Kümeleri görselleştirme

Python ile Kümeleme Analizi

Shaumik Daityari

Business Analyst

Neden kümeleri görselleştirelim?

Oluşan kümeleri anlamlandırın
Kümeleri doğrulamada ek bir adım
Veride eğilimleri belirleyin

seaborn’a kısa bir giriş

seaborn: matplotlib tabanlı bir Python veri görselleştirme kütüphanesi
Matplotlib’e göre daha iyi ve kolay düzenlenebilir estetik sunar
Veri analitiği bağlamında görselleştirmeyi kolaylaştıran işlevler içerir
Kümeler için kullanım: grafiklerde hue parametresi

matplotlib ile kümeleri görselleştirme

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()

seaborn ile kümeleri görselleştirme

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()

Her iki görselleştirme yönteminin karşılaştırması

matplotlib grafiği

seaborn grafiği

Sırada: Bazı görselleştirmeler deneyin

Python ile Kümeleme Analizi

Preparing Video For Download...