Wizualizacja danych za pomocą Pand

Pandy wspierały nas dotychczas na etapie wstępnego przetwarzania danych. Chociaż w jednym przypadku podczas tworzenia histogramów wykorzystaliśmy także inny moduł Pand – plotting.

Jak dotąd celowo tego unikaliśmy, ponieważ wcześniejsze wprowadzenie spowodowałoby więcej pytań niż odpowiedzi. Mianowicie Pandy i Matplotlib był tak powszechnym i wszechobecnym duetem, że Pandy zaczęły integrować funkcjonalność Matplotlib. To ciężko wykorzystuje Matplotlib do wykonywania wszelkich rzeczywistych kreśleń, a wiele funkcji Matplotlib znajdziesz w kodzie źródłowym. Alternatywnie możesz użyć innych backendów do kreślenia, takich jak Zgrabnie i Bokeh.

Jednak Pandy wprowadzają nas także w kilka wątków nie są część standardowych typów wykresów Matplotlib, takich jak KDE, Krzywe Andrewsa, Wykresy Bootstrapa i Macierze rozproszone.

Połączenia plot() funkcja pandy DataFrame używa backendu określonego przez plotting.backendiw zależności od kind argument – ​​generuje wykres korzystając z podanej biblioteki. Ponieważ wiele z nich się pokrywa – nie ma sensu omawiać typów działek takich jak line, bar, hist i scatter. Wygenerują prawie te same wykresy z tym samym kodem, co robiliśmy do tej pory z Matplotlibem.

Przyjrzymy się tylko pokrótce plot() ponieważ dotychczas zbadano mechanizm leżący u jego podstaw. Zamiast tego skupmy się na niektórych fabułach, które omawiamy nie może już łatwo zrobić z Matplotlibem.

To będzie bardzo krótki rozdział, ponieważ możliwości kreślenia i wizualizacji Pandy bledną w porównaniu z Matplotlibem – ale nadal warto poznać niektóre z nich, a także mieć świadomość możliwości kreślenia z DataFramebezpośrednio.

Połączenia DataFrame.plot() Funkcjonować

Połączenia plot() funkcja akceptuje x i y cechy i a kind argument. Alternatywnie, aby uniknąć kind argument, możesz także zadzwonić DataFrame.plot.kind() zamiast tego i przekaż x i y funkcje.

Przyjęte wartości dla kind argumentem są: line, bar, barh (pasek poziomy), hist, box, kde, density (synonim dla kde), area, pie, scatter i hexbin (podobnie jak mapa cieplna).

import pandas as pd
from matplotlib import pyplot as plt df = pd.read_csv('gdp_csv.csv')
df_eu = df.loc[df['Country Name'] == 'European Union'] df_eu.plot.bar(x = 'Year', y = 'Value')
df_eu.plot.line(x = 'Year', y = 'Value')
df_eu.plot.box(x='Value') plt.show()

Zamiast zapewniać Series instancje, tak jak robimy to dla Matplotlib – wystarczy zapewnić nazwy kolumn, a ponieważ dzwonisz do plot() funkcja na DataFrame wizualizujesz, Pandy z łatwością przyporządkują te wartości ciągów do odpowiednich nazw kolumn.

Każde z tych połączeń tworzy nowe Figure instancję i wykreśla na niej odpowiednie wartości:

Aby wykreślić wiele osi na tym samym Figure, możesz zrobić Figure i jeden lub więcej Axes przez plt.subplots() i przypisz odpowiednie Axes do ax argument każdego plot.plot_type() połączenie:

import pandas as pd
from matplotlib import pyplot as plt df = pd.read_csv('gdp_csv.csv')
df_eu = df.loc[df['Country Name'] == 'European Union'] fig, ax = plt.subplots(3, 1) df_eu.plot.box(x='Value', ax = ax[0])
df_eu.plot.line(x = 'Year', y = 'Value', ax = ax[1])
df_eu.plot.bar(x = 'Year', y = 'Value', rot = 45, ax = ax[2]) plt.show()

Niektóre standardowe argumenty, takie jak rotation argumenty są w rzeczywistości różne w plot() dzwoni. Na przykład, rotation jest skrócony do rot. To sprawia, że ​​jest to trochę trudne po prostu przełącz się między Matplotlibem a Pandas, ponieważ najprawdopodobniej wylądujesz na stronach dokumentacji, po prostu sprawdzając, które argumenty można zastosować, a które nie.

Teraz zamiast tworzyć nowy Figure or Axes Przykładowo każda z tych działek będzie stacjonowała w odpowiednim miejscu Axes przypadkach, w które je dostarczyliśmy:

Ogólnie rzecz biorąc, kreślenie za pomocą Pand jest wygodne i szybkie, ale mimo to w przypadku wykresów słupkowych, liniowych i pudełkowych prawdopodobnie będziesz chciał skorzystać z Matplotlib. Jest to zarówno podstawowy silnik, z którego nieuchronnie korzysta Panda, jak i ma więcej opcji dostosowywania, dzięki czemu nie musisz zapamiętywać nowego zestawu argumentów, których możesz używać w przypadku wykresów Pandy.

Biorąc to pod uwagę, w przypadku niektórych działek możesz preferować Pandy, ponieważ musiałyby być wykonane ręcznie w Matplotlib, a wykonanie niektórych z nich jest tak kłopotliwe, że nie jest warte wysiłku, jak na przykład linie KDE.

Pandy konspiratorstwo Moduł

Co DataFramemają do zaoferowania w zakresie wizualizacji, nie jest dla nas niczym nowym. Jednak podstawowy moduł, który nazywają, pandas.plotting robi. The plotting Moduł posiada kilka funkcji, z których możemy skorzystać, jak np autocorrelation_plot(), bootstrap_plot(), scatter_matrix().

Każdy z nich akceptuje albo a Series lub DataFrame, w zależności od rodzaju tworzonej wizualizacji, a także niektórych parametrów specyfikacji kreślenia i celów stylistycznych.

Wykres Bootstrapa

Bootstrapping to proces losowego pobierania próbek (z zastępowaniem) zbioru danych i obliczania miar dokładności, takich jak stronniczość, zmienność i przedziały ufności dla losowych próbek. „Z zastąpieniem” w praktyce oznacza, że ​​każdy losowo wybrany element można wybrać ponownie. Bez zamiany oznacza, że ​​po każdym losowo wybranym elemencie jest on usuwany z puli do następnej próbki.

A Wykres Bootstrapa, utworzony przez Pandas, ładuje statystyki średniej, mediany i średniego zakresu zbioru danych na podstawie próbki size, po czym wykres jest następnie pokazywany poprzez plt.show(). Domyślne argumenty dla size i samples jest 50 i 500 odpowiednio.

Oznacza to, że dla danej funkcji pobieramy próbkę 50 wartości. Następnie dla tych 50 wartości generowana jest 50-elementowa podpróbka (dane syntetyczne) i dla nich obliczana jest statystyka podsumowująca (średnia/mediana/średni zakres). Ten proces się powtarza 500 razy, więc ostatecznie mamy 500 statystyk podsumowujących:

import pandas as pd
from matplotlib import pyplot as plt df = pd.read_csv('./datasets/gdp_csv.csv')
df_eu = df.loc[df['Country Name'] == 'European Union'] pd.plotting.bootstrap_plot(df_eu['Value']) plt.show()

Wykres autokorelacji

Wykresy autokorelacji służą do sprawdzania losowości danych w przypadku danych szeregów czasowych. Wiele autokorelacje są obliczane dla różnych znaczników czasu, a jeśli dane są rzeczywiście losowe – korelacja będzie bliska zeru. Jeżeli nie – korelacja będzie większa od zera.

Narysujmy dwa wykresy autokorelacji – jeden z naszym wartość funkcję i jedną z Series wypełnione losowymi wartościami:

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt df = pd.read_csv('gdp_csv.csv')
# Filter DataFrame for the EU
df_eu = df.loc[df['Country Name'] == 'European Union']
# Generate 50 random integers between 0 and 100, and turn into a Series
random_series = pd.Series(np.random.randint(0, 100, size=50)) # Plot Autocorrelation Plot for the *Value* feature
pd.plotting.autocorrelation_plot(df_eu['Value'])
# Plot Autocorrelation Plot for the *random_series*
pd.plotting.autocorrelation_plot(random_series) plt.show()

Wykres autokorelacji dla random_series powinno się kręcić wokół 0, ponieważ są to dane losowe, natomiast wykres dla Value funkcja nie będzie:

Warto zauważyć, że autokorelacja mierzy jeden Nasz formularz losowości, jako nieskorelowane, ale istnieją dane nielosowe. Jeśli nie jest losowy, ale nie ma żadnych znaczących korelacji – wykres autokorelacji wskazywałby, że dane są losowe.

Macierze rozproszone

Macierze rozproszone fabuła A ruszt wykresów punktowych dla wszystkich obiektów względem wszystkich obiektów. Ponieważ to nieuchronnie porównuje każdą cechę także ze sobą – przekątna gdzie tak się dzieje, jest zwykle zastępowane przez a Histogram tej cechy, a nie wykres punktowy. Macierze rozproszone są również znane jako Pary działek, a Seaborn oferuje pairplot() pełnić funkcję właśnie do tego.

Połączenia scatter_matrix() funkcja akceptuje a DataFrame i tworzy macierz rozproszenia dla wszystkich jej cech numerycznych i zwraca tablicę 2D Axes instancje składające się na macierz rozproszenia. Aby cokolwiek w nich zmienić, będziesz chciał je przejrzeć:

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt df = pd.read_csv('worldHappiness2019.csv') axes = pd.plotting.scatter_matrix(df, diagonal='hist') for ax in axes.flatten(): # Rotate back to 0 degrees since they're automatically rotated by 90 ax.yaxis.label.set_rotation(0) # As to not overlap with the Axes instances, set the ticklabel # alignment to 'right' ax.yaxis.label.set_ha('right') plt.show()

Powoduje to dość dużą macierz rozproszenia wszystkich cech w porównaniu ze wszystkimi innymi cechami:

Można także przejść w diagonal argument, który akceptuje 'hist' or 'kde' aby określić, jaki typ wykresu rozkładu chcesz wykreślić po przekątnej, a także alpha, określając przezroczystość znaczników na wykresach punktowych.

• Coinsmart. Najlepsza w Europie giełda bitcoinów i kryptowalut.
• Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. DARMOWY DOSTĘP.
• CryptoJastrząb. Radar Altcoin. Bezpłatna wersja próbna.
• Źródło: https://stackabuse.com/data-visualization-with-pandas/