Více grafů z DataFrames

Úvod do vizualizace dat v Julii

Gustavo Vieira Suñe

Data Analyst

Více proměnných v jednom grafu

# 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)")

Krabicový graf a houslový graf zobrazující rozdělení pojistných poplatků podle pohlaví.

Kategorická data a rozvržení

DataFrame insurance

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

Kategorický sloupec → grafy vedle sebe
- Recept @df je kompatibilní s argumentem layout!

Rozvržení s 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)")

Mřížka dvou krát dvou krabicových grafů zobrazující rozdělení pojistných poplatků podle pohlaví pro každý region.

Přidání řetězení do mixu

@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")

Mřížka jednoho krát dvou sloupcových grafů zobrazující podíl kuřáků v závislosti na počtu dětí.

Grafy korelační matice

Mřížka dvou krát dvou grafů. Na diagonále jsou histogramy rozdělení věku a indexu tělesné hmotnosti. Graf nad hlavní diagonálou zobrazuje 2D histogram věku oproti BMI a graf pod diagonálou bodový graf stejných proměnných.

Grafy korelační matice

Diagonála
- Histogramy rozdělení proměnných
Nad diagonálou
- Dvourozměrné histogramy
Pod diagonálou
- Bodové grafy s regresními přímkami

Grafy korelační matice v 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/

Grafy korelační matice v StatsPlots.jl

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

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

Graf korelační matice věku, BMI, počtu dětí a pojistných poplatků.

Pojďme si procvičit!

Úvod do vizualizace dat v Julii