Wizualizacja danych w DataFrames

Wprowadzenie do wizualizacji danych w Julii

Gustavo Vieira Suñe

Data Analyst

Zbiór danych ubezpieczeniowych

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

DataFrames są elastyczne i wydajne dla danych tabelarycznych
- StatsPlots posiada recepturę do wizualizacji danych w DataFrames
- Wprowadzenie notacji @df!

Wyodrębnianie tablic z DataFrame

Średnie składki według regionu i statusu palacza

# Group by region and smoker
grouped = groupby(insurance, [:Region, :Smoker])

# Calculate mean charges
grouped_mean_charges = combine(grouped, :Charges => mean)

Każda kolumna zwraca tablicę danych
- Na przykład grouped_mean_charges.Region zwraca tablicę zawierającą regiony jako ciągi znaków.

Wizualizacja danych w tablicach

# Grouped bar chart
groupedbar(

    # Pass arrays as arguments
    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)")

Grupowany wykres słupkowy przedstawiający składki ubezpieczeniowe dla każdego regionu z podziałem według statusu palacza.

Wizualizacja bezpośrednio z DataFrame

# Plot from DataFrame
@df grouped_mean_charges groupedbar(

    # Pass column names
    :Region,
    :Charges_mean,

    group=:Smoker,

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

Grupowany wykres słupkowy przedstawiający składki ubezpieczeniowe dla każdego regionu z podziałem według statusu palacza.

Porównanie obok siebie

# Grouped bar chart
groupedbar(

    # Pass arrays as arguments
    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)")

# Plot from DataFrame
@df grouped_mean_charges groupedbar(

    # Pass column names
    :Region,
    :Charges_mean,
    group=:Smoker,

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

Łańcuchowanie poleceń DataFrame

Poprzednie podejście

# Group by region and smoker
grouped = groupby(insurance, [:Region, :Smoker])
# Calculate mean charges
grouped_mean_charges = combine(grouped, :Charges => mean)

Użycie łańcuchowania

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

Łańcuch wizualizacji

# Plotting chain
@chain insurance begin
    # Manipulate data
    groupby([:Region, :Smoker])
    combine(:Charges => mean)

    # Plot data
    @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)")

Grupowany wykres słupkowy przedstawiający składki ubezpieczeniowe dla każdego regionu z podziałem według statusu palacza.

Czas na ćwiczenia!

Wprowadzenie do wizualizacji danych w Julii