Kuinka asentaa DAX Studio & Tabular Editor LuckyTemplatesissa
Opi lataamaan ja asentamaan DAX Studio ja Tabular Editor 3 ja miten ne määritetään käytettäväksi LuckyTemplatesissa ja Excelissä.
Rinnakkaiset koordinaattikaaviot ovat hyödyllinen visualisointityökalu, jota käytetään useiden saman numeerisen datan jakavien muuttujien välisten suhteiden näyttämiseen. LuckyTemplatesissa nämä juonet luodaan hyvin yksinkertaisella Python-koodilla, jota voit käyttää ja helposti luoda ja tyylitellä.
Tämän päivän blogissa opimme luomaan monimuuttuja- tai rinnakkaiskoordinaattikaavioita käyttämällä . Kävelemme prosessin läpi vaihe vaiheelta tietojen valmistelusta juonen mukauttamiseen parempaa luettavuutta varten. Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta .
Sisällysluettelo
Rinnakkaiset koordinaattikuvaajat Pythonissa: Esimerkki 1
Tämä on ensimmäinen juonemme. Se näyttää kolme muuttujaamme – muuttuja A, B ja C sekä kaksi riviä, jotka edustavat kohteita 1 ja 2.
Tämä tarkoittaa, että meillä on kaksi tietojoukkoa, yksi kohteelle 1 ja toinen kohteelle 2. Ja jokaiselle tietojoukolle meillä on kolme muuttujaamme.
Katsotaanpa tietoja ymmärtääksemme paremmin, kuinka juoni rakennettiin.
Aloita korostamalla kaavio. Napsauta Tiedot.
Taulukon pitäisi näkyä hyvin yksinkertaisilla tiedoilla. Se luotiin käyttämällä Lisää taulukko -vaihtoehtoa. Näemme, että sarakkeissa on muuttujat A, B ja C kullekin kohteelle, jotka on erotettu kullakin rivillä.
Meillä on yksinkertaista dataa, mutta voimme muuttaa siitä jotain, joka on hyvin puhutteleva. Esimerkiksi kaaviossamme voimme määrittää, että tietojen välinen suhde on melko "matala".
Havainnollistamiseksi voimme verrata tätä kaaviota tietoihimme. Kohdan 1 muuttuja B on 100 ja kohdassa 2 115, kuten kaaviosta näkyy.
Voimme myös tunnistaa, kuinka kohteet ja muuttujat liittyvät toisiinsa. Voimme esimerkiksi helposti nähdä, että muuttuja A on pienempi kuin B ja että C on pienin näistä kolmesta.
Plot Python -koodi
Jatketaan nyt varsinaisessa juonessa käytetyllä koodilla.
Aloita valitsemalla ruudusta Python-visuaalisuus .
Korosta ensimmäinen kaaviomme avataksesi .
Ensin tuomme matplotlib.pyplot-tiedoston ja tallennamme sen muuttujana plt.
Sitten tuomme pandas.plotting- ominaisuudet. Pandas toimii tietojenkäsittelykirjastona LuckyTemplatesissa. Sitä käytetään ensisijaisesti tietojen käsittelemiseen, mutta siinä on myös piirustusominaisuuksia.
Tuodaan parallel_coordinates osoitteesta pandas.plotting . Parallel_coordinates on ensisijainen funktio kaavion luomisessa.
Juonen tekeminen Pythonissa
Rivillä 13 dokumentoimme mitä aiomme tehdä kirjoittamalla # make a plot.
Käytämme parallel_coordinates ja välitämme tietojoukossa.
Rivillä 3 näemme, että tietojoukko on luotu pandas.DataFrame ( ) -funktiolla. Sitten lisäämme kohteen, muuttujan A, muuttujan B ja muuttujan C, jotka sitten näkyvät arvoluettelossamme .
Rivillä 4 tietojoukon kopiointi poistetaan käyttämällä dataset.drop_duplicates ( ).
Voimme siirtyä Visualisoinnit- ruutuun nähdäksemme lisäämämme arvot .
Minkä tahansa näistä arvoista poistaminen vaikuttaa visuaaliimme. Jos esimerkiksi poistamme muuttujan C, koordinaatit muuttuvat vastaavasti, mikä näyttää meille, kuinka arvot toimivat .
Palautetaan muuttujamme C valitsemalla sen vieressä oleva ruutu Kentät - ruudun Data- kohdasta .
Syötä seuraavaksi parallel_coordinates -funktio, joka ottaa muutaman eri argumentin. Meidän tapauksessamme se ottaa tietojoukon ja kohteen, jotka tarjoavat tyypin ja ulottuvuuden tietojoukostamme.
Jos poistamme kohteen funktiostamme ja suoritamme sen, visualisointi ei toimi.
Saamme Python-skriptivirheen, jossa sanotaan, että parallel_coordinates ( ) -funktiosta puuttuu 1 pakollinen sijaintiargumentti, joka on class_column .
Lisätään siis kohde takaisin. Koska se on sijaintipaikka, meidän ei tarvitse kirjoittaa luokkakoordinaatteja. Voimme suorittaa koodin, kun se on valmis.
Näytetään juonen Pythonissa
Seuraava askel on näyttää juoni, joten rivillä 16 dokumentoimme mitä aiomme tehdä kirjoittamalla # näytä juoni.
Muista, että toimme matplotlib.pyplot-tiedoston aiemmin ja tallensimme sen nimellä plt. Teimme sen, koska tarvitsemme funktion plt.show( ) näyttämään juonemme.
Rinnakkaiset koordinaattikuvaajat Pythonissa: Esimerkki 2
Toinen kuvaajamme on iiristietojoukko , joka näyttää petal_length, petal_width, sepal_length ja sepal_width. Siinä on hieman enemmän tyyliä ensimmäiseen kaavioon verrattuna.
Tämä tietojoukko luotiin Python-koodilla.
Voit tarkastella tietojamme napsauttamalla Muunna tiedot ja siirtymällä kohtaan iris_dataset.
Tietojoukko sisältää sarakkeita mitoille - verholehden pituus , verholehden leveys , terälehden pituus ja terälehden leveys . Siinä on myös sarake lajityypille .
Tietojoukon Python-koodi
Tietomme tuotiin helposti Python-koodilla. Siirry kohtaan Lähde näyttääksesi Python-skriptin.
Python-koodissamme on vain kaksi riviä. Ensimmäisellä rivillä toimme seabornin ja tallensimme sen muuttuvana sns:nä . Nimesimme tietojoukomme nimellä iris_dataset ja käytimme sns-muuttujaa datajoukon lataamiseen sns.load_dataset('iris') -funktiolla.
Napsauta OK saadaksesi yllä näkemämme tiedot. Selaa tietoja, ja kun se on valmis, voimme sulkea tietojoukon valitsemalla Sulje ja käytä > Sulje .
Styling Plots Pythonissa
Avaa Python-skriptieditori tyylitellymmälle kaaviollemme napsauttamalla toista kuvaamme.
Aloitamme tuomalla matplotlib.pyplot-tiedoston plt- muodossa .
Tämän jälkeen käytämme funktiota plt.style.use ('dark_background') visuaalin tyyliin.
Voimme helposti muokata taustaa haluamamme tyylin perusteella käyttämällä matplotlibin Style sheet -viittausta . Meidän tapauksessamme käytimme tummaa taustaa.
Kokeillaan myös ggplotia , joka on yleinen tyyli.
Jos käytämme sitä, se antaa meille visuaalisen, joka näyttää tältä.
Lataa sitten kaavion pandas-funktio tuomalla parallel_coordinates osoitteesta pandas.plotting.
Kaaviota varten tuomme tietojoukon ja asetamme lajimme luokaksi .
Verrattuna ensimmäiseen juoneemme, lisäämme lisäparametrin, joka on värikartta eri värien saamiseksi. Välitä se matplotlib-muuttujan plt.get_cmap avulla .
Matplotlibin Colormap-viittauksessa on monia matplotlib-värimuuttujia, joista valita .
Käytämme esimerkiksi tällä hetkellä laadullisten värikarttojen sarjaa 2 , mutta voimme myös muuttaa sen muihin väreihin, kuten syklisistä värikartoista hsv .
Napsauta Run saadaksesi juoni, joka näyttää tältä.
Hsv ei näytä kovin hyvältä datamme perusteella, mutta voimme leikkiä, kunnes löydämme juoneellemme sopivimman värikartan.
Johtopäätös
Tässä opetusohjelmassa olemme käsitelleet perusasiat rinnakkaisten koordinaattikaavioiden luomisesta Pythonissa. Olemme käyneet läpi tietojen valmistelun, juonen luomisen ja juonen mukauttamisen parempaa luettavuutta varten.
Rinnakkaiset koordinaattikaaviot ovat tehokas työkalu korkeaulotteisen datan visualisointiin, ja niitä voidaan käyttää useilla aloilla, mukaan lukien rahoitus, suunnittelu ja koneoppiminen. Nyt kun osaamme luoda rinnakkaisia koordinaattikaavioita sovelluksessa, voimme alkaa käyttää niitä ymmärtääksemme ja visualisoidaksemme paremmin omia tietojamme.
Kaikki parhaat,
Gaelim Holland
Opi lataamaan ja asentamaan DAX Studio ja Tabular Editor 3 ja miten ne määritetään käytettäväksi LuckyTemplatesissa ja Excelissä.
Tämä blogi sisältää Shape Map -visualisoinnin tilaanalyysiä varten LuckyTemplatesissa. Näytän sinulle, kuinka voit käyttää tätä visualisointia tehokkaasti sen ominaisuuksien ja elementtien kanssa.
Tässä opetusohjelmassa esittelen ainutlaatuisen idean talousraportoinnista, joka allokoi tulokset LuckyTemplatesin sisällä olevien taulukkopohjien ennalta määrittämiseen.
Luo DAX-suureita LuckyTemplatesissa käyttämällä olemassa olevia suureita tai kaavoja. Tätä kutsun mittahaaroitustekniikaksi.
Tässä blogissa tutustu LuckyTemplates-tietojoukkoon, tehokkaimpaan funktiokutsuun, joka tuo tuhansia M- ja DAX-funktioita sormiesi ulottuville.
Tämän päivän opetusohjelmassa jaan muutamia datamallinnustekniikoita DAX-mittausten järjestämiseksi paremmin tehokkaamman työnkulun aikaansaamiseksi.
LuckyTemplates on loistava työkalu talousraportointiin. Tässä on opetusohjelma räätälöityjen taulukoiden luomisesta LuckyTemplates-talouden hallintapaneelillesi.
Tässä opetusohjelmassa keskustellaan Power Query Language Flowsta ja siitä, kuinka se voi auttaa luomaan sujuvan ja tehokkaan dataraportin.
Keskustelen yhdestä suosikkitekniikoistani mukautettujen LuckyTemplates-kuvakkeiden ympärillä, joka käyttää mukautettuja kuvakkeita dynaamisella tavalla LuckyTemplates-visuaaleissa.
Tässä blogissa näytän sinulle, kuinka voit luoda LuckyTemplates-taulukoita käyttämällä kaavaa, joka yhdistää UNION-funktion ja ROW-funktion.