Plottning i fler dimensioner

Introduktion till datavisualisering med Julia

Gustavo Vieira Suñe

Data Analyst

Varför fler dimensioner?

Identifiera underliggande mönster och trender
Analysera samband mellan flera variabler samtidigt
Identifiera kluster
Tydlig och engagerande presentation
Särdragsframtagning

Består klustren?

Ett spridningsdiagram som visar försäkringspremie mot försäkringstagares ålder. Det visar tre tydliga kluster.

Finns dessa kluster oavsett antal barn?

Plotta ett snitt

theme(:bright)

# Filter data
no_children = filter(
    row -> row.Children == 0, insurance)


# Plot a slice
@df no_children scatter(
    :Age, :Charges, group=:Smoker,
    markersize=4, alpha=0.5,
    legend_title="Smoker")
xlabel!("Age")
ylabel!("Insurance Premium (USD)")

Ett spridningsdiagram som visar försäkringspremie mot ålder för försäkringstagare utan barn. Det visar tre tydliga kluster.

Lägg till en dimension

theme(:bright)
@df insurance scatter(
    # Pass three columns
    :Children,
    :Age,
    :Charges,

    group=:Smoker,
    markersize=4, alpha=0.5,
    legend_title="Smoker"
)
# Axis labels
xlabel!("Number of Children")
ylabel!("Age")
zlabel!("Insurance Premium (USD)")

Ett tredimensionellt spridningsdiagram som visar försäkringspremie mot ålder och antal barn för försäkringstagare. Det visar samma klusterstruktur för punkter med olika antal barn.

Axelordning

theme(:bright)
@df insurance scatter(

    # Swap :Age and :Children
    :Age,
    :Children,
    :Charges,
    group=:Smoker,
    markersize=4, alpha=0.5,
    legend_title="Smoker"
)
# Axis labels
xlabel!("Number of Children")
ylabel!("Age")
zlabel!("Insurance Premium (USD)")

Gruppera efter ytterligare en kategori

Ett spridningsdiagram som visar försäkringskostnader mot kroppsmasseindex, med punkter färgade efter rökarstatus.

Kan vi gruppera efter rökarstatus och kön?

Lägg till en kategorisk dimension

theme(:vibrant)

@df insurance scatter(
    :BMI,

    # Pass categorical column
    :Sex,

    :Charges,
    group=:Smoker,
    markersize=2, legend_title="Smoker",
    color=[:blueviolet :goldenrod1])
xlabel!("BMI")
zlabel!("Insurance Premium (USD)")

Ett tredimensionellt spridningsdiagram som visar försäkringskostnader mot kroppsmasseindex och kön, med punkter färgade efter rökarstatus.

Visualisera punkttäthet

Ett spridningsdiagram som visar försäkringskostnader mot kroppsmasseindex, med punkter färgade efter rökarstatus.

Kan vi visualisera punkttätheten tydligare?

Tvådimensionella histogram

# 2d histogram
@df insurance histogram2d(

    :BMI,
    :Charges,

    # Fill color scheme
    fillcolor=:acton,

    # Fill empty bins
    show_empty_bins=true,

)
xlabel!("Age")
ylabel!("Insurance Premium (USD)")

Ett tvådimensionellt histogram som visar fördelningen av försäkringskostnader och kroppsmasseindex.

Nu kör vi en övning!

Introduktion till datavisualisering med Julia