Plotten in meer dimensies

Introductie tot datavisualisatie met Julia

Gustavo Vieira Suñe

Data Analyst

Waarom meer dimensies?

Herken onderliggende patronen en trends
Analyseer relaties tussen meerdere variabelen tegelijk
Identificeer clusters
Duidelijke, meeslepende presentatie
Feature-engineering

Blijven clusters bestaan?

Een spreidingsdiagram met verzekeringspremie versus leeftijd van polishouders. Het toont drie duidelijke clusters.

Zijn deze clusters aanwezig bij elk aantal kinderen?

Een slice plotten

theme(:bright)

# Gegevens filteren
no_children = filter(
    row -> row.Children == 0, insurance)


# Een slice plotten
@df no_children scatter(
    :Age, :Charges, group=:Smoker,
    markersize=4, alpha=0.5,
    legend_title="Smoker")
xlabel!("Leeftijd")
ylabel!("Verzekeringspremie (USD)")

Een spreidingsdiagram met verzekeringspremie versus leeftijd van polishouders zonder kinderen. Het toont drie duidelijke clusters.

Een extra dimensie gebruiken

theme(:bright)
@df insurance scatter(
    # Geef drie kolommen door
    :Children,
    :Age,
    :Charges,

    group=:Smoker,
    markersize=4, alpha=0.5,
    legend_title="Smoker"
)
# Aslabels
xlabel!("Aantal kinderen")
ylabel!("Leeftijd")
zlabel!("Verzekeringspremie (USD)")

Een 3D-spreidingsdiagram met verzekeringspremie versus leeftijd en aantal kinderen van polishouders. Het toont dezelfde clusterstructuur voor punten met verschillende aantallen kinderen.

Volgorde van assen

theme(:bright)
@df insurance scatter(

    # Verwissel :Age en :Children
    :Age,
    :Children,
    :Charges,
    group=:Smoker,
    markersize=4, alpha=0.5,
    legend_title="Smoker"
)
# Aslabels
xlabel!("Aantal kinderen")
ylabel!("Leeftijd")
zlabel!("Verzekeringspremie (USD)")

Groeperen op een andere categorie

Een spreidingsdiagram met verzekeringskosten versus BMI, met punten gekleurd naar rookstatus.

Kunnen we groeperen op rookstatus én geslacht?

Een categorische dimensie toevoegen

theme(:vibrant)

@df insurance scatter(
    :BMI,

    # Geef categorische kolom door
    :Sex,

    :Charges,
    group=:Smoker,
    markersize=2, legend_title="Smoker",
    color=[:blueviolet :goldenrod1])
xlabel!("BMI")
zlabel!("Verzekeringspremie (USD)")

Een 3D-spreidingsdiagram met verzekeringskosten versus BMI en geslacht, met punten gekleurd naar rookstatus.

Puntdichtheid visualiseren

Een spreidingsdiagram met verzekeringskosten versus BMI, met punten gekleurd naar rookstatus.

Kunnen we de puntdichtheid duidelijker tonen?

Tweedimensionale histogrammen

# 2D-histogram
@df insurance histogram2d(

    :BMI,
    :Charges,

    # Kleurschema vulling
    fillcolor=:acton,

    # Lege bins tonen
    show_empty_bins=true,

)
xlabel!("Leeftijd")
ylabel!("Verzekeringspremie (USD)")

Een tweedimensionaal histogram van de verdeling van verzekeringskosten en BMI.

Laten we oefenen!

Introductie tot datavisualisatie met Julia