Ako vytvoriť paralelné súradnicové grafy v Pythone

Paralelné súradnicové grafy sú užitočným vizualizačným nástrojom, ktorý sa používa na zobrazenie vzťahov medzi viacerými premennými zdieľajúcimi rovnaké číselné údaje. V LuckyTemplates sú tieto grafy vytvorené pomocou veľmi jednoduchého kódu Python, ktorý môžete použiť a jednoducho vytvoriť a štylizovať. 

V dnešnom blogu sa naučíme vytvárať viacrozmerné alebo paralelné súradnicové grafy pomocou . Prejdeme si procesom krok za krokom, od prípravy dát až po prispôsobenie grafu pre lepšiu čitateľnosť. Celé video tohto návodu si môžete pozrieť v spodnej časti tohto blogu . 

Obsah

• Paralelné súradnicové grafy v Pythone: Ukážka 1
  • The Plot Python Code
  • Tvorba zápletky v Pythone
  • Zobrazenie zápletky v Pythone
• Paralelné súradnicové grafy v Pythone: Ukážka 2
  • Kód množiny údajov Python
  • Styling pozemkov v Pythone
• Záver

Paralelné súradnicové grafy v Pythone: Ukážka 1

Toto je naša prvá zápletka. Zobrazuje naše tri premenné – premennú A, B a C a dva riadky predstavujúce položky 1 a 2. 

To znamená, že máme dve sady údajov, jednu pre položku 1 a druhú pre položku 2. A pre každú množinu údajov máme naše tri premenné. 

Pozrime sa na údaje, aby sme lepšie pochopili, ako bol graf štruktúrovaný. 

Začnite zvýraznením grafu. Kliknite na položku Údaje. 

Mala by sa objaviť tabuľka s veľmi jednoduchými údajmi. Bol vytvorený pomocou možnosti vloženia tabuľky. Vidíme, že v stĺpcoch sú premenné A, B a C pre každú položku, ktoré sú oddelené v každom riadku.

Máme jednoduché údaje, ale môžeme ich premeniť na niečo, čo je veľmi výpovedné. Napríklad v našom grafe môžeme určiť, že vzťah medzi údajmi je dosť „nízky“. 

Pre ilustráciu môžeme tento graf porovnať s našimi údajmi. Premenná B v položke 1 je 100 a 115 v položke 2, ako je znázornené v grafe. 

Môžeme tiež identifikovať, ako súvisia položky a premenné. Napríklad môžeme ľahko vidieť, že premenná A je nižšia ako B a že C je najnižšia spomedzi troch.

The Plot Python Code

Teraz pokračujme s kódom použitým pre skutočný graf. 

Začnite výberom vizuálu Pythonu z tably . 

Zvýraznením nášho prvého grafu otvoríte súbor . 

Najprv importujeme matplotlib.pyplot a uložíme ho ako premennú plt. 

Potom prinášame funkcie pandas.plotting . Pandas slúži ako knižnica na manipuláciu s údajmi v LuckyTemplates. Primárne sa používa na manipuláciu s údajmi, ale má aj funkcie na vykresľovanie.

Naimportujme paralelné_súradnice z pandas.plotting . Parallel_coordinates budú primárnou funkciou na vytvorenie grafu. 

Tvorba zápletky v Pythone

V riadku 13 dokumentujeme, čo ideme robiť, napísaním # make a plot.

Používame paralelné_súradnice a odovzdávame množinu údajov. 

V riadku 3 vidíme, že súbor údajov je vytvorený pomocou funkcie pandas.DataFrame ( ) . Potom pridáme položku, premennú A, premennú B a premennú C, ktoré sa potom prejavia v našom zozname hodnôt . 

V riadku 4 je množina údajov deduplikovaná pomocou dataset.drop_duplicates ( ).

Môžeme prejsť na tablu Vizualizácie a zobraziť hodnoty , ktoré sme pridali.

Odstránenie ktorejkoľvek z týchto hodnôt ovplyvní náš vizuál. Ak napríklad odstránime premennú C, súradnice sa zodpovedajúcim spôsobom zmenia, čo nám ukáže, ako hodnoty fungujú . 

Obnovme našu premennú C začiarknutím políčka vedľa nej v časti Údaje na table Polia .

Ďalej zadajte funkciu parallel_coordinates , ktorá má niekoľko rôznych argumentov. V našom prípade to vyžaduje množinu údajov a položku, ktorá poskytne typ a rozmer z našej množiny údajov.

Ak odstránime položku z našej funkcie a spustíme ju, vizuál nebude fungovať.

Dostaneme chybu skriptu Python, ktorá hovorí, že vo funkcii parallel_coordinates ( ) chýba 1 požadovaný pozičný argument, ktorým je stĺpec_triedy. 

Pridajme teda položku späť. Pretože je pozičný, nemusíme písať súradnice triedy. Po dokončení môžeme kód spustiť. 

Zobrazenie zápletky v Pythone

Ďalším krokom je zobrazenie pozemku, takže v riadku 16 zdokumentujeme, čo budeme robiť, napísaním # show the plot.

Pripomeňme, že sme predtým importovali matplotlib.pyplot a uložili ho ako plt. Urobili sme to, pretože potrebujeme funkciu plt.show() na zobrazenie nášho grafu. 

Paralelné súradnicové grafy v Pythone: Ukážka 2

Náš druhý graf je súbor údajov o dúhovke zobrazujúci dĺžku okvetných lístkov, šírku okvetných lístkov, dĺžku sepalu a šírku sepalu. V porovnaní s prvým grafom má trochu viac štýlu. 

Tento súbor údajov bol vytvorený pomocou kódu Python. 

Ak chcete zobraziť naše údaje, kliknite na položku Transformovať údaje a prejdite na súbor iris_dataset. 

Množina údajov obsahuje stĺpce pre rozmery – dĺžka sepalu , šírka sepalu , dĺžka okvetného lístka a šírka okvetného lístka . Má tiež stĺpec pre typ druhu . 

Kód množiny údajov Python

Naše údaje boli prinesené jednoducho pomocou kódu Python. Prejdite na Zdroj a zobrazte skript Python. 

Náš kód Python má iba dva riadky. V prvom riadku sme importovali seaborn a uložili ho ako premennú sns . Náš súbor údajov sme pomenovali ako iris_dataset a použili sme premennú sns na načítanie súboru údajov pomocou funkcie sns.load_dataset('iris') . 

Kliknutím na tlačidlo OK získate údaje, ktoré sme videli vyššie. Prechádzajte údajmi a po dokončení môžeme množinu údajov zatvoriť tak, že prejdete na Zavrieť a použiť > Zavrieť . 

Styling pozemkov v Pythone

Ak chcete otvoriť editor skriptov Python pre náš štylizovanejší graf, kliknite na náš druhý graf.

Začneme importovaním matplotlib.pyplot ako plt. 

Potom použijeme funkciu plt.style.use ('tmavé_pozadie') na úpravu vizuálu. 

Pozadie môžeme jednoducho prispôsobiť na základe nášho preferovaného štýlu pomocou odkazu na šablónu so štýlmi matplotlib . V našom prípade sme použili tmavé pozadie.

Skúsme tiež použiť ggplot , čo je bežne používaný štýl.

Ak ho spustíme, poskytne nám vizuál, ktorý vyzerá takto. 

Potom načítajte funkciu pandas pre graf importovaním súradníc parallel_coordinates z pandas.plotting. 

Aby sme vytvorili graf, prinesieme súbor údajov a nastavíme náš druh ako triedu . 

V porovnaní s naším prvým grafom sme pridali ďalší parameter, ktorým je mapa farieb , aby sme získali rôzne farby. Odovzdajte to pomocou premennej matplotlib, plt.get_cmap. 

Existuje veľa farebných premenných matplotlib, z ktorých si môžete vybrať v referencii mapy farieb matplotlib .

Napríklad momentálne používame Set 2 z kvalitatívnych farebných máp, ale môžeme to zmeniť aj na iné farby, ako je hsv z cyklických máp farieb. 

Kliknutím na Spustiť získate graf, ktorý vyzerá takto. 

Hsv nevyzerá na našich dátach veľmi dobre, ale môžeme sa pohrať, kým nenájdeme najvhodnejšiu farebnú mapu pre náš pozemok. 

Záver

V tomto návode sme prebrali základy vytvárania paralelných súradnicových grafov v Pythone. Prešli sme procesom prípravy údajov, vytvárania grafu a prispôsobenia grafu pre lepšiu čitateľnosť. 

Paralelné súradnicové grafy sú výkonným nástrojom na vizualizáciu vysokorozmerných údajov a možno ich použiť v rôznych oblastiach vrátane financií, inžinierstva a strojového učenia. Teraz, keď vieme, ako vytvoriť paralelné súradnicové grafy v , môžeme ich začať používať na lepšie pochopenie a vizualizáciu vlastných údajov.

Všetko najlepšie,

Gaelim Holandsko