Kuinka käyttää ECDF-piirejä Pythonissa ja LuckyTemplatesissa

Tämä blogi näyttää, kuinka käytetään kumulatiivista jakautumiskaaviota , joka tunnetaan myös nimellä empiirinen kumulatiivinen jakautumisfunktio tai ECDF-kuvaajat, ja esitellään tämän kuvaajamuunnelman käytön edut muihin kuvaajatyyppeihin verrattuna. Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta .

Useimmat ihmiset haluavat ECDF-kaavioita visualisoidakseen tietoja, kun ne piirtävät jokaisen datapisteen suoraan, ja tämän ominaisuuden ansiosta käyttäjän on helppo olla vuorovaikutuksessa kaavion kanssa. Tänään opit käyttämään ECDF:ää Pythonissa ja LuckyTemplatesissa ja parantamaan esityksiäsi ja raporttejasi tiedon jakelusta.

Sisällysluettelo

• Jakelutontien tyypit
• Histogrammin kuvaajakoodi
• KDE Plot
• ECDF-palojen muotoilu
  • ECDF Plots Code Essentials
• Johtopäätös

Jakelutontien tyypit

Aloitan suodattamalla tietoni tiettynä päivänä, lauantaina, ja alla näemme kaikki nämä Python-kuvaajat, joita käytetään jakelujen kuvaamiseen. Meillä on tässä ECDF-kaavio, histogrammi, KDE-kuvaaja ja Box-kaavio.

Kaikki nämä kaaviot kuvaavat, kuinka tiedot jakautuvat tai jakautuvat. Jos esimerkiksi menemme alas ja katsomme histogrammia, voimme nähdä, että suurin osa näistä korkeista säiliöistä on siellä, missä tietomme sijaitsevat.

Noin 3,50 dollaria, meillä on korkein laatikko Tips- tietojemme osalta alla olevassa tietojoukossamme.

Voimme myös käyttää KDE-kaaviota, joka antaa meille erilaisen mittarin jakelua tarkasteltaessa. Histogrammi käsittelee näissä lokeroissa olevaa määrää, kun taas KDE käsittelee tiheyttä.

KDE-kaavion avulla voit kertoa, missä suurin osa tiedoistamme on, havaitsemalla kaavion suurimman tiheyden tai suurimman pullistuman, jos haluat. Joten yllä olevassa kuvassa voimme sanoa, että se on jaettu jossain 2–4 dollarin välillä.

Sama pätee Box-kaavioon, joka osoittaa, että jakauma on 2–4 dollaria, ja tämä on suurin osa tiedoistamme. Se käyttää mediaania, vaakaviivaa, joka erottaa laatikon, antaakseen meille käsityksen siitä, missä suurin jakautuminen on.

Ja sitten meillä on ECDF-kaavio, jossa y-akselin vasemmalla puolella näet sanan Proportio , joka edustaa prosenttipisteitämme. Kaavion perusteella 3,50 dollarilla tarkastelemme noin 50 prosenttia tiedoistamme, ja 5 dollarilla ja sitä alhaisemmilla tiedoistamme jaetaan 80 prosenttia.

Histogrammin kuvaajakoodi

Nyt näytän sinulle koodin jokaiselle näistä kaavioista alkaen histogrammista. Niissä kaikissa on hyvin samankaltaiset ja , joten voit nopeasti vetää ne ylös yhdellä koodilla, kuten mallipohjalla.

Meidän on ensin tuotava  ja tallenna se nimellä  sb  ja sen jälkeen  matplotlib.pyplot  nimellä  plt. Käytämme taustatyyliä nimeltä  ggplot  ja  matplotlib  -muuttujaa välittämään eri tyylejä.

Esimerkiksi alla olevassa kuvassa voimme nähdä, että 11. riville lisäämme otsikon histogrammille ja rastikoille seuraaville riveille. Ytikit  ja  xtikit  edustavat x- ja y-kokoja vastaavasti . 

14. rivillä käytämme Seaborn-muuttujaa, joka tuo kyseisen kaavion, kuten  yllä olevan esimerkin histogrammikuvaaja  , joka edustaa histogrammidiagrammia. Sitten välitämme tiedot 4. riviltä funktioon tietojoukona.

Kaikki, mitä lisäät arvoihin, edustaa tietojoukkoasi ja poistaa kaksoiskappaleet. Sitten käytämme  x-  merkkiä vihjeissä  ja  sävyä,  joka yhdessä  seabornin kanssa mahdollistaa tietojesi erottelun luokkien mukaan . Jos palaamme visuaaliimme, voimme todeta, että sillä on luokkia, mukaan lukien aika, aika tai tupakoitsija.

KDE Plot

KDE-juonissa kaikki on melkein identtistä. Meidän tarvitsee vain antaa uusi parametri nimeltä shadow saadaksemme tuon varjostetun ilmeen. Muuten sävy, tiedot ja muut ovat samat.

Box-juoni on enimmäkseen samanlainen kuin muut juonit, lukuun ottamatta muutamia pieniä eroja. Tässä käytetään  boxplot-funktiota  , jossa  x  on päivä ja  y  on vihjeet. Emme myöskään käytä  sävyjä  tässä juonessa.

Joten se on sama rakenne kuin ECDF-kaavio, ja ainoa ero on Seaborn-muuttujassa, jossa siirrymme ECDF-kuvaajaan ja käytämme sävyä päivänä. Mutta voimme myös vaihtaa tämän sävyn toiseen luokkaan, kuten tupakoitsija.

Jos hyväksymme tämän luokan, päädymme ECDF-kuvaan, jossa on kaksi eri viivaa. Näistä jakaumista voimme nähdä, että tupakoitsijoilla on enemmän erityistä viivanleveyttämme liittyen.

Tupakoimattomilla on sata prosenttia näistä tiedoista alle 6 dollaria, kun taas tupakoitsijoilla se on 6 dollaria. Mielenkiintoista on, että tupakoitsijamme saattavat jättää suuremman juomarahan tiettynä päivänä.

ECDF-palojen muotoilu

Nyt voimme muokata ECDF-juttujamme entisestään tehdäksemme niistä näyttävämpiä. Alla olevassa kuvassa on erilaisia ​​ECDF-kaavioita. Ensimmäisessä juonissa tein viivoja suuremmaksi ja käytin eri väripalettia.

Ensimmäisessä kaaviossa käytin funktion sisällä erilaisia ​​parametreja. Kuten alta näkyy, lähdin paletissa kesäksi  ja  viivan leveydeksi  5. 

Vertailin myös lauantaita ja sunnuntaita, minkä vuoksi vihreää viivaa on kaksi erilaista. Tästä voimme nähdä, että 3 dollarin tippi on 45. prosenttipisteessä sunnuntaina ja 70. prosenttipisteessä torstaina, mikä kertoo meille, että ihmiset jättävät yleensä korkeampia tippiä sunnuntaina.

Voimme myös vaihtaa X- ja Y-akselia, vaihtaa suhdetta ja kärkeä tonttimme sisällä ja muuttaa palettia, aivan kuten alla olevassa kuvassa.

Tästä voimme nähdä, että 2 dollarin kärki on sunnuntain 20. prosenttipisteessä, joka on juonen violetti viiva. Joten tiedot ovat samat edellisen ECDF-kaavion kanssa ja vain esitystapa on erilainen.

Meillä on nyt toinen kaavio, jossa on sama tietojoukko ja joka säilyttää alkuperäiset akselin sijainnit yllä olevan kuvan mukaisesti. Erona tällä kertaa on, että viivojen suunta on käännetty.

ECDF Plots -tyyli

Jos katsomme koodia, välitämme vain parametrin  komplementaarinen yhtälä = tosi. Tämän toiminnon avulla  voimme sanoa, että 2 dollarin ja sitä korkeammalla alueella jaetaan 80 % tiedoistamme, sen sijaan, että väittäisimme, että alle 2 dollarin alueella 20 % tiedoistamme jaetaan. Jälleen kerran, se on sama data, jolla on erilainen ulkoasu tai tapa esittää se.

Ja neljännessä ja viimeisessä ECDF-jutussamme käytämme Countia suhteellisuuden sijaan.

Tämä lähestymistapa on hyödyllinen, kun meillä on enemmän kuin muutama tontti. Katsomalla alla olevan kuvan laskentasaraketta voimme nähdä, että perjantaina ei ole paljon havaintoja, mikä kertoo meille, että ihmiset eivät jätä juurikaan tippiä sinä päivänä.

ECDF Plots Code Essentials

Jos katsomme koodia, löydät  Seabornin , joka on tärkein asia tämän juonen luomisessa. Meillä on myös  tyyliä varten matplotlib.pyplot  , jonka voit tallentaa muuttujaksi nimeltä  plt .

Voimme sitten käyttää tätä muuttujaa luodaksemme erilaisia ​​tyylejä tietylle juonellemme, kuten lisäämällä otsikoita ja kirjasinkokoja. Suurin osa koodistasi on ECDF-kuvaustoiminto, jonka tuomme Seabornin kanssa.

Johtopäätös

Näillä tavoilla voit käyttää erilaisia ​​jakelukaavioita, mukaan lukien Histogrammi-, KDE-, Box- ja ECDF-kuvaajat. Opit myös neljä tapaa esittää ECDF-kaavio käyttämällä samaa tietojoukkoa. Voit käyttää mitä tahansa lähestymistapaa mieltymystesi mukaan.

Muista aina tuoda tarvittavat kirjastot juonen luomiseen ja käyttää oikeaa toimintoa. Sen jälkeen on vain muutettava juonisi visuaalisia ja tyylillisiä puolia, kuten akselin sijoittelua ja sävyjä.

Kaikki parhaat,