Wyróżnianie danych

Ulepszanie wizualizacji danych w Pythonie

Nick Strayer

Instructor

o mnie

tabela do wizualizacji

tabela do wizualizacji – część druga

tabela do wizualizacji – część trzecia

narzędzia używane w kursie

Wymagania wstępne

Introduction to Data Visualization with Matplotlib

Introduction to Data Visualization with Seaborn

Python Data Science Toolbox (Part 2)

różne narzędzia do wizualizacji

pollution.head()

         city  year  month  day     CO   NO2     O3    SO2
0  Cincinnati  2012      1    1  0.245  20.0  0.030   4.20
1  Cincinnati  2012      1    2  0.185   9.0  0.025   6.35
2  Cincinnati  2012      1    3  0.335  31.0  0.025   4.25
3  Cincinnati  2012      1    4  0.305  25.0  0.016  17.15
4  Cincinnati  2012      1    5  0.345  21.0  0.016  11.05

pollution.city.unique()

[ 'Boston',    'Cincinnati',     'Denver',       'Des Moines', 
  'Fairbanks', 'Houston',        'Indianapolis', 'Long Beach', 
  'New York',  'Salt Lake City', 'Vandenberg Air Force Base' ]

podstawowy wykres punktowy z wyróżnionym punktem

wykres punktowy z nieoznaczoną wartością odstającą

cinci_pollution = pollution[pollution.city == 'Cincinnati']

# Make an array of colors based upon if a row is a given day
cinci_colors = ['orangered' if day == 38 else 'steelblue' 
                for day in cinci_pollution.day]

# Plot with additional scatter plot argument facecolors 
p = sns.regplot(x='NO2',
                y='SO2',
                data = cinci_pollution,
                fit_reg=False, 
                scatter_kws={'facecolors': cinci_colors,'alpha': 0.7})

wykres punktowy z oznaczoną wartością odstającą

Czas na wyróżnienia!

Ulepszanie wizualizacji danych w Pythonie