By بارول باندي، Data Science في H2O.ai | محرر wicds.

ناقلات Infographic التي أنشأتها macrovector - www.freepik.com.

يعد استكشاف البيانات أحد أهم جوانب أي مهمة لتحليل البيانات. يمنحنا الفحص الأولي والفحوصات الأولية التي نقوم بها ، باستخدام الكتالوج الواسع لأدوات التصور ، رؤى قابلة للتنفيذ حول طبيعة البيانات. ومع ذلك ، فإن اختيار أداة التصور في بعض الأحيان يكون أكثر تعقيدًا من المهمة نفسها. من ناحية أخرى ، لدينا مكتبات أسهل في الاستخدام ولكنها ليست مفيدة جدًا في إظهار العلاقات المعقدة في البيانات. ثم هناك آخرون يقدمون التفاعل ولكن لديهم منحنى تعليمي كبير. لحسن الحظ ، تم إنشاء بعض المكتبات مفتوحة المصدر التي تحاول معالجة نقطة الألم هذه بشكل فعال.

في هذه المقالة ، سنلقي نظرة على اثنين من هذه المكتبات ، وهما الباندا و أزرار أكمام. سوف نتعلم كيفية إنشاء مخططات بيانية وخوخية باستخدام البنية الأساسية لتخطيط الباندا ، والتي نشعر جميعًا بالراحة معها. نظرًا لأن تركيز المقالة ينصب على بناء الجملة بدلاً من أنواع المخططات ، فسنقتصر على المخططات الأساسية الخمسة ، مثل المخططات الخطية والمخططات الشريطية والمدرج التكراري والمخططات المبعثرة والمخططات الدائرية. سننشئ كل من هذه المخططات أولاً بمكتبة رسم حيوانات الباندا ثم نعيد إنشائها في شكل مؤامرة وخوخية ، وإن كان ذلك مع لمسة.

قم باستيراد مجموعة البيانات

سنعمل مع مجموعة بيانات NIFTY-50. مؤشر NIFTY 50 هو البورصة الوطنية الهندية معيار لسوق الأسهم الهندية. مجموعة البيانات متاحة بشكل مفتوح على Kaggle، ولكننا سنستخدم مجموعة فرعية من البيانات التي تحتوي على قيمة المخزون لأربعة قطاعات فقط ، أي البنك ، والأدوية ، وتكنولوجيا المعلومات ، والسلع الاستهلاكية.

يمكنك تنزيل نموذج مجموعة البيانات من هنا.

دعنا نستورد المكتبات ومجموعة البيانات اللازمة لغرض التصور:

# استيراد الوحدات النمطية المطلوبة استيراد الباندا كـ pd import numpy مثل np import matplotlib.pyplot كـ plt٪ matplotlib inline # القراءة في البيانات nifty_data = pd.read_csv ('NIFTY_data_2020.csv'، parse_dates = ["التاريخ"]، index_col = 'التاريخ ') nifty_data.head () 

يتكون إطار البيانات المدمج من مؤشرات NIFTY لقطاعات البنوك والأدوية وتكنولوجيا المعلومات والسلع الاستهلاكية.

يمكننا أيضًا إعادة تشكيل / تجميع البيانات بنهاية الشهر. تحتوي مكتبة الباندا على ملف إعادة تشكيل () وظيفة ، والتي تعيد تشكيل بيانات السلاسل الزمنية.

nifty_data_resample = nifty_data.resample (القاعدة = 'M'). يعني () nifty_data_resample 

الآن وقد أصبح لدينا إطارات البيانات لدينا جاهزة ، فقد حان الوقت لتصورهم عبر مخططات مختلفة.

التآمر مع الباندا مباشرة

لنبدأ بأكثر تقنيات الرسم مباشرة - الباندا وظائف التآمر. لرسم رسم بياني باستخدام الباندا ، سنسمي .قطعة() طريقة على إطار البيانات.

بناء الجملة: dataframe.plot ()

• مؤامرة الطريقة هي مجرد غلاف بسيط حول matplotlib plt.plot (). يمكننا أيضًا تحديد بعض المعلمات الإضافية مثل تلك المذكورة أدناه:

بعض المعلمات الهامة -------------------------------- x: التسمية أو الموضع ، الافتراضي لا شيء يُستخدم فقط إذا كانت البيانات أ DataFrame. y: التسمية أو الموضع أو قائمة التسمية ، المواضع ، الافتراضي بلا عنوان: العنوان الذي سيتم استخدامه للمخطط X و y التسمية: الاسم الذي سيتم استخدامه للتسمية على المحور x والمحور y. حجم الشكل: يحدد حجم كائن الشكل. النوع: str نوع قطعة الأرض المطلوب إنتاجها: - 'line': مخطط خطي (افتراضي) - 'bar': مخطط شريطي عمودي - 'barh': مخطط شريط أفقي - 'Hist': Histogram - 'box': boxplot - ' kde ': مخطط تقدير كثافة Kernel - "الكثافة": مثل "kde" - "المنطقة": مخطط المنطقة - "دائري": مخطط دائري - "مبعثر": مخطط مبعثر - "hexbin": مخطط hexbin. 

للحصول على قائمة كاملة بالمعلمات واستخدامها ، يرجى الرجوع إلى توثيق. دعنا الآن نلقي نظرة على طرق إنشاء قطع أرض مختلفة. في هذه المقالة ، لن نخوض في التفاصيل لشرح كل قطعة. سنركز فقط على بناء الجملة ، وهو أمر واضح بذاته إذا كان لديك بعض الخبرة في الباندا. للحصول على فهم مفصل لمخططات الباندا ، هذا المقال سوف تكون مفيدة.

1. مؤامرة خط

nifty_data.plot (العنوان = 'قيم مؤشر Nifty في 2020' ، xlabel = 'القيم' ، figsize = (10,6،XNUMX) ؛ 

مؤامرة الخط مع تآمر الباندا.

2. مخطط مبعثر

nifty_data.plot (kind = 'scatter'، x = 'NIFTY FMCG index'، y = 'NIFTY Bank index'، title = 'Scatter Plot for NIFTY Index value in 2020'، figsize = (10,6،XNUMX)) ؛ 

مخطط مبعثر مع تآمر الباندا.

3. المدرج الاحصائي

nifty_data [['NIFTY FMCG index'، 'NIFTY Bank index']]. plot (kind = 'hist'، figsize = (9,6،30)، bins = XNUMX)؛ 

الرسم البياني مع رسم الباندا.

4. مؤامرات شريط

nifty_data_resample.plot (النوع = 'شريط' ، حجم التين = (10,6،XNUMX)) ؛ 

مؤامرة شريط مع تآمر الباندا.

• قطع شريط مكدسة

nifty_data_resample.plot (النوع = 'barh' ، حجم التين = (10,6،XNUMX)) ؛ 

مؤامرة شريط مكدس مع تآمر الباندا.

5. الرسوم البيانية الدائرية

nifty_data_resample.index = ['Jan'، 'Feb'، 'March'، 'Apr'، 'May'، 'June'، 'July'] nifty_data_resample ['NIFTY Bank index']. plot.pie (legend = False، حجم التين = (10,6،1) ، أوتوبكت = '٪. XNUMXf') ؛ 

مخطط دائري مع تآمر الباندا.

كانت هذه بعض المخططات التي يمكن إنشاؤها مباشرة باستخدام إطارات بيانات الباندا. ومع ذلك ، تفتقر هذه المخططات إلى التفاعل والقدرات مثل التكبير والتصغير. دعنا الآن نغير هذه المخططات الموجودة في بناء الجملة إلى نظيراتها التفاعلية بالكامل مع تغيير طفيف في البنية.

Bokeh Backend للباندا - التآمر مع Pandas-Bokeh.

صورة المؤلف.

• خوخه مكتبة تبرز بوضوح عندما يتعلق الأمر بتصورات البيانات. • الباندا خوخه يوفر خلفية خوخية للتخطيط لـ الباندا, جيوبانداو بيسبارك إطارات البيانات. تضيف هذه الواجهة الخلفية طريقة plot_bokeh () إلى DataFrames والسلسلة.

التنزيل

يمكن تثبيت Pandas-Bokeh من PyPI بواسطة بذرة or كوندا:

تثبيت Pandas-bokeh أو Conda install -c patrikhlobil pandas-bokeh 

الأستعمال

يجب استيراد مكتبة Pandas-Bokeh بعد Pandas أو GeoPandas أو Pyspark.

استيراد الباندا كما pd import pandas_bokeh 

بعد ذلك ، يحتاج المرء إلى تحديد ناتج التخطيط ، والذي يمكن أن يكون أيًا من الاثنين:

pandas_bokeh.output_notebook () # لتضمين المؤامرات في Jupyter Notebooks. pandas_bokeh.output_file (اسم الملف) # لتصدير المؤامرات بتنسيق HTML. 

بناء الجملة

الآن ، يمكن الوصول إلى واجهة برمجة التطبيقات الخاصة بالتخطيط لـ Pandas DataFrame عبر ملف dataframe.plot_bokeh ().

لمزيد من التفاصيل حول مخرجات التخطيط ، راجع المرجع هنا أو وثائق Bokeh. دعنا الآن نرسم جميع أنواع المؤامرات الخمسة كما هو موضح في القسم أعلاه. سنستخدم نفس مجموعات البيانات المستخدمة أعلاه.

استيراد الباندا مثل pd import pandas_bokeh pandas_bokeh.output_notebook () 

1. مؤامرة خط

nifty_data.plot_bokeh (kind = 'line') # مكافئ لـ nifty_data.plot_bokeh.line () 

مؤامرة الخط مع pandas_bokeh.

2. مخطط مبعثر

nifty_data.plot_bokeh.scatter (x = 'NIFTY FMCG index'، y = 'NIFTY Bank index') ؛ 

مخطط مبعثر مع pandas_bokeh.

3. المدرج الاحصائي

nifty_data [['NIFTY FMCG index'، 'NIFTY Bank index']]. plot_bokeh (kind = 'hist'، bins = 30)؛ 

الرسم البياني مع pandas_bokeh.

4. مؤامرات شريط

nifty_data_resample.plot_bokeh (النوع = 'شريط' ، حجم التين = (10,6،XNUMX)) ؛ 

مؤامرة شريط مع pandas_bokeh.

• قطع شريط مكدسة

nifty_data_resample.plot_bokeh (نوع = "بار" ، مكدس = صحيح) ؛ 

مخطط شريط مكدس مع pandas_bokeh.

5. الرسوم البيانية الدائرية

nifty_data_resample.index = ['Jan'، 'Feb'، 'March'، 'Apr'، 'May'، 'June'، 'July'] nifty_data_resample.plot_bokeh.pie (y = 'NIFTY Bank index') 

مخطط دائري مع pandas_bokeh.

بالإضافة إلى ذلك ، يمكنك أيضًا إنشاء عدة مخططات دائرية متداخلة داخل نفس قطعة الأرض:

nifty_data_resample.plot_bokeh.pie () 

مخطط دائري متداخل مع pandas_bokeh.

رأى هذا القسم كيف يمكننا إنشاء مخططات خوخية بسلاسة دون أي تغيير كبير في بناء جملة تخطيط الباندا. الآن يمكننا الحصول على أفضل ما في العالمين دون الحاجة إلى تعلم أي تنسيق جديد.

مؤامرة الخلفية للباندا - التآمر مع أزرار أكمام.

صورة المؤلف.

مكتبة أخرى شائعة الاستخدام لتصور البيانات هي Plotly. باستخدام الرسم البياني ، يمكنك إنشاء مخططات تفاعلية في Python و R و JavaScript. اعتبارًا من الإصدار 4.8 ، خرج Plotly بـ مؤامرة السريع بالطاقة الواجهة الخلفية لتخطيط الباندا ، مما يعني أنه حتى لا يحتاج المرء إلى الاستيراد بشكل مؤامرة لإنشاء تصورات مثل المؤامرة.

ومع ذلك ، فإن المكتبة التي أريد أن أذكرها هنا ليست صريحة بشكل مؤكد ، ولكنها مكتبة غلاف مستقلة تابعة لجهة خارجية حول Plotly تسمى أزرار أكمام (كفلينج ). يكمن جمال أزرار الكم في أنها أكثر تنوعًا ، ولها وظائف أكثر ، ولها واجهة برمجة تطبيقات مشابهة لتخطيط الباندا. هذا يعني أنك تحتاج فقط إلى إضافة ملف .iplot () طريقة إطارات بيانات الباندا لرسم الرسوم البيانية.

التنزيل

تأكد من أنك قمت بالتثبيت بشكل مخطط قبل تثبيت أزرار الكم. يقرأ   دليل للتعليمات.

تثبيت أزرار الكم 

الأستعمال

• مستودع لديه الكثير من الأمثلة المفيدة والدفاتر للبدء.

استيراد الباندا كأزرار أكمام استيراد pd مثل cf من IPython.display import display ، HTML # جعل جميع المخططات عامة وتعيين سمة عامة cf.set_config_file (sharing = 'public'، theme = 'white'، offline = True) 

هذا كل شيء. يمكننا الآن إنشاء تصورات بقوة الحبكة ولكن بسهولة الباندا. التغيير الوحيد في بناء الجملة هو dataframe.iplot ().

1. مؤامرة خط

nifty_data.iplot (النوع = "سطر") 

مؤامرة الخط مع أزرار أكمام.

2. مخطط مبعثر

تحتاج إلى ذكر التآمر طريقة لتتبع التشتت أثناء إنشاء مخطط مبعثر. يمكن أن يكون الوضع خطوطًا أو علامات أو نصًا أو مزيجًا من أي منهما.

nifty_data.iplot (kind = 'scatter'، x = 'NIFTY FMCG index'، y = 'NIFTY Bank index'، mode = 'markers') ؛ 

مخطط مبعثر مع أزرار أكمام.

3. المدرج الاحصائي

nifty_data [['NIFTY FMCG index'، 'NIFTY Bank index']]. iplot (kind = 'hist'، bins = 30)؛ 

الرسم البياني مع أزرار الكم.

4. مؤامرات شريط

nifty_data_resample.iplot (النوع = "شريط") ؛ 

Barplots مع أزرار أكمام.

• قطع شريط مكدسة

nifty_data_resample.iplot (kind = 'barh'، barmode = 'stack') ؛ 

مؤامرات شريط مكدس مع أزرار أكمام.

5. الرسوم البيانية الدائرية

nifty_data_resample.index = ['Jan'، 'Feb'، 'March'، 'Apr'، 'May'، 'June'، 'July'] nifty_data_resample.reset_index (). iplot (kind = 'pie'، labels = ' index '، القيم =' NIFTY Bank index ') 

مخططات دائرية مع أزرار أكمام.

توفر مكتبة Cufflinks طريقة سهلة للحصول على قوة الرسم البياني داخل الرسم البياني. التشابه في بناء الجملة هو نقطة أخرى من المزايا.

وفي الختام

مؤامرة Bokeh أو Plotly مكتفية ذاتيًا في نقل المعلومات بالكامل. بناءً على اختيارك وتفضيلاتك ، يمكنك اختيار كليهما أو أحدهما مع الحفاظ على التركيز على الغرض الأساسي المتمثل في جعل المرئيات أكثر سهولة وتفاعلية في نفس الوقت.

أصلي. تم إعادة النشر بإذن.

هذا الموضوع ذو علاقة بـ:

• سباقات الرسوم البيانية الشريطية المتحركة في بايثون
• كيفية التأكد من استخدام تحليلك بالفعل
• تعرف على بياناتك بشكل أسرع مع مكتبة Sweetviz Python الجديدة