující!

🚀 Výzva

Tento dataset o ptácích nabízí bohatství informací o různých typech ptáků v konkrétním ekosystému. Prohledejte internet a zjistěte, zda můžete najít další dataset zaměřený na ptáky. Procvičte si vytváření grafů a diagramů o těchto ptácích a objevte fakta, která jste si neuvědomili.

Kvíz po lekci

Přehled a samostudium

Tato první lekce vám poskytla informace o tom, jak používat Matplotlib k vizualizaci množství. Proveďte výzkum dalších způsobů práce s datovými sadami pro vizualizaci. Plotly je jedna z možností, kterou v těchto lekcích neprobereme, takže se podívejte, co nabízí.

Zadání

Čáry, body a sloupce

Upozornění:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. I když se snažíme o co největší přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Za autoritativní zdroj by měl být považován původní dokument v jeho původním jazyce. Pro důležité informace doporučujeme profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné výklady vyplývající z použití tohoto překladu.

13 KiB Raw Blame History Unescape Escape