Cet article a été publié dans le cadre du Blogathon sur la science des données
Comme l'évolution des humains, les techniques de visualisation des données se sont également développées au fil du temps. Ces derniers temps, de meilleures techniques de visualisation ont été introduites que jamais. Tous les jours, les gens inventent leur propre invention de visualisation avec un BUT final: améliorer l'histoire derrière les données. Sans doute, les techniques avancées de visualisation des données nécessitent plus de compétences et d'efforts, mais les graphismes en valent toujours la peine. Mais grâce au cerveau humain, avant ce qui prenait plusieurs lignes de code est maintenant possible avec un appel de fonction sur une seule ligne. Cela explique mieux notre affirmation selon laquelle les techniques de visualisation des données ont évolué au fil du temps..
Cet article traitera de l'une des techniques de visualisation de données populaires et puissantes largement utilisées par les organisations pour décrire les données et comment les tracer en Python.. Comme je le disais, tracer ces tracés n'est plus une tâche difficile. Il faut connaître la bibliothèque, les fonctions et arguments impliqués dans la technique.
Table des matières
- Que sont les graphiques de sucette?
- Comment tracer un graphique de sucette en Python?
- Improvisez vos graphismes de sucette
- Comparaison des graphiques à barres et des graphiques en sucette
- Conclusion
Que sont les graphiques de sucette?
Les graphismes de la sucette se composent d'une barre et d'un bâton qui ressemble au bâton et au sucre candi sur le dessus, respectivement. Des cercles pleins sont placés au-dessus des barres, qui donne la ressemblance avec la sucette sucrée. Le graphique Lollipop, comme le graphique à barres, sert à comparer les différentes classes d'une catégorie. Donc, c'est un excellent outil pour visualiser la comparaison entre les classes. Mais, Qu'est-ce qui le rend différent du graphique à barres? Premier, permet d'identifier facilement les valeurs lorsque nous avons un cercle rempli en haut. En second lieu, quand on a plus de cours, disons plus que 10, les graphiques à barres deviennent encombrés et difficiles à lire pour les utilisateurs finaux. Tandis que, d'un autre côté, Les graphiques Lollipop utilisent les barres de largeur mince, ce qui crée un espace plus grand pour plus de classes. Encore, comme les graphiques à barres, on peut tracer les sucettes horizontalement quand le nombre de classes est élevé.
Les graphiques Lollipop sont également exigés pour afficher les classements entre les classes. Par exemple, si on veut comparer 20 différents modèles de voitures en fonction de leur consommation de carburant. Dans des scénarios similaires, Les graphiques Lollipop sont utiles pour faire le travail efficacement et fournissent un minimum de graphiques.
Image de faux Pexels
Comment tracer un graphique de sucette en Python?
Les graphiques Lollipop peuvent être tracés efficacement en Python à l'aide de la bibliothèque Matplotlib. La bibliothèque Matplotlib est livrée avec une fonction utile .mère() qui est destiné à créer des graphiques Lollipop. Voyons voir comment ça fonctionne.
1. Importation de bibliothèques
importer matplotlib.pyplot en tant que plt importer numpy en tant que np
2. Création de données aléatoires
x = ['UNE', 'B', 'C', 'RÉ', 'E', 'F', 'G', 'H', 'JE', 'J'] y = par exemple linspace(1, (np.log(0.2 * np.pi)), 10)
3. Tracer le graphique de la sucette
plt.tige(X, Oui, use_line_collection = Vrai) plt.show()
Dans plt.tige (), nous avons défini l'argument use_line_collection sur True. Cela ajoutera des lignes individuelles sur le graphique en tant que LineCollection. Si nous ne spécifions pas cet argument, donnera un UserWarning et nous rappellera de définir l'argument sur True. Cela augmente les performances du Stem Plot.
4. Mettre tous ensemble
importer matplotlib.pyplot en tant que plt importer numpy en tant que np x = ['UNE', 'B', 'C', 'RÉ', 'E', 'F', 'G', 'H', 'JE', 'J'] y = np.aléatoire.aléatoire(1, (np.log(0.2 * np.pi)), 10) plt.tige(X, Oui, use_line_collection = Vrai) plt.show()
Tableau des sucettes de base (La source: ordinateur)
Improvisez vos graphismes de sucette
Les graphiques Lollipop peuvent être améliorés en ajoutant des arguments à .mère() augmentation de la lisibilité et des capacités de description des données. Peu d'improvisations qui peuvent être faites sont:
UNE. Ajout d'arguments supplémentaires:
importer matplotlib.pyplot en tant que plt importer numpy en tant que np x = ['UNE', 'B', 'C', 'RÉ', 'E', 'F', 'G', 'H', 'JE', 'J'] y = par exemple linspace(1, (np.log(0.2 * np.pi)), 10) plt.tige(X, Oui, marqueurfmt ="s", lignefmt="--", basefmt=":", use_line_collection=Vrai) plt.show()
Lors de l'exécution de ce code, on obtient:
Diagramme de sucettes avec des arguments supplémentaires (la source: ordinateur personnel)
Ici, nous avons fait trois modifications:
ONGLE. Format de fabricant – Nous précisons marqueurfmt = 's’, cela a remplacé le cercle rempli de notre graphique Lollipop to Square (s fait référence au carré)
B. Format de ligne – Nous précisons lignefmat = '-‘, cela a remplacé la tige de notre graphique Lollipop par une ligne du côlon. (- fait référence au double tiret)
C. Format de base – Nous précisons basefmt = ':’, cela a remplacé la ligne de base de notre graphique Lollipop au côlon.
2. Classement des tables de sucettes
importer matplotlib.pyplot en tant que plt importer numpy en tant que np x = ['UNE', 'B', 'C', 'RÉ', 'E', 'F', 'G', 'H', 'JE', 'J'] y = liste(par exemple linspace(1, (np.log(0.2 * np.pi)), 10)) y.sort() plt.tige(X, Oui, marqueurfmt ="s", lignefmt="--", basefmt=":", use_line_collection=Vrai) plt.show()
Lors de l'exécution de ce code, on obtient:
Diagramme de sucettes ordonné avec des arguments supplémentaires (la source: ordinateur personnel)
Rappelez-vous qu'ici nous avons codé les étiquettes X. Donc, Les étiquettes X ne sont associées à aucune valeur. Et c'est pourquoi lors de la commande des valeurs, les étiquettes restent au même endroit.
3. Tracer un graphique à palettes horizontal
importer matplotlib.pyplot en tant que plt importer numpy en tant que np x = ['UNE', 'B', 'C', 'RÉ', 'E', 'F', 'G', 'H', 'JE', 'J'] y = liste(par exemple linspace(1, (np.log(0.2 * np.pi)), 10)) y.sort() my_range=plage(1,longueur(X)+1) plt.hlines(y = x, xmin = 0 , xmax = y, couleur="bleu ciel") plt.plot(Oui, X, "O") plt.show()
Lors de l'exécution de ce code, on obtient:
Diagramme de palette horizontale (La source: ordinateur personnel)
Ici, nous utilisons la méthode .hlines () pour tracer les bâtons horizontaux du graphique Lollipop, et le sucre de sucre est tracé en utilisant la méthode .plot () spécifier le marqueur comme “O”.
Comparaison des graphiques à barres et des graphiques en sucette
Comparons le graphique à barres et la Lollipop avec un exemple pour déterminer lequel correspond le mieux à notre exemple. Ici, nous allons tracer les sous-parcelles pour le graphique à barres horizontales et le graphique à palettes horizontales pour comparer les chiffres côte à côte. Nous avons généré des données aléatoires à l'aide de la bibliothèque NumPy. Sur l'axe Y, nous avons utilisé le distance() fonction et converti chaque étiquette en une chaîne.
importer matplotlib.pyplot en tant que plt importer numpy en tant que np x = liste(carte(str, gamme(1, 35))) y = liste(np.aléatoire.aléatoire(34)) F, axes = plt.subplots(1,2,taille de la figue=(12,6)) haches[0].barh(X,Oui) haches[1].hlines(y = x, xmin = 0 , xmax = y, couleur="bleu ciel") haches[1].terrain(Oui, X, marqueur = "O", largeur de ligne = 0) plt.show()
Lors de l'exécution de ce code, on obtient:
Comparaison du graphique à barres horizontales et du graphique à palettes horizontales (La source: ordinateur personnel)
Donc, la lecture des données est bien plus facile sur le graphique à palette horizontale que sur le graphique à barres horizontales. On peut facilement classer les valeurs et comparer les classes au sein. En outre, un plus grand nombre de classes dans une catégorie peut saturer l'axe des classes. Donc, il ne faut pas se fier à un type de diagramme pour un problème. Tracer différents graphiques pour un problème et sélectionner le meilleur est une décision plus intelligente.
Noter: Ici, nous utilisons la méthode .random () de NumPy aléatoire. Chaque fois que nous exécutons le code, produira un ensemble différent de valeurs. Donc, vous obtiendrez des graphiques différents à chaque fois que nous exécuterons le code.
Conclusion
Dans cet article, nous avons appris à créer un graphique Lollipop de base en Python. Mais le sujet ne s'arrête pas là. Il y a beaucoup de modifications qui peuvent être apportées à vos graphiques de sucette. Celles que nous avons apprises plus tôt sont les modifications les plus élémentaires qui peuvent être effectuées avec moins d'effort. Aujourd'hui, de nombreux outils de BI et langages de programmation sont capables de créer des visualisations avancées telles que les graphiques Lollipop. En réalité, les .mère() La méthode matplotlib est inspirée de la méthode racine MATLAB. On peut appeler les graphiques Lollipop le cas particulier du graphique à barres. Nous discutons également des erreurs à éviter lors de la création d'un graphique en sucettes.. Vous pouvez essayer de créer votre propre version de Lollipop Charts, car vous apprenez toujours en essayant..
A propos de l'auteur
Connectez-vous avec moi sur LinkedIn Ici.
Découvrez mes autres articles ici
Vous pouvez me fournir vos précieux commentaires sur LinkedIn.
Merci de nous donner de votre temps!
Les médias présentés dans cet article du graphique Lollipop ne sont pas la propriété de DataPeaker et sont utilisés à la discrétion de l'auteur.
