Uvod u alate za vizualizaciju podataka:

Vizualizacija podataka ključ je razumijevanja ishoda bilo kojeg rješenja bez obzira na domenu. Donosi više statističkih zaključaka iz razumijevanja podataka, istraživanja različitih obrazaca među podacima i više prema rezultatima razumijevanja modela. Alati za vizualizaciju podataka jedno su od glavnih područja gdje bilo koja osoba može ući u srž razumijevanja odnosa. Danas se sve više koristi na poslovnim sastancima, dionici koji im olakšavaju prepoznavanje osnovne vrijednosti proizvoda.

Što su alati za vizualizaciju podataka?

Postoje brojni alati za vizualizaciju podataka poput Tableau, QlikView, FusionCharts, HighCharts, Datawrapper, Ploty, D3.js, itd. Iako postoje humungous alati za vizualizaciju podataka koji se koriste u svakodnevnom životu u vizualizaciji podataka, jedan od najpopularnijih alata za crtanje. je matplot.pyplot.

Razlozi zbog kojih se Matplotlib iz alata za vizualizaciju podataka najčešće koristi -

  1. Matplotlib je jedna od najvažnijih crtanja knjižnica u pythonu.
  2. Cijeli modul za crtanje inspiriran je alatima za crtanje koji su dostupni u MATLAB-u.
  3. Glavni razlog je što puno ljudi dolazi iz područja matematike, fizike, astronomije i statistike, a puno inženjera i istraživača koristi se za MATLAB.
  4. MATLAB je popularni znanstveni alat za računanje vani, posebno za znanstveno računarstvo. Pa kad su ljudi koji započinju knjižnicu za planiranje specifičnih pythona za strojno učenje / Data data / Umjetna inteligencija dobili su nadahnuće MATLAB-om i izgradili knjižnicu zvanu matplotlib

  • matplotlib.pyplot -

matplotlib.pyplot se široko koristi u stvaranju figura s površinom, iscrtavanju crta i mi možemo atraktivno vizualizirati parcele.

Zaronimo izravno na vrlo jednostavne primjere -

import matplotlib.pyplot kao plt

plt.plot ((2, 4, 6, 4))

Gore je popis, plt.plot će navesti ove elemente popisa Y-osi koja je indeksirana na 0, 1, 2, 3 kao njihova odgovarajuća X-os.

plt.ylabel ( „”) Brojevi

plt.xlabel ( 'Indeksi')

Ako pogledamo gornja dva retka koda, on označava Y-os i X-os. (tj. imenovanje obje osi.)

plt.title ( 'MyPlot')

Gornji redak koda dati će naslov zapletu. Naslov nam govori o čemu se radi zaplet.

plt.show ()

Postoji jedan problem s gornjim zapletom (snimka zaslona 1), ako ste primijetili, ne vidimo strukturu sličnu mreži. Rešetka vam pomaže mnogo lakše čitati vrijednosti sa grafikona. Sada da vidimo kako doći do rešetke.

plt.plot ((1, 2, 3, 4), (1, 4, 9, 16))

Pogledajte gornju liniju koda, umjesto davanja jednog niza, imamo dva popisa koji postaju naša X i Y-osa. Ovdje možete primijetiti da, ako je naša vrijednost osi x 2, odgovarajuća vrijednost y-osi je 4, tj. Vrijednosti y-osi su kvadrati vrijednosti x-osi.

plt.ylabel ( '') kvadrati

plt.xlabel ( 'broj')

plt.grid () # mreža na

Onog trenutka kada to date, dat će se nacrt s ugrađenom rešetkom kao što je prikazano na slici 2

plt.show ()

Sada umjesto crte crte, crtamo drugačiji zaplet s drugačijim primjerom.

plt.plot ((1, 2, 3, 4), (1, 4, 9, 16), 'ro')

Svaki X, Y par ima pridruženi parametar poput boje i oblika koji im u skladu s tim možemo dati koristeći funkcionalnost argumenta para ključnih riječi python.

U ovom slučaju, 'ro' označava crvenu crvenu boju i točkice u obliku kruga (kao što je prikazano na slici 3).

plt.grid ()

plt.show ()

Recimo da matplot lib radi samo s popisom, a onda ga ne možemo široko koristiti u obradi brojeva. Možemo koristiti NumPy paket. Također, sve se interno pretvara u NumPy niz

Pogledajmo malo različitu zavjeru:

uvesti numpy kao np

t = np.arange (0, 5, 0, 2)

Gornji redak stvara vrijednosti od 0 do 5 s intervalom od 0, 2.

plt.plot (t, t ** 2, 'b–', oznaka = '2') # 'rs', 'g ^')

plt.plot (t, t ** 2.2, 'rs', oznaka = '2.2 ′)

plt.plot (t, t ** 2, 5, 'g ^', oznaka = '2, 5 ′)

U gornjim redovima koda 'b - -' označava plave crtice, 'rs' označava crvene kvadrate, 'g ^' označava zelene trokute (pogledajte sliku 4)

plt.grid ()

plt.legend ()

Gornji redak koda dodaje legende utemeljene na mreži. Legende čine zaplet izuzetno čitljivim.

plt.show ()

Upoznajmo još nekih svojstava. Ako želimo da širina linije bude veća, tada to možemo učiniti jednostavnim parametrom koji se zove širina linije.

x = (1, 2, 3, 4)

y = (1, 4, 9, 16)

plt.plot (x, y, širina linije = 5.0)

plt.show ()

Dostupno je mnogo drugih različitih parametara koje možete imati na dokumentaciji funkcije grafa u matplotlib.pyplot (https://matplotlib.org/api/pyplot_api.html).

Druga zanimljivost su postavljena svojstva.

x1 = (1, 2, 3, 4) y1 = (1, 4, 9, 16)

Y1 vrijednosti su kvadrat X1 vrijednosti

x2 = (1, 2, 3, 4) y2 = (2, 4, 6, 8)

Y2 vrijednosti samo su dvostruko od X2 vrijednosti

linije = plt.plot (x1, y1, x2, y2)

Pomoću gornjeg retka možemo ove vrijednosti crtati u jednom retku. Ono što se ovdje događa jest da crta X1 vs Y1 i X2 vs Y2, a mi ih pohranjujemo u varijablu koja se zove linije. Također možemo promijeniti svojstva tih redaka pomoću argumenata ključne riječi.

plt.setp (linije (0), boja = 'r', širina linije = 2, 0)

Ovdje se set naziva svojstvima skupa, argumenti su retci (0) koji odgovaraju X1, Y1, boja i širina linije. Gornji redak koda piše se argumentima ključne riječi (pogledajte snimku zaslona 6).

plt.setp (linije (1), 'boja', 'g', 'širina linije', 2.0)

Gornji redak koda predstavlja sintaksu matlab.

Ovdje linije (1) odgovaraju X2, Y2. Također imamo dva para argumenata "boja", "g" i "širina linije", "2.0" (pogledajte snimku zaslona 6).

Bilo koji od načina na koje možemo crtati crtu.

  • Prvi način je izvorni način na koji se koristimo u pythonu.
  • Drugi način pogodno koriste ljudi iz porekla MATLAB.

plt.grid ()

put.show ()

Zaključak - Alati za vizualizaciju podataka

U ovom postu za alate za vizualizaciju podataka otkrili smo uvod u vizualizaciju podataka na Pythonu. Da budemo precizniji vidjeli smo

  • Kako crtati podatke crtežima linija
  • Kako sažeti odnos varijabli s raspršenim zapletima

Preporučeni članci

Ovo je vodič za alate za vizualizaciju podataka. Ovdje smo proučavali osnovne koncepte i alate vizualizacije podataka s njihovim primjerima. Možete pogledati i sljedeće članke da biste saznali više -

  1. Vizualizacija podataka vs analitika podataka
  2. Data Scientist vs Data Mining
  3. Softver za velike podatke analitike
  4. . Pitanja o intervjuu za skladištenje podataka
  5. Matplotlib In Python
  6. Raspršeni planovi u Matlabu

Kategorija:

Veliki podaci