Mettre des données en évidence

Améliorer vos visualisations de données en Python

Nick Strayer

Instructor

à propos de moi

tableau vers visualisation

tableau vers visualisation, partie deux

tableau vers visualisation, partie trois

outils requis pour le cours

Prérequis

Introduction à la visualisation de données avec Matplotlib

Introduction à la visualisation de données avec Seaborn

Boîte à outils Python pour la science des données (partie 2)

différents outils de visualisation

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' ]

nuage de points de base avec point en évidence

nuage de points avec valeur aberrante non étiquetée

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})

nuage de points avec valeur aberrante étiquetée

Créons quelques mises en évidence !

Améliorer vos visualisations de données en Python