วิธีสร้างแผนพิกัดแบบขนานใน Python

แผนภาพพิกัดขนานเป็นเครื่องมือสร้างภาพที่มีประโยชน์ซึ่งใช้เพื่อแสดงความสัมพันธ์ระหว่างตัวแปรหลายตัวที่แบ่งปันข้อมูลตัวเลขเดียวกัน ใน LuckyTemplates พล็อตเหล่านี้ถูกสร้างขึ้นด้วยโค้ด Python ง่ายๆ ที่คุณสามารถใช้และสร้างสไตล์ได้อย่างง่ายดาย 

ในบล็อกวันนี้ เราจะเรียนรู้วิธีสร้างแผนพิกัดแบบหลายตัวแปรหรือแบบคู่ขนานโดยใช้Python เราจะดำเนินการทีละขั้นตอนตั้งแต่การเตรียมข้อมูลไปจนถึงการปรับแต่งโครงเรื่องเพื่อให้สามารถอ่านได้ง่ายขึ้น คุณสามารถดูวิดีโอทั้งหมดของบทช่วยสอนนี้ได้ที่ด้านล่างของบล็อกนี้ 

สารบัญ

• แปลงพิกัดคู่ขนานใน Python: ตัวอย่างที่ 1
  • พล็อต Python Code
  • การสร้างพล็อตใน Python
  • แสดงพล็อตใน Python
• แปลงพิกัดคู่ขนานใน Python: ตัวอย่างที่ 2
  • รหัส Python ชุดข้อมูล
  • แปลงสไตล์ใน Python
• บทสรุป

แปลงพิกัดคู่ขนานใน Python: ตัวอย่างที่ 1

นี่เป็นฟิคเรื่องแรกของเรา มันแสดงตัวแปรสามตัวของเรา—ตัวแปร A, B และ C และสองบรรทัดแทนรายการที่ 1 และ 2 

นั่นหมายความว่าเรามีข้อมูลสองชุด ชุดหนึ่งสำหรับรายการที่ 1 และอีกชุดสำหรับรายการที่ 2 และสำหรับชุดข้อมูลแต่ละชุด เรามีตัวแปรสามตัว 

ลองดูข้อมูลเพื่อทำความเข้าใจว่าโครงเรื่องมีโครงสร้างอย่างไร 

เริ่มต้นด้วยการเน้นกราฟ คลิกข้อมูล 

ตารางที่มีข้อมูลง่ายๆ ควรปรากฏขึ้น มันถูกสร้างขึ้นโดยใช้ตัวเลือกแทรกตาราง เราจะเห็นว่าในคอลัมน์มีตัวแปร A, B และ C สำหรับแต่ละรายการที่คั่นในแต่ละแถว

เรามีข้อมูลง่ายๆ แต่เราสามารถทำให้มันเป็นสิ่งที่บอกได้เป็นอย่างดี ตัวอย่างเช่น ในโครงเรื่องของเรา เราสามารถระบุได้ว่าความสัมพันธ์ระหว่างข้อมูลนั้นค่อนข้าง "ต่ำ" 

เพื่อแสดงให้เห็น เราสามารถเปรียบเทียบพล็อตนี้กับข้อมูลของเรา ตัวแปร B ในข้อ 1 คือ 100 และ 115 ในข้อ 2 ดังแสดงในกราฟ 

เรายังสามารถระบุได้ว่ารายการและตัวแปรเกี่ยวข้องกันอย่างไร ตัวอย่างเช่น เราสามารถเห็นได้ง่ายว่าตัวแปร A ต่ำกว่า B และ C นั้นต่ำที่สุดในบรรดาตัวแปรทั้งสาม

พล็อต Python Code

ตอนนี้เรามาดำเนินการกับ รหัส Pythonที่ใช้สำหรับพล็อตจริง 

เริ่มต้นด้วยการเลือก วิ ช  วล Pythonจากบานหน้าต่างการแสดงภาพ

เน้นกราฟแรก ของเราเพื่อเปิดโปรแกรมแก้ไขสคริปต์ Python 

ก่อนอื่น เรานำเข้าmatplotlib.pyplotและบันทึกเป็นตัวแปรplt 

จากนั้นเรานำฟีเจอร์pandas.plotting เข้ามา Pandas ทำหน้าที่เป็นไลบรารีจัดการข้อมูลใน LuckyTemplates ส่วนใหญ่จะใช้เพื่อจัดการข้อมูล แต่ก็มีคุณสมบัติการลงจุดด้วย

ลองนำเข้าparallel_coordinatesจากpandas.plotting Parallel_coordinates จะเป็นฟังก์ชันหลักในการสร้างกราฟ 

การสร้างพล็อตใน Python

ในบรรทัดที่ 13 เราบันทึกสิ่งที่เราจะทำโดยการเขียน# make a plot

เราใช้Parallel_coordinatesและส่งผ่านชุดข้อมูล 

ในบรรทัดที่ 3 เราจะเห็นว่าชุดข้อมูลถูกสร้างขึ้นโดยใช้ฟังก์ชันpandas.DataFrame ( ) จากนั้น เราเพิ่มรายการ ตัวแปร A ตัวแปร B และตัวแปร Cซึ่งจะสะท้อนให้เห็นในรายการ  ค่า ของเรา

ในบรรทัดที่ 4 ชุดข้อมูลจะถูกแยกออกโดยใช้dataset.drop_duplicates ( )

เราสามารถไปที่ บานหน้าต่าง การแสดงภาพเพื่อดูค่าที่เราเพิ่มเข้าไป

การลบหนึ่งในค่าเหล่านี้จะส่งผลต่อภาพของเรา ตัวอย่างเช่น ถ้าเราเอาตัวแปร C ออก พิกัดก็จะเปลี่ยนตามไปด้วย แสดงให้เราเห็นว่าค่าทำงานอย่างไร 

นำตัวแปร C ของเรากลับมา โดยทำเครื่องหมายที่ช่องข้างใต้ข้อมูลในบานหน้าต่างเขตข้อมูล

ถัดไป ส่งผ่าน ฟังก์ชัน Parallel_coordinatesซึ่งรับอาร์กิวเมนต์ที่แตกต่างกันเล็กน้อย ในกรณีของเรา จะใช้ชุดข้อมูลและรายการซึ่งจะให้ประเภทและมิติจากชุดข้อมูลของเรา

หากเราลบItem ออก จากฟังก์ชันของเราและเรียกใช้งาน วิชวลจะไม่ทำงาน

เราจะได้รับข้อผิดพลาดของสคริปต์ Python ที่บอกว่า ฟังก์ชัน Parallel_coordinates ( )ไม่มีอาร์กิวเมนต์ระบุตำแหน่งที่จำเป็น 1 รายการ ซึ่งก็คือclass_column 

งั้นเรามาเพิ่มItemกลับกัน เนื่องจากเป็นตำแหน่ง เราจึงไม่จำเป็นต้องเขียนพิกัดของคลาส เราสามารถเรียกใช้รหัสเมื่อทำเสร็จแล้ว 

แสดงพล็อตใน Python

ขั้นตอนต่อไปคือการแสดงโครงเรื่อง ดังนั้นในบรรทัดที่ 16 เราบันทึกสิ่งที่เราจะทำโดยเขียน# แสดงโครงเรื่อง

จำได้ว่าเรานำเข้าmatplotlib.pyplotก่อนหน้านี้และบันทึกเป็นplt เราทำอย่างนั้นเพราะเราต้องการฟังก์ชันplt.show( ) เพื่อแสดงพล็อตของเรา 

แปลงพิกัดคู่ขนานใน Python: ตัวอย่างที่ 2

พล็อตที่สองของเราคือชุดข้อมูลม่านตาที่แสดงPetal_length, Petal_width, Sepal_Length และ Sepal_width มีสไตล์มากกว่าเล็กน้อยเมื่อเปรียบเทียบกับกราฟแรก 

ชุดข้อมูลนี้สร้างด้วยรหัส Python 

หากต้องการดูข้อมูลของเรา ให้คลิกTransform dataแล้วไปที่iris_dataset 

ชุดข้อมูลประกอบด้วยคอลัมน์สำหรับมิติ— ความยาวกลีบเลี้ยงความกว้างกลีบเลี้ยงความยาวกลีบดอกและ ความกว้าง กลีบดอก นอกจากนี้ยังมีคอลัมน์สำหรับประเภทสาย  พันธุ์

รหัส Python ชุดข้อมูล

ข้อมูลของเราถูกนำเข้าอย่างง่ายดายโดยใช้รหัส Python ไปที่Sourceเพื่อแสดงสคริปต์ Python 

รหัส Python ของเรามีเพียงสองบรรทัด ในบรรทัดแรก เรานำเข้าซีบอร์นและบันทึกเป็นตัวแปรsns เราตั้งชื่อชุดข้อมูลของเราว่าiris_datasetและใช้ตัวแปร sns เพื่อโหลดชุดข้อมูลโดยใช้ฟังก์ชัน  sns.load_dataset('iris')

คลิกตกลงเพื่อรับข้อมูลที่เราเห็นด้านบน นำทางผ่านข้อมูล และเมื่อเสร็จแล้ว เราสามารถปิดชุดข้อมูลได้โดยไปที่Close & Apply > Close 

แปลงสไตล์ใน Python

หากต้องการเปิดโปรแกรมแก้ไขสคริปต์ Python สำหรับกราฟที่มีสไตล์มากขึ้น ให้คลิกแผนภาพที่สองของเรา

เราเริ่มต้นด้วยการนำเข้าmatplotlib.pyplotเป็นplt 

จากนั้น เราใช้ฟังก์ชันplt.style.use ('dark_background')เพื่อจัดรูปแบบภาพ 

เราสามารถปรับแต่งพื้นหลังตามสไตล์ที่เราต้องการโดยใช้การอ้างอิงสไตล์ชีต ของ matplotlib ในกรณีของเรา เราใช้พื้นหลังสีเข้ม

ลองใช้ggplotซึ่งเป็นรูปแบบทั่วไปที่ใช้กัน

ถ้าเราเรียกใช้มันจะให้ภาพที่มีลักษณะเช่นนี้ 

จากนั้น โหลดฟังก์ชัน pandas สำหรับกราฟโดยนำเข้าparallel_coordinatesจากpandas.plotting 

ในการสร้างโครงเรื่อง เรานำชุดข้อมูลเข้ามาและตั้งสปีชีส์ของ  เรา เป็นคลาส

เมื่อเทียบกับแผนภาพแรก เราเพิ่มพารามิเตอร์เพิ่มเติมซึ่งก็คือcolormapเพื่อให้ได้สีที่ต่างกัน ส่งต่อโดยใช้ตัวแปร matplotlib, plt.get_cmap 

มีตัวแปรสี matplotlib มากมายให้เลือกในการอ้างอิง Colormapของ matplotlib

ตัวอย่างเช่น เรากำลังใช้Set 2จาก Qualitative colormaps แต่เราสามารถเปลี่ยนเป็นสีอื่นได้ เช่นhsvจาก Cyclic colormaps 

คลิกเรียกใช้เพื่อรับพล็อตที่มีลักษณะดังนี้ 

Hsvดูไม่ค่อยดีนักในข้อมูลของเรา แต่เราสามารถลองเล่นไปรอบๆ จนกว่าเราจะพบแผนที่สีที่เหมาะสมที่สุดสำหรับโครงเรื่องของเรา 

Python Correlation: คำแนะนำในการสร้าง
ชุดข้อมูล Visuals ใน Pandas ด้วย ProfileReport() | Python ในฟังก์ชัน Seaborn ของ LuckyTemplates
ใน Python เพื่อแสดงภาพการกระจายของตัวแปร

บทสรุป

ในบทช่วยสอนนี้ เราได้กล่าวถึงพื้นฐานของการสร้างแผนภาพพิกัดคู่ขนานใน Python เราได้ผ่านขั้นตอนการเตรียมข้อมูล สร้างโครงเรื่อง และปรับแต่งโครงเรื่องเพื่อให้อ่านง่ายขึ้น 

แผนภาพพิกัดคู่ขนานเป็นเครื่องมืออันทรงพลังสำหรับการแสดงภาพข้อมูลในมิติสูง และสามารถใช้ได้ในหลากหลายสาขา รวมถึงการเงิน วิศวกรรม และแมชชีนเลิร์นนิง ตอนนี้เรารู้วิธีสร้างแผนภาพพิกัดคู่ขนานในPythonแล้ว เราสามารถเริ่มใช้มันเพื่อทำความเข้าใจและแสดงภาพข้อมูลของเราได้ดีขึ้น

สิ่งที่ดีที่สุด

เกลลิม ฮอลแลนด์