Visualiser les clusters

Analyse de clusters en Python

Shaumik Daityari

Business Analyst

Pourquoi visualiser les clusters ?

  • Donner du sens aux clusters formés
  • Étape supplémentaire pour valider les clusters
  • Repérer des tendances dans les données
Analyse de clusters en Python

Introduction à seaborn

  • seaborn : bibliothèque de visualisation Python basée sur matplotlib
  • Esthétique meilleure et facile à modifier par rapport à matplotlib
  • Fonctions qui simplifient la visualisation en analytique
  • Cas d’usage en clustering : paramètre hue pour les graphiques
Analyse de clusters en Python

Visualiser les clusters avec matplotlib

from matplotlib import pyplot as plt

df = pd.DataFrame({'x': [2, 3, 5, 6, 2],
                   'y': [1, 1, 5, 5, 2],
                   'labels': ['A', 'A', 'B', 'B', 'A']})

colors = {'A':'red', 'B':'blue'}

df.plot.scatter(x='x', 
                y='y',
                c=df['labels'].apply(lambda x: colors[x]))
plt.show()
Analyse de clusters en Python

Visualiser les clusters avec seaborn

from matplotlib import pyplot as plt
import seaborn as sns

df = pd.DataFrame({'x': [2, 3, 5, 6, 2],
                   'y': [1, 1, 5, 5, 2],
                   'labels': ['A', 'A', 'B', 'B', 'A']})

sns.scatterplot(x='x', 
                y='y', 
                hue='labels', 
                data=df)
plt.show()
Analyse de clusters en Python

Comparer les deux méthodes de visualisation

graphique matplotlib

graphique seaborn

Analyse de clusters en Python

Ensuite : tester des visualisations

Analyse de clusters en Python

Preparing Video For Download...