Visualisation de données en Python : explication des tracés fondamentaux [avec illustration graphique]

Principes de conception de base

Pour tout data scientist en herbe ou qui réussit, être capable d'expliquer vos recherches et vos analyses est une compétence très importante et utile à posséder. C'est là que la visualisation des données entre en scène. Il est essentiel d'utiliser cet outil honnêtement car le public peut être très facilement mal informé ou trompé par de mauvais choix de conception.

En tant que data scientists, nous avons tous certaines obligations en matière de préservation de ce qui est vrai.

La première est que nous devons être complètement honnêtes avec nous-mêmes lors du nettoyage et de la synthèse des données. Le prétraitement des données est une étape cruciale pour le fonctionnement de tout algorithme d'apprentissage automatique. Par conséquent, toute malhonnêteté dans les données entraînera des résultats radicalement différents.

Une autre obligation est envers notre public cible. Il existe diverses techniques de visualisation des données qui sont utilisées pour mettre en évidence des sections spécifiques de données et rendre certaines autres données moins importantes. Ainsi, si nous ne sommes pas assez prudents, le lecteur ne pourra pas explorer et juger correctement l'analyse, ce qui peut conduire à des doutes et à un manque de confiance.

Toujours se remettre en question est un bon trait à avoir pour les data scientists. Et nous devons toujours réfléchir à la manière de montrer ce qui compte vraiment d'une manière compréhensible et esthétique, tout en nous rappelant que le contexte est important.

C'est exactement ce qu'Alberto Cairo essaie de représenter dans ses enseignements. Il mentionne les Cinq Qualités des Grandes Visualisations : belles, éclairantes, fonctionnelles, perspicaces et véridiques qui méritent d'être gardées à l'esprit.

Quelques parcelles fondamentales

Maintenant que nous avons une compréhension de base des principes de conception, plongeons dans certaines techniques de visualisation fondamentales à l'aide de la bibliothèque matplotlib en python.

Tout le code ci-dessous peut être exécuté dans un cahier Jupyter.

bloc-notes %matplotlib

# cela fournit un environnement interactif et définit le back-end. ( %matplotlib inline peut également être utilisé mais il n'est pas interactif. Cela signifie que tout autre appel aux fonctions de traçage ne mettra pas automatiquement à jour notre visualisation d'origine.)

importer matplotlib.pyplot en tant que plt # importer le module de bibliothèque requis

Tracés de points

La fonction matplotlib la plus simple pour tracer un point est plot() . Les arguments représentent les coordonnées X et Y, puis une valeur de chaîne qui décrit comment la sortie de données doit être affichée.

plt.figure()

plt.plot( 5, 6, '+' ) # le signe + agit comme un marqueur

Nuages ​​de points

Un nuage de points est un graphique à deux dimensions. La fonction scatter() prend également la valeur X comme premier argument et la valeur Y comme second. Le tracé ci-dessous est une ligne diagonale et matplotlib ajuste automatiquement la taille des deux axes. Ici, le nuage de points ne traite pas les éléments comme une série. Ainsi, on peut également donner dans une liste des couleurs souhaitées correspondant à chacun des points.

importer numpy en tant que np

x = np.tableau( [1, 2, 3, 4, 5, 6, 7, 8] )

y = x

plt.figure()

plt.scatter( x, y )

Tracés linéaires

Un tracé linéaire est créé avec la fonction plot() et trace un certain nombre de séries différentes de points de données comme un nuage de points, mais il relie chaque série de points par une ligne.

importer numpy en tant que np

linear_data = np.array( [1, 2, 3, 4, 5, 6, 7, 8] )

données_carrées = données_linéaires**2

plt.figure()

plt.plot( linear_data, '-o', squared_data, '-o')

Pour rendre le graphique plus lisible, on peut aussi ajouter une légende qui nous dira ce que représente chaque ligne. Un titre approprié pour le graphique et les deux axes est important. De plus, n'importe quelle section du graphique peut être ombrée à l'aide de la fonction fill_between() pour mettre en évidence les régions pertinentes.

plt.xlabel('Valeurs X')

plt.ylabel('Valeurs Y')

plt.title('Tracés linéaires')

plt.legend( ['linéaire', 'au carré'] )

plt.gca().fill_between( range ( len ( linear_data ) ), linear_data, squared_data, facecolor = 'blue', alpha = 0.25)

Voici à quoi ressemble le graphique modifié-

Diagramme à barres

Nous pouvons tracer un graphique à barres en envoyant des arguments pour les valeurs X et la hauteur de chaque barre à la fonction bar() . Vous trouverez ci-dessous un graphique à barres du même tableau de données linéaire que nous avons utilisé ci-dessus.

plt.figure()

x = plage( len ( linear_data ))

plt.bar( x, linear_data )

# pour tracer les données au carré comme un autre ensemble de barres sur le même graphique, nous devons ajuster les nouvelles valeurs x pour compenser le premier ensemble de barres

nouveau_x = []

pour les données en x :

new_x.append(données+0.3)

plt.bar(new_x, squared_data, width = 0.3, color = 'green')

# Pour les graphiques à orientation horizontale, nous utilisons la fonction barh()

plt.figure()

x = plage( len( linear_data ))

plt.barh( x, linear_data, hauteur = 0,3, couleur = 'b')

plt.barh( x, squared_data, hauteur = 0.3, left = linear_data, color = 'g')

#voici un exemple d'empilement vertical de graphiques à barres

plt.figure()

x = plage( len( linear_data ))

plt.bar( x, linear_data, width = 0.3, color = 'b')

plt.bar( x, squared_data, width = 0.3, bottom = linear_data, color = 'g')

Apprenez des cours de science des données dans les meilleures universités du monde. Gagnez des programmes Executive PG, des programmes de certificat avancés ou des programmes de maîtrise pour accélérer votre carrière.

Conclusion

Les types de visualisation ne s'arrêtent pas là. Python possède également une excellente bibliothèque appelée seaborn qui vaut vraiment la peine d'être explorée. Une bonne visualisation des informations contribue grandement à augmenter la valeur de nos données. La visualisation des données sera toujours la meilleure option pour obtenir des informations et identifier diverses tendances et modèles plutôt que de parcourir des tableaux ennuyeux avec des millions d'enregistrements.

Si vous êtes curieux d'en savoir plus sur la science des données, consultez le diplôme PG de IIIT-B & upGrad en science des données qui est créé pour les professionnels en activité et propose plus de 10 études de cas et projets, des ateliers pratiques, un mentorat avec des experts de l'industrie, 1- on-1 avec des mentors de l'industrie, plus de 400 heures d'apprentissage et d'aide à l'emploi avec les meilleures entreprises.