Vizualizace

V této lekci si ukážeme, jak zobrazovat různé druhy grafů pomocí modulu matplotlib. Také si představíme Jupyter notebook, díky kterému budeme schopni vytvářet hezké reporty z našich datových analýz.

První graf

Modul matplotlib nabízí ohromné množství možností pro vizualizaci dat. My zde probereme jen naprosté základy, aby nám lekce nenarostla to olbřímích rozměrů.

import pandas
import matplotlib.pyplot as plt

url = "https://kodim.cz/cms/assets/kurzy/python-data-1/python-pro-data-1/vizualizace/ucet.csv"
ucet = pandas.read_csv(url, names=['datum', 'pohyb'], index_col='datum')
print(ucet)

ucet.plot()
plt.show()

Importujeme si objekt pyplot z knihovny matplotlib a pojmenujeme si ho jako plt
Použijeme funkci pandas.read_csv(), kterou si necháme data stáhnout rovnou z internetu
Protože CSV soubor nemá hlavičku, musíme si sloupce sami pojmenovat a určit, který bude DataFrame index
Necháme si DataFrame vykreslit do podoby grafu
Obrázek s grafem si zobrazíme

Mělo by se vám otevřít nové okno s následujícím obrázkem

Užitečnější by mohlo být zobrazit graf zůstatků

ucet.cumsum().plot()
plt.show()

Nyní si s grafem můžeme vyhrát podle chuti a nastavit jeho vzezření přesně tak, jak potřebujeme. Metoda plot na sériích obsahuje nepřeberné možnosti nastavení. Například takto vyrobíme z pohybů na účtu sloupcový graf s mřížkou ve žluté barvě.

ucet.plot(kind='bar', color='yellow', grid=True)
plt.show()

Protože možností a parametrů je opravdu hodně, vyplatí se číst oficiální dokumentaci a projít si nějaký vhodný tutoriál na internetu například přímo ten oficiální k vizualizaci v Pandas.

Typy grafů

Typ grafu, který chceme zobrazit, se v metodě plot specifikuje pomocí argumentu type. Sloupcový graf pohybů na účtu

Základní typy grafů, které se hojně používají mohou být například tyto:

plot() - Bodový graf,
bar() - Sloupcový graf,
hist() - Histogram,
boxplot() - Krabicový graf.

Výběr vhodného typu vizualizace se odvíjí od toho, jaká data zobrazujeme. Rady, jak vybrat vhodný typ vizualizace, najdete třeba v tomto článku.

Histogramy

Histogram je důležitý typ grafu, který nám umožňuje zobrazit četnost hodnot z nějakého datasetu. Následující seznam obsahuje výšku 64 náhodných mužů v České republice, měřeno v centimetrech.

muzi = pandas.Series([
    179.3, 183.7, 181.4, 176.0, 183.6, 184.7, 163.4, 180.3,
    167.5, 166.8, 173.5, 172.5, 173.0, 177.6, 176.0, 179.5,
    182.6, 172.0, 183.2, 177.0, 176.2, 175.7, 174.3, 180.3,
    184.9, 171.1, 182.3, 169.7, 181.3, 188.8, 176.8, 159.0,
    180.3, 198.5, 185.8, 191.0, 170.9, 196.0, 183.3, 183.0,
    189.9, 184.8, 184.0, 183.1, 184.0, 190.7, 191.7, 187.8,
    177.5, 177.5, 189.2, 188.4, 195.0, 204.2, 180.2, 181.3,
    178.2, 182.6, 172.1, 175.7, 180.7, 181.2, 165.0, 188.6
])

Pomocí histogramu zobrazíme četnosti jednotlivých hodnot.

muzi.hist()
plt.show()

Histogram si pro přehlednost můžeme rozdělit do po pěti centimetrech

muzi.hist(bins=[
    150, 155, 160, 165, 170, 175, 180, 185, 190, 195, 200, 205, 210
])
plt.show()

Krabicový graf

Krabicový graf graficky znázorňuje medián a kvartily naměřených hodnot. Můžeme si jej vyzkoušet na výškách mužů.

muzi.plot(kind='box', whis=[0, 100])
plt.show()

Krabicové grafy jsou užitečné především pro porovnání dvou různých měření. Přidejme si druhou datovou sadu představující naměřené výšky žen

zeny = pandas.Series([
    172.0, 169.0, 166.8, 164.6, 172.7, 171.5, 167.0, 167.0,
    168.3, 184.7, 166.0, 160.0, 168.8, 165.8, 173.5, 163.0,
    168.9, 158.4, 166.4, 169.4, 174.2, 175.6, 167.2, 168.0,
    171.5, 168.8, 168.9, 174.1, 169.0, 170.7, 156.3, 174.8,
    169.1, 161.4, 172.5, 166.1, 171.5, 163.9, 164.5, 169.0,
    168.5, 163.3, 169.5, 167.4, 175.5, 165.0, 166.6, 158.9,
    164.5, 168.7, 161.6, 175.8, 179.0, 167.9, 161.1, 167.6,
    165.9, 165.2, 176.0, 179.4, 160.1, 163.8, 177.7, 160.4
])

Nyní chceme zobrazit krabicový graf porovnávající výšky obou pohlaví. K tomu si z našich sérií vyrobíme DataFrame.

vysky = muzi.to_frame(name='muži')
vysky['ženy'] = zeny
vysky.plot(kind='box', whis=[0, 100])
plt.show()

následující »

Cvičení