Jak tworzyć efektywne wizualizacje

Ulepszanie wizualizacji danych w Pythonie

Nick Strayer

Instructor

Co to znaczy efektywny?

Ułatwić odczytanie przekazu
Reorganizować wykresy, by utrzymać fokus
Poprawić stosunek „atramentu" do informacji
Nie zaburzać komunikatu

Chaotyczna linia upraszczana krok po kroku do prostej

Abstrakcyjny raport z trzema oddzielnymi wykresami po lewej stronie, ze strzałką wskazującą na te same trzy wykresy zgrupowane razem u góry raportu

# Create a subplot w/ one row & two columns.
f, (ax1, ax2) = plt.subplots(1, 2)

# Pass each axes to respective plot
sns.lineplot('month', 'NO2', 'year', ax=ax1, data=pol_by_month)

sns.barplot('year', 'count', ax=ax2, data=obs_by_year)

Wykres liniowy wartości zanieczyszczeń dla różnych lat obok wykresu słupkowego liczby obserwacji dla każdego roku

Usuwanie zbędnych legend

Wykres liniowy wartości zanieczyszczeń dla różnych lat obok wykresu słupkowego liczby obserwacji, wskazujący że wykres słupkowy może pełnić rolę legendy wykresu liniowego

sns.lineplot('month', 'NO2', 'year', ax=ax1, data=pol_by_month, palette='RdBu',)

sns.barplot('year', 'count', 'year', ax=ax2, data=obs_by_year,
            palette='RdBu', dodge=False)

# Remove legends for both plots
ax1.legend_.remove()
ax2.legend_.remove()

Wykres liniowy wartości zanieczyszczeń dla różnych lat obok wykresu słupkowego liczby obserwacji, gdzie kolory słupków pełnią rolę legendy wykresu liniowego

Czas na ćwiczenia!

Ulepszanie wizualizacji danych w Pythonie