Увод у алате за визуелизацију података:

Визуализација података је кључ за разумевање резултата било ког решења без обзира на домен. Доноси више статистичких закључака из разумијевања података, истраживања различитих образаца међу подацима и више према моделу разумијевања резултата. Алати за визуализацију података су једно од главних подручја где било која особа може ући у суштинско разумијевање односа. Данас се све више користи на пословним састанцима, заинтересованим странама због којих лако препознају суштинску вредност производа.

Шта су Алати за визуелизацију података?

Постоје бројни алати за визуелизацију података као што су Таблеау, КликВиев, ФусионЦхартс, ХигхЦхартс, Датавраппер, Плоти, Д3.јс, итд. Иако постоје хумунгоус алати за визуелизацију података који се користе у свакодневном животу у визуализацији података, један од најпопуларнијих алата за цртање. је матплот.пиплот.

Разлози због којих се Матплотлиб из алата за визуализацију података најчешће користи -

  1. Матплотлиб је једна од најважнијих цртајућих библиотека у питхону.
  2. Читав модул за цртање инспирисан је алатима за цртање који су доступни у МАТЛАБ-у.
  3. Главни разлог је што пуно људи долази из подручја математике, физике, астрономије и статистике, а пуно инжењера и истраживача се користи за МАТЛАБ.
  4. МАТЛАБ је популарни научни рачунар са алаткама, посебно за научно рачунање. Па кад су људи који започињу библиотеку за планирање специфичних питхона за машинско учење / Дата сциенце / Артифициал Интеллигенце инспирисали су се МАТЛАБ-ом и изградили библиотеку под називом матплотлиб

  • матплотлиб.пиплот -

матплотлиб.пиплот се широко користи у креирању фигура са површином, исцртавању линија и можемо атрактивно визуелизовати парцеле.

Заронимо директно на врло једноставне примере -

импорт матплотлиб.пиплот као плт

плт.плот ((2, 4, 6, 4))

Наведена је листа, плт.плот ће навести ове елементе листе И-осе који је индексиран на 0, 1, 2, 3 као њихова одговарајућа Кс-ос.

плт.илабел („Бројеви“)

плт.клабел ('Индекси')

Ако погледамо горња два реда кода, он означава И-оси и Кс-ос. (тј. именовање обе осе.)

плт.титле ('МиПлот')

Горња линија кода дати ће наслов заплету. Наслов нам говори о чему се ради заплет.

плт.схов ()

Постоји један проблем са горњим заплетом (слика 1), ако сте приметили, не видимо структуру сличну мрежи. Решетка вам помаже да лакше читате вредности са графикона. Сада да видимо како да добијете мрежу.

плт.плот ((1, 2, 3, 4), (1, 4, 9, 16))

Погледајте горњу линију кода, уместо да дајемо један низ имамо две листе које постају наша Кс и И оса. Овдје можете примијетити да, ако је наша вриједност к-оси 2, то одговара вриједности и-оси 4, тј. Вриједности и-оси су квадрати вриједности к-оси.

плт.илабел ('квадрати')

плт.клабел ('бројеви')

плт.грид () # мрежа је укључена

Оног тренутка када то дате, створиће се графикон са уграђеном решетком као што је приказано на слици 2

плт.схов ()

Сада уместо црте линије цртамо другачију заплет са другачијим примером.

плт.плот ((1, 2, 3, 4), (1, 4, 9, 16), 'ро')

Сваки Кс, И пар има придружени параметар као што су боја и облик који им у складу с тим можемо дати користећи функцију аргумента пар кључних ријечи питхон.

У овом случају 'ро' означава тачку р - црвену боју и тачке у облику круга (као што је приказано на слици 3).

плт.грид ()

плт.схов ()

Рецимо да матплот либ ради само са списком, а затим га не можемо широко користити у обради бројева. Можемо користити НумПи пакет. Такође, све се интерно претвара у НумПи низ

Погледајмо мало другачији заплет:

увести нумпи као нп

т = нп.аранге (0, 5, 0, 2)

Горња линија ствара вредности од 0 до 5 са ​​интервалом од 0, 2.

плт.плот (т, т ** 2, 'б–', ознака = '2') # 'рс', 'г ^')

плт.плот (т, т ** 2.2, 'рс', лабел = '2.2 ′)

плт.плот (т, т ** 2, 5, 'г ^', лабел = '2, 5')

У горњим редовима кода 'б - -' означава плаве цртице, 'рс' означава црвене квадрате, 'г ^' означава зелене троуглове (погледајте снимак слике 4)

плт.грид ()

плт.легенд ()

Горња линија кода додаје легенде засноване на мрежи. Легенде чине заплет изузетно читљивим.

плт.схов ()

Хајде да разумемо још неке особине. Ако желимо да ширина линије буде већа, онда то може учинити једноставан параметар зван ширина линије.

к = (1, 2, 3, 4)

и = (1, 4, 9, 16)

плт.плот (к, и, ширина линије = 5.0)

плт.схов ()

Доступно је много других различитих параметара које можете имати на документацији функције цртежа на матплотлиб.пиплот (хттпс://матплотлиб.орг/апи/пиплот_апи.хтмл).

Друга занимљива ствар су постављена својства.

к1 = (1, 2, 3, 4) и1 = (1, 4, 9, 16)

И1 вредности су квадрат Кс1 вредности

к2 = (1, 2, 3, 4) и2 = (2, 4, 6, 8)

И2 вредности су само два пута од Кс2 вредности

линије = плт.плот (к1, и1, к2, и2)

Помоћу горњег ретка можемо ове вредности цртати у једној линији. Дакле, оно што се овде догађа је да црта Кс1 вс И1 и Кс2 вс И2, а ми их чувамо у променљивој званој линији. Такође можемо променити својства тих редака користећи аргументе кључних речи.

плт.сетп (линије (0), цолор = 'р', ширина линије = 2.0)

Овде је сетп позван као скупа својства, аргументи (0) који одговарају Кс1, И1, боја и ширина линије су аргументи. Горња линија кода се пише помоћу аргумената кључне речи (погледајте снимак екрана 6).

плт.сетп (линије (1), 'боја', 'г', 'ширина линије', 2.0)

Горња линија кода представља синтаксу матлаб.

Овде линије (1) одговарају Кс2, И2. Такође имамо два пара аргумената „боја“, „г“ и „ширина линије“, „2.0“ (погледајте снимак слике 6).

Било који од начина на који можемо цртати линију.

  • Први начин је изворни начин на који се користимо у питхон-у.
  • Други начин погодно користе људи из порекла МАТЛАБ.

плт.грид ()

пут.схов ()

Закључак - Алати за визуелизацију података

У овом посту за алате за визуелизацију података открили смо увод у визуелизацију података у Питхон-у. Да будемо прецизнији видели смо

  • Како графиковати податке помоћу цртежа линија
  • Како сумирати однос између променљивих са распршивањем парцела

Препоручени чланци

Ово је водич за алате за визуелизацију података. Овде смо проучавали основне концепте и алате визуализације података са њиховим примерима. Такође можете погледати следеће чланке да бисте сазнали више -

  1. Визуализација података вс аналитика података
  2. Дата Сциентист вс Дата Мининг
  3. Софтвер за велике податке аналитике
  4. .Дата Складишна питања за интервју
  5. Матплотлиб Ин Питхон
  6. Распршени планови у Матлабу

Категорија:

Велики података