Hvordan lage parallelle koordinatplott i Python

Parallelle koordinatplott er et nyttig visualiseringsverktøy som brukes til å vise forhold mellom flere variabler som deler samme numeriske data. I LuckyTemplates er disse plottene laget med veldig enkel Python-kode som du kan bruke og enkelt lage og stilisere. 

I dagens blogg skal vi lære hvordan du lager multivariate eller parallelle koordinatplott ved hjelp av . Vi vil gå gjennom prosessen steg-for-steg, fra å forberede dataene til å tilpasse plottet for bedre lesbarhet. Du kan se hele videoen av denne opplæringen nederst på denne bloggen . 

Innholdsfortegnelse

• Parallelle koordinatplott i Python: Eksempel 1
  • Plot Python-koden
  • Lage plottet i Python
  • Viser plottet i Python
• Parallelle koordinatplott i Python: Eksempel 2
  • Datasettet Python-koden
  • Styling plott i Python
• Konklusjon

Parallelle koordinatplott i Python: Eksempel 1

Dette er vårt første plot. Den viser våre tre variabler – Variabel A, B og C, og de to linjene som representerer element 1 og 2. 

Det betyr at vi har to sett med data, ett for element 1 og et annet for element 2. Og for hvert datasett har vi våre tre variabler. 

La oss se på dataene for bedre å forstå hvordan plottet ble strukturert. 

Start med å markere grafen. Klikk på Data. 

En tabell med svært enkle data skal vises. Den ble opprettet ved å bruke alternativet for å sette inn tabell. Vi kan se at i kolonnene er variablene A, B og C for hvert element som er atskilt i hver rad.

Vi har enkle data, men vi kan gjøre det om til noe som er veldig talende. For eksempel, i plottet vårt, kan vi fastslå at forholdet mellom dataene er ganske "lavt". 

For å illustrere kan vi sammenligne dette plottet med våre data. Variabel B i element 1 er 100 og 115 i element 2, som vist i grafen. 

Vi kan også identifisere hvordan elementene og variablene er relatert. For eksempel kan vi lett se at variabel A er lavere enn B, og at C er lavest blant de tre.

Plot Python-koden

La oss nå fortsette med koden som ble brukt for selve plottet. 

Start med å velge Python visual fra ruten . 

Marker vår første graf for å åpne . 

Først importerer vi matplotlib.pyplot og lagrer det som en variabel plt. 

Deretter tar vi inn pandas.plotting -funksjonene. Pandas fungerer som et datamanipulasjonsbibliotek i LuckyTemplates. Den brukes først og fremst til å manipulere data, men den har også plottefunksjoner.

La oss importere parallell_koordinater fra pandas.plotting . Parallelle_koordinater vil være den primære funksjonen for å lage grafen. 

Lage plottet i Python

I linje 13 dokumenterer vi hva vi skal gjøre ved å skrive # lag et plot.

Vi bruker parallell_koordinater og passerer i datasettet. 

På linje 3 kan vi se at datasettet er opprettet ved hjelp av funksjonen pandas.DataFrame ( ) . Deretter legger vi til element, variabel A, variabel B og variabel C, som deretter gjenspeiles i verdilisten vår . 

I linje 4 dedupliseres datasettet ved hjelp av datasett.drop_duplicates ( ).

Vi kan gå til visualiseringsruten for å se verdiene vi har lagt til.

Hvis du fjerner en av disse verdiene, vil det påvirke bildene våre. For eksempel, hvis vi fjerner variabel C, vil koordinatene endres tilsvarende, og viser oss hvordan verdiene fungerer . 

La oss hente tilbake vår variabel C ved å merke av i boksen ved siden av den under Data i feltruten .

Deretter sender du funksjonen parallell_koordinater som tar noen forskjellige argumenter. I vårt tilfelle tar det datasettet og elementet, som vil gi typen og dimensjonen fra datasettet vårt.

Hvis vi fjerner Item fra funksjonen vår og kjører den, vil det visuelle ikke fungere.

Vi vil få en Python-skriptfeil som sier at funksjonen parallell_koordinater ( ) mangler 1 nødvendig posisjonsargument, som er klassekolonnen . 

Så la oss legge til elementet tilbake. Fordi det er posisjonelt, trenger vi ikke å skrive klassekoordinater. Vi kan kjøre koden når den er ferdig. 

Viser plottet i Python

Neste steg er å vise plottet, så i linje 16 dokumenterer vi hva vi skal gjøre ved å skrive # vis plottet.

Husk at vi importerte matplotlib.pyplot tidligere og lagret det som plt. Vi gjorde det fordi vi trenger funksjonen plt.show( ) for å vise plottet vårt. 

Parallelle koordinatplott i Python: Eksempel 2

Vårt andre plot er et iris-datasett som viser petal_length, petal_width, sepal_length og sepal_width. Den har litt mer stil i forhold til den første grafen. 

Dette datasettet ble opprettet med Python-kode. 

For å se våre data, klikk Transform data og gå til iris_dataset. 

Datasettet inneholder kolonner for dimensjonene – begerbladlengde , begerbladbredde , kronbladlengde og kronbladbredde . Den har også en kolonne for artstypen . 

Datasettet Python-koden

Dataene våre ble enkelt hentet inn ved hjelp av Python-kode. Gå til Kilde for å vise Python-skriptet. 

Python-koden vår har bare to linjer. I den første linjen importerte vi sjøborn og lagret den som variabel sns . Vi kalte datasettet vårt som iris_dataset og brukte sns-variabelen for å laste datasettet ved å bruke sns.load_dataset('iris') -funksjonen. 

Klikk OK for å få dataene vi har sett ovenfor. Naviger gjennom dataene, og når du er ferdig, kan vi lukke datasettet ved å gå til Lukk og bruk > Lukk . 

Styling plott i Python

For å åpne Python-skripteditoren for vår mer stiliserte graf, klikk på vårt andre plot.

Vi starter med å importere matplotlib.pyplot som plt. 

Deretter bruker vi funksjonen plt.style.use ('dark_background') for å style det visuelle. 

Vi kan enkelt tilpasse bakgrunnen basert på vår foretrukne stil ved å bruke matplotlibs stilarkreferanse . I vårt tilfelle brukte vi en mørk bakgrunn.

La oss også prøve å bruke ggplot , som er en vanlig stil som brukes.

Hvis vi kjører det, vil det gi oss et bilde som ser slik ut. 

Deretter laster du inn pandafunksjonen for grafen ved å importere parallelle_koordinater fra pandas.plotting. 

For å lage plottet tar vi inn datasettet og setter vår art som klassen . 

Sammenlignet med vårt første plot, legger vi til en ekstra parameter som er fargekartet for å få forskjellige farger. Send det inn ved å bruke matplotlib-variabelen plt.get_cmap. 

Det er mange matplotlib-fargevariabler å velge mellom i matplotlibs Colormap-referanse .

For eksempel bruker vi for øyeblikket sett 2 fra kvalitative fargekart, men vi kan også endre det til andre farger, for eksempel hsv fra sykliske fargekart. 

Klikk kjør for å få et plott som ser slik ut. 

Hsv ser ikke veldig bra ut på dataene våre, men vi kan leke oss til vi finner det best egnede fargekartet for tomten vår. 

Konklusjon

I denne opplæringen har vi dekket det grunnleggende om å lage parallelle koordinatplott i Python. Vi har gått gjennom prosessen med å forberede dataene, lage plottet og tilpasse plottet for bedre lesbarhet. 

Parallelle koordinatplott er et kraftig verktøy for å visualisere høydimensjonale data og kan brukes i en rekke felt, inkludert økonomi, ingeniørfag og maskinlæring. Nå som vi vet hvordan vi lager parallelle koordinatplott i , kan vi begynne å bruke dem for å bedre forstå og visualisere våre egne data.

Beste ønsker,

Gaelim Holland