Как сделать графики с параллельными координатами в Python

Графики с параллельными координатами — это полезный инструмент визуализации, используемый для демонстрации взаимосвязей между несколькими переменными, использующими одни и те же числовые данные. В LuckyTemplates эти графики создаются с помощью очень простого кода Python, который можно использовать, а также легко создавать и стилизовать. 

В сегодняшнем блоге мы узнаем, как создавать графики с несколькими переменными или параллельными координатами с помощью Python . Мы рассмотрим процесс шаг за шагом, от подготовки данных до настройки графика для лучшей читабельности. Вы можете посмотреть полное видео этого урока внизу этого блога . 

Оглавление

• Графики с параллельными координатами в Python: пример 1
  • Сюжетный код Python
  • Создание сюжета в Python
  • Отображение сюжета в Python
• Графики с параллельными координатами в Python: пример 2
  • Код Python для набора данных
  • Стилизация графиков в Python
• Заключение

Графики с параллельными координатами в Python: пример 1

Это наш первый сюжет. Он показывает наши три переменные — переменную A, B и C, а также две строки, представляющие элементы 1 и 2. 

Это означает, что у нас есть два набора данных, один для элемента 1, а другой для элемента 2. И для каждого набора данных у нас есть три переменные. 

Давайте посмотрим на данные, чтобы лучше понять, как был построен график. 

Начните с выделения графика. Щелкните Данные. 

Должна появиться таблица с очень простыми данными. Он был создан с использованием опции вставки таблицы. Мы видим, что в столбцах есть переменные A, B и C для каждого элемента, которые разделены в каждой строке.

У нас есть простые данные, но мы можем превратить их во что-то очень красноречивое. Например, на нашем графике мы можем определить, что связь между данными довольно «низкая». 

Чтобы проиллюстрировать, мы можем сравнить этот график с нашими данными. Переменная B в элементе 1 равна 100, а в элементе 2 — 115, как показано на графике. 

Мы также можем определить, как связаны элементы и переменные. Например, мы можем легко увидеть, что переменная A ниже, чем B, и что C является самой низкой из трех.

Сюжетный код Python

Давайте теперь приступим к коду Python , используемому для реального сюжета. 

Начните с выбора визуального элемента Python на панели визуализаций . 

Выделите наш первый график, чтобы открыть редактор скриптов Python . 

Сначала мы импортируем matplotlib.pyplot и сохраняем его как переменную plt. 

Затем мы вводим функции pandas.ploting . Pandas служит библиотекой для обработки данных в LuckyTemplates. Он в основном используется для манипулирования данными, но также имеет функции построения графиков.

Давайте импортируем parallel_coordinates из pandas.plotting . Parallel_coordinates будет основной функцией для создания графика. 

Создание сюжета в Python

В строке 13 мы документируем то, что собираемся делать, написав # make a plot.

Мы используем parallel_coordinates и передаем набор данных. 

В строке 3 мы видим, что набор данных создается с помощью функции pandas.DataFrame() . Затем мы добавляем элемент, переменную A, переменную B и переменную C, которые затем отражаются в нашем списке значений . 

В строке 4 набор данных дедуплицируется с помощью dataset.drop_duplicates().

Мы можем перейти на панель визуализаций , чтобы увидеть добавленные нами значения .

Удаление любого из этих значений повлияет на наши визуальные эффекты. Например, если мы удалим переменную C, координаты изменятся соответствующим образом, показывая нам, как работают значения . 

Давайте вернем нашу переменную C , установив флажок рядом с ней в разделе «Данные» на панели «Поля» .

Затем передайте функцию parallel_coordinates , которая принимает несколько разных аргументов. В нашем случае он принимает набор данных и элемент, который предоставляет тип и измерение из нашего набора данных.

Если мы удалим Item из нашей функции и запустим ее, визуал не будет работать.

Мы получим ошибку сценария Python, говорящую о том, что в функции parallel_coordinates() отсутствует 1 обязательный позиционный аргумент, который является class_column . 

Итак, давайте добавим Item обратно. Поскольку он позиционный, нам не нужно записывать координаты класса. Мы можем запустить код, когда закончим. 

Отображение сюжета в Python

Следующим шагом будет отображение сюжета, поэтому в строке 16 мы документируем то, что собираемся делать, написав # show the plot.

Напомним, ранее мы импортировали matplotlib.pyplot и сохранили его как plt. Мы сделали это, потому что нам нужна функция plt.show() , чтобы показать наш график. 

Графики с параллельными координатами в Python: пример 2

Наш второй график представляет собой набор данных по радужной оболочке , показывающий длина лепестков, ширина лепестков, длина лепестков и ширина лепестков. Он имеет немного больше стиля по сравнению с первым графиком. 

Этот набор данных был создан с помощью кода Python. 

Чтобы просмотреть наши данные, нажмите Transform data и перейдите в файл iris_dataset. 

Набор данных содержит столбцы для измерений: длина чашелистика , ширина чашелистика , длина лепестка и ширина лепестка . Он также имеет столбец для типа вида . 

Код Python для набора данных

Наши данные были легко введены с помощью кода Python. Перейдите к источнику , чтобы показать скрипт Python. 

Наш код на Python состоит всего из двух строк. В первой строке мы импортировали seaborn и сохранили его как переменную sns . Мы назвали наш набор данных iris_dataset и использовали переменную sns для загрузки набора данных с помощью функции sns.load_dataset('iris') . 

Нажмите OK , чтобы получить данные, которые мы видели выше. Перемещайтесь по данным, и, закончив, мы можем закрыть набор данных, выбрав «Закрыть и применить»> «Закрыть» . 

Стилизация графиков в Python

Чтобы открыть редактор сценариев Python для нашего более стилизованного графика, щелкните наш второй график.

Начнем с импорта matplotlib.pyplot как plt. 

Затем мы используем функцию plt.style.use('dark_background') для стилизации визуального элемента. 

Мы можем легко настроить фон на основе нашего предпочтительного стиля, используя справочник по таблицам стилей matplotlib . В нашем случае мы использовали темный фон.

Давайте также попробуем использовать ggplot , который является распространенным стилем.

Если мы запустим его, он даст нам визуал, который выглядит следующим образом. 

Затем загрузите функцию pandas для графика, импортировав parallel_coordinates из pandas.plotting. 

Чтобы сделать график, мы вводим набор данных и устанавливаем наш вид в качестве класса . 

По сравнению с нашим первым графиком мы добавляем дополнительный параметр, который является цветовой картой , чтобы получить разные цвета. Передайте это, используя переменную matplotlib, plt.get_cmap. 

В справочнике по цветовой карте matplotlib есть много цветовых переменных matplotlib, которые можно выбрать .

Например, в настоящее время мы используем Set 2 из качественных цветовых карт, но мы также можем изменить его на другие цвета, такие как hsv из циклических цветовых карт. 

Нажмите «Выполнить», чтобы получить сюжет, который выглядит следующим образом. 

Hsv выглядит не очень хорошо на наших данных, но мы можем поэкспериментировать, пока не найдем наиболее подходящую цветовую карту для нашего графика. 

Python Correlation: руководство по созданию наборов визуальных
данных в Pandas с помощью ProfileReport() | Python в функции LuckyTemplates
Seaborn в Python для визуализации распределения переменных

Заключение

В этом уроке мы рассмотрели основы создания графиков с параллельными координатами в Python. Мы прошли процесс подготовки данных, создания графика и настройки графика для лучшей читабельности. 

Графики с параллельными координатами — это мощный инструмент для визуализации многомерных данных, который можно использовать в различных областях, включая финансы, инженерию и машинное обучение. Теперь, когда мы знаем, как создавать графики с параллельными координатами в Python , мы можем начать использовать их, чтобы лучше понять и визуализировать наши собственные данные.

Всего наилучшего,

Гаэлим Холланд