Lag 3D-spredningsplott ved å bruke Python i LuckyTemplates

I denne opplæringen lærer du hvordan du lager et tredimensjonalt (3D) spredningsplott ved å bruke Python i LuckyTemplates. er et programmeringsspråk som er mye brukt for dataanalyse og visualisering. Det er et kraftig verktøy for å lage interaktive plott og diagrammer. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

Et 3D-spredningsplott er en visuell representasjon av datapunkter på en tredimensjonal graf. Det er nyttig for å vise relasjonene mellom tre variabler, og kan brukes til å identifisere mønstre og trender i dataene.

På slutten av denne bloggen vil du kunne lage et 3D-spredningsplott som ser slik ut:

Den resulterende grafen vil ha en innebygd slicer som lar deg velge mellom forskjellige datalag. Eksemplet brukte et diamantdatasett sammensatt av gulrotstørrelse, pris og diamantdybde.

Innholdsfortegnelse

• Bygg datasettet og variablene i Python
• Lag 3D scatter plot-figuren i Python
• Aktiver spredningsplottets interaktivitet
• Importer 3D-spredningsplottet fra Python til LuckyTemplates
• Legge til dimensjonsfiltre i LuckyTemplates
• Konklusjon

Bygg datasettet og variablene i Python

Åpne Jupyter-notisboken .

Det første trinnet er å importere pakkene. For dette eksemplet brukes pakkene pandas, numpy, seaborn, matplotlib.plypot og Axes3D. De lagres som variabler for å gjøre dem enklere å bruke i koden.

Pandaene og numpy - pakkene er grunnleggende for datamanipulering. Oger et datavisualiseringsbibliotek i Python som gir et grensesnitt på høyt nivå for å tegne attraktiv og informativ statistisk grafikk.

Matplotlib.plypot - pakken er et datavisualiseringsbibliotek i Python som brukes til å lage et bredt spekter av statiske, animerte og interaktive visualiseringer i Python. Og til slutt lar Axes3D- pakken deg transformere grafen som en 3-dimensjonal figur.

Etter å ha importert pakkene, er neste trinn å laste inn datasettet. I dette tilfellet brukes det sjøfødte diamantdatasettet og lagres som variabelen df .

Hvis du vil se hvordan datasettet ser ut, oppretter du en annen celle og kjører df.head( ) . Du vil da kunne se dimensjonene og beregningene inne i diamantdatasettet.

For å angi x-, y- og z-variablene til grafen din, følg syntaksvariabelen = datasett['dimensjon'] som vist nedenfor:

Lag 3D scatter plot-figuren i Python

For å lage 3D-figuren, bruk matplotlib- variabelen. Innenfor parentesen velger du beregningene for grafen du vil tilpasse.

Hvis du vil formatere figurstørrelsen, for eksempel, må du bruke figsize- metrikken og deretter angi størrelsen du ønsker.

For å definere aksene dine, bruk Axes3D-datasettet og kapsler inn "fig"-variabelen i parentesen. Ved å gjøre det transformeres denne variabelen til en funksjon. Deretter bruker du funksjonen fig.add_axes( ) for å legge til aksene du definerte i figuren.

Når du kjører koden, får du en tom 3D-graf.

For å lage spredningsplottet, bruk spredningsfunksjonen og skriv de tre aksene du definerte tidligere.

Hvis du kjører koden, får du nå et grunnleggende 3D-spredningsplott.

Hvis du vil gjøre formateringsendringer i spredningsplottet ditt, gå tilbake til den siste kodelinjen. Etter den siste aksen, trykk SHIFT+TAB . Dette vil åpne en rullegardinmeny som inneholder en liste over de forskjellige formateringsendringene du kan utføre på plottet.

Du kan definere farge, størrelse og form for hver akse. Cmap - alternativet lar deg for alle aksene dine i stedet for å spesifisere dem én etter én.

Du kan også legge til akseetiketter ved å følge syntaksen nedenfor:

Formatet på spredningsplottet avhenger helt av hvordan du vil at den endelige grafen skal se ut. Når du kjører koden i dette eksemplet, ser den slik ut:

Aktiver spredningsplottets interaktivitet

Det neste trinnet er å gjøre 3D-spredningsplottet interaktivt. Merk at denne funksjonen kun er tilgjengelig i jupyter notebook.

For å gjøre grafene interaktive, bruk %matplotlib notebook- kommandoen.

Når du kjører koden, vil du se at spredningsplottet nå er lagt til med kontroller som lar deg endre grafens perspektiv og størrelse.

Ved siden av kontrollene er det også informasjon om x, y, z-posisjonen til et spesifikt plottpunkt avhengig av hvor musepekeren er plassert.

Hvis du vil at spredningsplottet ditt skal vises i et bestemt synspunkt når du kjører det, kan du bruke kommandoene ax.azim eller ax.elev .

Importer 3D-spredningsplottet fra Python til LuckyTemplates

Når du er fornøyd med hvordan spredningsplottet ditt ser ut, er neste trinn å importere det fra Jupyter-notebook til LuckyTemplates.

Åpne din og gå til Hjem- fanen. Velg Hent data > Mer .

Se etter Python- skriptalternativet i veiviseren Hent data og klikk deretter på Koble til .

Kopier koden fra datasettet ditt i Jupyter-notisboken og lim den inn i LuckyTemplates Script-tekstboks. Klikk deretter OK .

Klikk på datasettet og velg Last inn .

Datasettet fra pythonkoden din kan nå sees i LuckyTemplates under feltruten.

For å presentere dem i en visualisering, klikk på Python visual- alternativet under Visualisering-ruten og aktiver deretter .

Deretter velger du data fra feltruten som du vil ha vist i spredningsplottet. Det anbefales å hente inn alle dataene da det lar deg utvide datasettet og aktivere andre funksjoner som er tilgjengelige i LuckyTemplates.

Når du er ferdig, går du tilbake til Jupyter-notisboken og kopierer koden (unntatt utsiktspunktet). Lim inn dette i manusredigering i LuckyTemplates.

Før du kjører koden, må du gjøre noen endringer. Siden datasett i LuckyTemplates kalles datasett som standard, må du kommentere ut df-variabelen og i stedet tilordne df som datasettet.

Og til slutt, skriv funksjonen plt.show( ) slik at spredningsplottet kan sees på LuckyTemplates skrivebord.

Dette er nå hvordan 3D-spredningsplottet ditt ser ut i LuckyTemplates.

Legge til dimensjonsfiltre i LuckyTemplates

Det fine med LuckyTemplates er at det lar deg lage . Du kan legge til dimensjonsfiltre til 3D-spredningsplottet ditt slik at du kan kontrollere hvilke data som vises i visualiseringen.

Dra et valgfritt felt inn i LuckyTemplates-lerretet, og gjør det deretter til et filter ved å bruke Slicer- alternativet i Visualisering- ruten.

Dataene i 3D-plotten vil da variere avhengig av alternativet du velger i sliceren. Du kan inn i LuckyTemplates-rapportvisualiseringen din avhengig av dine preferanser eller krav.

Etterpå kan du formatere sliceren og forvandle den til knapper. Du kan også bygge en tekstboks som viser skjærealternativet du valgte.

Konklusjon

Å lage et 3D-spredningsplott ved å bruke i LuckyTemplates er en kraftig måte å visualisere data med tre variabler. Den lar deg identifisere mønstre og trender i dataene og kan tilpasses for å passe behovene til din spesifikke brukssituasjon.

Dessuten er det å transformere spredningsplottet til en dynamisk visualisering i LuckyTemplates en fin måte å lage interaktive dashboards som lar brukere utforske og se data som er relevante for dem.

Totalt sett lar bruk i LuckyTemplates deg tilpasse visualiseringene dine og lage tilpassede diagrammer og plott som ikke er tilgjengelige i de innebygde visualiseringsalternativene. Den er perfekt for datamanipulering og -analyse, og kan brukes til å rense, transformere og analysere data før de visualiseres i LuckyTemplates.

Beste ønsker,