Meerdere plots uit DataFrames

Introductie tot datavisualisatie met Julia

Gustavo Vieira Suñe

Data Analyst

Meerdere variabelen in één plot

# Violin plot
@df insurance violin(
    :Sex, :Charges,
    label=false, linewidth=0,
    fillcolor=:grey40
)

# Add box plot
@df insurance boxplot!(
    :Sex, :Charges,
    label=false, alpha=0.75,
    fillcolor=:mediumorchid3,
    outliers=false,
)
ylabel!("Insurance Premium (USD)")

Een boxplot en violingrafiek over elkaar, met de verdeling van verzekeringskosten per geslacht.

Categorische data en layouts

insurance DataFrame

Age	Sex	BMI	Children	Smoker	Region	Charges
19	female	27.90	0	yes	southwest	16884.90
18	male	33.77	1	no	southeast	1725.55
28	male	33.00	3	no	southeast	4449.46
...	...	...	...	...	...	...

Categorische kolom → vergelijkende plots naast elkaar
- @df-recept werkt met het layout-argument!

Layouts met DataFrames

@df insurance violin(
    :Sex,
    :Charges,
    group=:Region,
    linewidth=0,
    color=[:red :green :blue :purple],
    legend_position=:top,

    # Set layout
    layout=(2,2)

)
ylims!(0, 6*10^4)
ylabel!("Premium (USD)")

Een raster van 2×2 boxplots met de verdeling van verzekeringskosten per geslacht voor elke regio.

Chains toevoegen aan de mix

@chain insurance begin
    # Smoker column to numeric
    transform(:Smoker
        => ByRow(x -> x == "yes" ? 100 : 0)
        => :Smoker)

    groupby([:Sex, :Children])
    combine(:Smoker => mean)

    @df bar(:Children, :Smoker_mean,
        group=:Sex, linewidth=0,
        fillcolor=[:cyan4 :chocolate2],
        # Set layout
        layout=2)

end
ylims!(0, 35)
xlabel!("Children")
ylabel!("Percentage of Smokers")

Een raster van 1×2 staafdiagrammen met het percentage rokers versus aantal kinderen.

Correlatiematrix-plots

Een raster van 2×2 plots. Op de diagonaal staan histogrammen van de verdelingen van leeftijd en BMI. Boven de diagonaal staat een 2D-histogram van leeftijd versus BMI en onder de diagonaal een spreidingsplot van dezelfde variabelen.

Correlatiematrix-plots

Diagonalen
- Histogrammen van variabeleverdelingen
Boven diagonaal
- Twee-dimensionale histogrammen
Onder diagonaal
- Spreidingsplots met regressielijnen

Correlatiematrix-plots in StatsPlots.jl

# Using DataFrames recipe
@df insurance corrplot(

    # Numerical columns
    [:Age :BMI],

    # Customize
    markercolor=:thermal,
    fillcolor=:acton
)

¹ https://docs.juliaplots.org/latest/generated/colorschemes/

Correlatiematrix-plots in StatsPlots.jl

# Using DataFrames recipe
@df insurance corrplot(
    # Numerical columns
    [:Age :BMI :Children :Charges],

    # Customize
    markercolor=:thermal,
    fillcolor=:acton
)

Een correlatiematrix-plot van leeftijd, BMI, aantal kinderen en verzekeringskosten.

Laten we oefenen!

Introductie tot datavisualisatie met Julia