Gegevens plotten in DataFrames

Introductie tot datavisualisatie met Julia

Gustavo Vieira Suñe

Data Analyst

Insurance-dataset

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
...	...	...	...	...	...	...

DataFrames zijn flexibel en efficiënt voor tabeldata
- StatsPlots heeft een recept om data in DataFrames te plotten
- De @df-notatie!

Arrays uit een DataFrame halen

Gemiddelde kosten per regio en rookstatus

# Groepeer op regio en roker
grouped = groupby(insurance, [:Region, :Smoker])

# Bereken gemiddelde kosten
grouped_mean_charges = combine(grouped, :Charges => mean)

Elke kolom geeft een array met data
- Bijvoorbeeld, grouped_mean_charges.Region haalt een array met regio’s als strings op.

Data in arrays plotten

# Gegroepeerde staafgrafiek
groupedbar(

    # Geef arrays als argumenten door
    grouped_mean_charges.Region,
    grouped_mean_charges.Charges_mean,
    group=grouped_mean_charges.Smoker,

    color=[:teal :orangered2],
    linewidth=0,
    legend_title="Smoker",
    legend_position=:outertopright)
xlabel!("Region")
ylabel!("Insurance Premium (USD)")

Een gegroepeerde staafgrafiek met de verzekeringspremies per regio, gegroepeerd naar rookstatus.

Direct plotten vanuit DataFrames

# Plotten vanuit DataFrame
@df grouped_mean_charges groupedbar(

    # Geef kolomnamen door
    :Region,
    :Charges_mean,

    group=:Smoker,

    color=[:teal :orangered2],
    linewidth=0,
    legend_title="Smoker",
    legend_position=:outertopright)
xlabel!("Region")
ylabel!("Insurance Premium (USD)")

Een gegroepeerde staafgrafiek met de verzekeringspremies per regio, gegroepeerd naar rookstatus.

Vergelijking naast elkaar

# Gegroepeerde staafgrafiek
groupedbar(

    # Geef arrays als argumenten door
    grouped_mean_charges.Region,
    grouped_mean_charges.Charges_mean,
    group=grouped_mean_charges.Smoker,

    color=[:teal :orangered2],
    linewidth=0,
    legend_title="Smoker",
    legend_position=:outertopright)
xlabel!("Region")
ylabel!("Insurance Premium (USD)")

# Plotten vanuit DataFrame
@df grouped_mean_charges groupedbar(

    # Geef kolomnamen door
    :Region,
    :Charges_mean,
    group=:Smoker,

    color=[:teal :orangered2],
    linewidth=0,
    legend_title="Smoker",
    legend_position=:outertopright)
xlabel!("Region")
ylabel!("Insurance Premium (USD)")

DataFrame-commando’s chainen

Van eerder

# Groepeer op regio en roker
grouped = groupby(insurance, [:Region, :Smoker])
# Bereken gemiddelde kosten
grouped_mean_charges = combine(grouped, :Charges => mean)

Gebruik in plaats daarvan chaining

using Chain
# Chain groupby en combine
grouped_mean_charges = @chain insurance begin
  groupby([:Region, :Smoker])
  combine(:Charges => mean)
end

Plot-chaining

# Plot-chaining
@chain insurance begin
    # Data bewerken
    groupby([:Region, :Smoker])
    combine(:Charges => mean)

    # Data plotten
    @df groupedbar(:Region,
        :Charges_mean,
        group=:Smoker,
        color=[:teal :orangered2],
        linewidth=0, legend_title="Smoker",
        legend_position=:outertopright)

end
xlabel!("Region")
ylabel!("Insurance Premium (USD)")

Een gegroepeerde staafgrafiek met de verzekeringspremies per regio, gegroepeerd naar rookstatus.

Laten we oefenen!

Introductie tot datavisualisatie met Julia