I denne øvelse lærer du, hvordan du opretter et tredimensionelt (3D) scatterplot ved hjælp af Python i LuckyTemplates. er et programmeringssprog, der er meget brugt til dataanalyse og visualisering. Det er et kraftfuldt værktøj til at skabe interaktive plots og diagrammer. Du kan se den fulde video af denne tutorial nederst på denne blog.
Et 3D-spredningsplot er en visuel repræsentation af datapunkter på en tredimensionel graf. Det er nyttigt til at vise relationerne mellem tre variable og kan bruges til at identificere mønstre og tendenser i dataene.
Ved slutningen af denne blog vil du være i stand til at oprette et 3D scatter plot, der ser sådan ud:
Den resulterende graf vil have en indbygget slicer, der giver dig mulighed for at vælge mellem forskellige datalag. Eksemplet brugte et diamantdatasæt bestående af gulerodsstørrelse, pris og diamantdybde.
Indholdsfortegnelse
Byg datasættet og variablerne i Python
Åbn din Jupyter-notesbog .
Det første trin er at importere pakkerne. Til dette eksempel bruges pakkerne pandas, numpy, seaborn, matplotlib.plypot og Axes3D. De gemmes som variabler for at gøre dem nemmere at bruge i koden.
Pandaerne og numpy -pakkerne er grundlæggende for datamanipulation . Oger et datavisualiseringsbibliotek i Python, der giver en grænseflade på højt niveau til at tegne attraktiv og informativ statistisk grafik.
Matplotlib.plypot - pakken er et datavisualiseringsbibliotek i Python, der bruges til at skabe en lang række statiske, animerede og interaktive visualiseringer i Python. Og endelig giver Axes3D- pakken dig mulighed for at transformere grafen som en 3-dimensionel figur.
Efter import af pakkerne er næste trin at indlæse datasættet. I dette tilfælde bruges det havfødte diamantdatasæt og gemmes som variablen df .
Hvis du vil se, hvordan datasættet ser ud, skal du oprette en anden celle og køre df.head( ) . Du vil derefter være i stand til at se dimensionerne og metrics inde i diamantdatasættet.
For at indstille x-, y- og z-variablerne for din graf, følg syntaksvariablen = dataset['dimension'] som vist nedenfor:
Opret 3D Scatter Plot-figuren i Python
For at oprette 3D-figuren skal du bruge variabelen matplotlib . Inden for parenteserne skal du derefter vælge metrics for den graf, du vil tilpasse.
Hvis du for eksempel vil formatere figurstørrelsen, skal du bruge figsize- metrikken og derefter angive den størrelse, du ønsker.
For at definere dine akser skal du bruge Axes3D-datasættet og indkapsle 'fig'-variablen i parentesen. Hvis du gør det, transformeres denne variabel til en funktion. Brug derefter funktionen fig.add_axes( ) til at tilføje de akser, du definerede, til figuren.
Når du kører koden, får du en tom 3D-graf.
For at oprette spredningsplottet skal du bruge spredningsfunktionen og skrive de tre akser, du definerede tidligere.
Hvis du kører koden, får du nu et grundlæggende 3D-spredningsplot.
Hvis du vil lave formateringsændringer i dit scatterplot, skal du gå tilbage til den seneste kodelinje. Tryk på SHIFT+TAB efter den sidste akse . Dette åbner en rullemenu, der indeholder en liste over de forskellige formateringsændringer, du kan udføre på plottet.
Du kan definere farve, størrelse og form for hver akse. Indstillingen cmap giver dig mulighed for for alle dine akser i stedet for at specificere dem én efter én.
Du kan også tilføje akseetiketter ved at følge syntaksen nedenfor:
Formatet på spredningsplottet afhænger helt af, hvordan du vil have den endelige graf til at se ud. Når du kører koden i dette eksempel, ser den sådan ud:
Aktiver spredningsplottets interaktivitet
Det næste trin er at gøre 3D-spredningsplottet interaktivt. Bemærk, at denne funktion kun er tilgængelig i Jupyter notebook.
Brug kommandoen %matplotlib notebook for at gøre dine grafer interaktive .
Når du kører koden, vil du se, at spredningsplottet nu er tilføjet med kontroller, der giver dig mulighed for at ændre grafens perspektiv og størrelse.
Udover kontrollerne er der også information om x, y, z-positionen af et specifikt plotpunkt afhængigt af hvor din musemarkør er placeret.
Hvis du ønsker, at dit spredningsplot skal vises i et bestemt synspunkt, når du kører det, kan du bruge kommandoerne ax.azim eller ax.elev .
Importer 3D-spredningsplottet fra Python til LuckyTemplates
Når du er tilfreds med, hvordan dit scatter-plot ser ud, er næste trin at importere det fra Jupyter-notebook til LuckyTemplates.
Åbn din og gå til fanen Hjem . Vælg Hent data > Mere .
I guiden Hent data skal du se efter Python-scriptindstillingen og derefter klikke på Opret forbindelse .
Kopier koden fra dit datasæt i Jupyter notesbog og indsæt den i LuckyTemplates' Script-tekstboks. Klik derefter på OK .
Klik på datasættet, og vælg Indlæs .
Datasættet fra din python-kode kan nu ses i LuckyTemplates under feltruden.
For at præsentere dem i en visualisering skal du klikke på Python-visuel indstilling under Visualiseringsruden og derefter aktivere .
Vælg derefter data fra ruden Felter, som du vil have vist i dit spredningsplot. Det anbefales at bringe alle dataene ind, da det giver dig mulighed for at udvide datasættet og aktivere andre tilgængelige funktioner i LuckyTemplates.
Når du er færdig, skal du gå tilbage til din Jupyter-notesbog og kopiere din kode (undtagen udsigtspunktet). Indsæt dette i script-editoren i LuckyTemplates.
Før du kører koden, skal du foretage et par ændringer. Da datasæt i LuckyTemplates som standard kaldes datasæt , skal du kommentere df-variablen og i stedet tildele df som datasættet.
Og til sidst, skriv plt.show( ) -funktionen, så scatter-plotten kan ses i LuckyTemplates skrivebord.
Sådan ser dit 3D-spredningsplot ud nu i LuckyTemplates.
Tilføjelse af dimensionsfiltre i LuckyTemplates
Det fantastiske ved LuckyTemplates er, at det giver dig mulighed for at lave . Du kan tilføje dimensionsfiltre til dit 3D-spredningsplot, så du kan kontrollere, hvilke data der vises i visualiseringen.
Træk et felt efter eget valg ind i LuckyTemplates-lærredet, og gør det derefter til et filter ved hjælp af Slicer- indstillingen i Visualiseringsruden .
Dataene i 3D-plottet vil derefter variere afhængigt af den mulighed, du vælger i sliceren. Du kan ind i din LuckyTemplates rapportvisualisering afhængigt af dine præferencer eller krav.
Bagefter kan du formatere din slicer og omdanne den til knapper. Du kan også bygge en tekstboks, der viser den udsnitsindstilling, du har valgt.
Konklusion
Oprettelse af et 3D-spredningsplot ved hjælp af LuckyTemplates er en effektiv måde at visualisere data med tre variabler. Det giver dig mulighed for at identificere mønstre og tendenser i dataene og kan tilpasses, så de passer til behovene i din specifikke use case.
Desuden er det at transformere scatter-plot til en dynamisk visualisering i LuckyTemplates en fantastisk måde at skabe interaktive dashboards, der giver brugerne mulighed for at udforske og se data, der er relevante for dem.
Generelt giver brug af LuckyTemplates dig mulighed for at tilpasse dine visualiseringer og oprette brugerdefinerede diagrammer og plots, der ikke er tilgængelige i de indbyggede visualiseringsmuligheder. Den er perfekt til datamanipulation og -analyse og kan bruges til at rense, transformere og analysere data, før de visualiseres i LuckyTemplates.
Alt det bedste,
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Find ud af, hvorfor det er vigtigt at have en dedikeret datotabel i LuckyTemplates, og lær den hurtigste og mest effektive måde at gøre det på.
Denne korte vejledning fremhæver LuckyTemplates mobilrapporteringsfunktion. Jeg vil vise dig, hvordan du kan udvikle rapporter effektivt til mobilenheder.
I denne LuckyTemplates Showcase gennemgår vi rapporter, der viser professionel serviceanalyse fra et firma, der har flere kontrakter og kundeengagementer.
Gå gennem de vigtigste opdateringer til Power Apps og Power Automate og deres fordele og implikationer for Microsoft Power Platform.
Opdag nogle almindelige SQL-funktioner, som vi kan bruge, såsom streng, dato og nogle avancerede funktioner til at behandle eller manipulere data.
I denne tutorial lærer du, hvordan du opretter din perfekte LuckyTemplates-skabelon, der er konfigureret til dine behov og præferencer.
I denne blog vil vi demonstrere, hvordan man lagdelte feltparametre med små multipler for at skabe utrolig nyttig indsigt og visuals.
I denne blog vil du lære, hvordan du bruger LuckyTemplates rangerings- og brugerdefinerede grupperingsfunktioner til at segmentere et eksempeldata og rangordne det efter kriterier.
I denne tutorial vil jeg dække en specifik teknik omkring, hvordan du kun viser Kumulativ Total op til en bestemt dato i dine visuals i LuckyTemplates.
