Einführung
„Visualisierung gibt Ihnen Antworten auf Fragen, von denen Sie nicht wussten, dass Sie sie haben“. – Ben Shneiderman
Mein Job als Data Scientist erfordert viel Experimentierfreudigkeit. Das heißt, ich vertraue sehr Datenvisualisierung um den Datensatz zu erkunden, an dem ich arbeite.
Und ich könnte mich nicht mehr mit dem Zitat von Ben Shneiderman identifizieren!! Die Datenvisualisierung gibt mir Antworten auf Fragen, die ich vorher noch nicht einmal in Betracht gezogen habe. Schließlich, ein bild ist tausend datenpunkte wert!
Dies führt natürlich zur Millionen-Dollar-Frage., das Felshaken Welche Bibliothek sollte ich für die Datenvisualisierung verwenden? Es gibt ziemlich viele auf der ganzen Linie. Selbst erfahrene Datenwissenschaftler können sich in den unzähligen Funktionen verlieren, die jede Python-Bibliothek bietet..
Aus diesem Grund wollte ich diesen Artikel schreiben, der die Vorteile und einzigartigen Eigenschaften der verschiedenen Python-Datenvisualisierungsbibliotheken aufzeigt.. Wir werden einige der erstaunlichsten Anzeigebibliotheken behandeln, die Python unterstützt.. Jede dieser Bibliotheken hat ihren eigenen Stil und ist für eine bestimmte Art von Visualisierungsaufgabe sehr nützlich..
Also ohne weiteres, Lasst uns beginnen!
Wenn Sie neu in Python sind und / oder Datenvisualisierung, Ich schlage vor, dass Sie sich die folgenden Analytics Vidhya-Ressourcen ansehen:
Das 6 Python-Bibliotheken zur Datenvisualisierung, die wir behandeln werden
- Matplotlib
- Seaborn
- Bokeh
- Altair
- Handlung
- ggplot
1. Matplotlib
Die Chancen stehen gut, dass Sie Matplotlib bereits auf Ihrer Reise in die Datenwissenschaft verwendet haben. Von Data Science-Anfängern bis hin zu erfahrenen Profis, die komplexe Datenvisualisierungen erstellen, matplotlib ist normalerweise die Standardvisualisierung, auf die Data Scientists der Python-Bibliothek zurückgreifen.
matplotlib ist bekannt für die große Flexibilität, die es als 2D-Plot-Bibliothek in Python bietet. Wenn Sie Erfahrung in der MATLAB-Programmierung haben, Die Pyplot-Oberfläche von Matplotlib wird Ihnen sehr bekannt vorkommen. Sie werden in kürzester Zeit mit Ihrer ersten Besichtigung fertig sein!!
Einzigartige Funktionen von Matplotlib
Matplotlib kann in Python auf verschiedene Weise verwendet werden, einschließlich Python-Skripte, die Shells von Python und iPython, Jupyter-Notizbücher und andere Dinge. Deshalb wird es nicht nur von Data Scientists häufig verwendet, um Visualisierungen zu erstellen., aber auch von Forschern, um Grafiken in Publikationsqualität zu erstellen.
Matplotlib unterstützt alle gängigen Diagramme (viele, HistogrammeHistogramme sind grafische Darstellungen, die die Verteilung eines Datensatzes darstellen. Sie werden konstruiert, indem der Wertebereich in Intervalle unterteilt wird, Ö "Behälter", und zählen, wie viele Daten in jedem Intervall fallen. Diese Visualisierung ermöglicht es Ihnen, Muster zu erkennen, Trends und Variabilität von Daten effektiv, Erleichterung statistischer Analysen und fundierter Entscheidungsfindung in verschiedenen Disziplinen...., Leistungsspektren, Balkendiagramme, Fehlergrafiken, Streudiagramme, etc.) Vom ersten Moment an. Es gibt auch Erweiterungen, mit denen Sie erweiterte Visualisierungen wie 3D-Grafiken erstellen können., etc.
Was ich persönlich an Matplotlib mag, ist das, weil es so flexibel ist, ermöglicht es dem Benutzer, Aspekte der Anzeige auf der granularsten Ebene zu steuern, von einer einzelnen Linie oder einem Punkt im Diagramm zum gesamten Diagramm. Dies bedeutet, dass Sie es auf die höchste Ebene anpassen können..
Lernprogramm (es ist) Matplotlib lernen
Hier sind einige nützliche Tutorials zum Erlernen von Matplotlib:
Hier ist der Schöpfer von Matplotlib, der ein Einführungs-Tutorial gibt:
2. Seaborn
Wenn ich mir die Visualisierungen von Seaborn anschaue, da fällt mir nur ein wort ein: gut aussehend! Seaborn baut auf Matplotlib auf und bietet eine sehr einfache, aber intuitive Benutzeroberfläche zum Erstellen von Visualisierungen. Al usar Seaborn, Sie werden auch feststellen, dass viele der Standardeinstellungen in den Diagrammen direkt nach dem Auspacken recht gut funktionieren.
Einzigartige Seaborn-Funktionen
Das erste einzigartige Merkmal von Seaborn ist, dass es so konzipiert ist, dass es viel weniger Code schreibt, um hochwertige Visualisierungen zu erzielen.. Hier ist ein Beispiel für diese Einfachheit. Sehen Sie, wie wir mit einer einzigen Zeile Plotcode eine komplexe Visualisierung erstellen können:
Die zweite nützliche Funktion von Seaborn ist, dass es eine große Anzahl fortschrittlicher Grafiken wie kategoriales Plotten unterstützt. (Katzenplot), das Verteilungsdiagramm mit kde (distplot), die Schwarmkarte, etc. Vom ersten Moment an. Ja, Natürlich, Wir haben ein Beispiel gesehen für relplot Über.
Jetzt, weil Seaborn auf Matplotlib basiert, passt sehr gut zu ihm. Das heißt beim Erstellen von Visualisierungen, Sie können mit erweiterten Karten beginnen, die Seaborn bereits unterstützt, und sie dann mit Hilfe von Matplotlib nach Belieben anpassen.
Lernprogramm (es ist) Seaborn lernen
Hier sind einige nützliche Ressourcen, die Sie für die ersten Schritte mit der Seaborn-Bibliothek zur Datenvisualisierung verwenden können:
3. Bokeh
Bokeh ist eine Bibliothek, die entwickelt wurde, um Visualisierungen zu generieren, die für die Weboberfläche und Browser benutzerfreundlich sind. Und genau darauf zielt diese Display-Bibliothek ab..
Sie werden auch feststellen, dass die aus Bokeh generierten Visualisierungen interaktiver Natur sind., was im Grunde bedeutet, dass Sie Informationen durch Ihre Grafiken intuitiver vermitteln können.
Einzigartige Bokeh-Funktionen
Bokeh unterstützt einzigartige Visualisierungen wie Geodatendiagramme, Netzwerkgrafiken, etc. Vom ersten Moment an. Wenn Sie diese Visualisierungen in einem Browser anzeigen möchten, Es stehen Optionen zum Exportieren zur Verfügung und Sie können sie auch über Javascript verwenden.
Anleitung zum Erlernen von Bokeh
Hier ist ein gutes Tutorial, um Bokeh für die Datenvisualisierung zu lernen:
4. Altair
Altair ist eine deklarative Bibliothek zur Datenvisualisierung. Sein Prinzip ist das, anstatt sich auf den Codeteil zu konzentrieren, man sollte sich auf den Anzeigeteil konzentrieren und so wenig Code wie möglich schreiben und trotzdem schöne und intuitive Grafiken erstellen können. Das ist in meiner Gasse!
Die einzigartigen Funktionen von Altair
Da Altair einen deklarativen Stil verwendet, um Grafiken zu erstellen, Es ist sehr einfach und schnell, Visualisierungen und Experimente in einem schnellen Tempo zu durchlaufen, wenn Sie diese Bibliothek verwenden.
Lernprogramm (es ist) Altair lernen
Hier ist eine gute Einführung in Altair in Python:
5. Handlung
Das erste, was mir einfällt, wenn ich an Plotly denke, ist Interaktivität!! Diese Datenvisualisierungsbibliothek ist, mit viel, meine Bibliothek, an die ich mich wende, wenn ich Visualisierungen erstellen möchte, die für den Benutzer hochgradig interaktiv sein sollen.
Schauen Sie sich einfach diese Visualisierung an, die mit Plotly erstellt wurde:
Einzigartige Funktionen von Plotly
Plotly ist hochkompatibel mit Jupyter Notebook und Webbrowsern. Das bedeutet, dass jeder von Ihnen erstellte interaktive Plot auf die gleiche Weise mit Ihren Teamkollegen oder Endbenutzern geteilt werden kann..
Ich möchte auch darauf hinweisen, dass Plotly eine Reihe von Diagrammen von grundlegenden Diagrammtypen unterstützt, schöne und fortschrittliche Grafik ähnlich der von Seaborn, 3-D-Grafik, kartenbasierte Visualisierungen, wissenschaftliche Grafiken, etc. Die Liste ist endlos!
Plotly-Diagramme können auch Animationsfunktionen unterstützen. Deswegen, ist eine sehr nützliche Bibliothek, wenn Sie Geschichten durch Visualisierungen erzählen möchten.
Tutorial zum Erlernen von Plotly
Hier sind ein paar Tutorials, damit Sie mit Plotly für die Datenvisualisierung beginnen können:
6. ggplot
ggplot ist die Python-Version des berühmten ggplot2 von R und der Grammer of Graphics-Sprache. Wenn Sie es schon einmal in R verwendet haben, Sie werden wissen, wie einfach es ist, Diagramme mit dieser Bibliothek zu erstellen.
Persönlich, Ich liebe die Flexibilität von ggplot. Wir können die Daten leicht diskutieren, während wir Grundstücke im laufenden Betrieb erstellen, Ein super nützliches Konzept!
Einzigartige Funktionen von ggplot
ggplot ist auch eine deklarative Stilbibliothek wie Bokeh, aber es ist auch eng verbunden mit Pandas. Das bedeutet, dass Sie ganz einfach Visualisierungen mit Ihrem eigenen Pandas-Datenrahmen erstellen können!!
Lernprogramm (es ist) ggplot lernen
Hier erfahren Sie mehr über ggplot und wie man damit arbeitet:
Abschließende Anmerkungen
In diesem Artikel, Wir erkunden einige der unverzichtbaren Bibliotheken für die Datenvisualisierung in Python. Jede dieser Bibliotheken ist für sich genommen recht beliebt und glänzt in unterschiedlichen Einstellungen..
Ich hoffe, dieser Artikel ist wie ein Rosettenstein, wenn Sie entscheiden, welche Bibliothek Sie für Ihr nächstes Projekt verwenden möchten..
Glauben Sie, dass andere Bibliotheken zur Datenvisualisierung auf dieser Liste stehen sollten?? Hat dir der Artikel gefallen? Wenn ja, Kommentiere unten!
