Plotta data i DataFrames

Introduktion till datavisualisering med Julia

Gustavo Vieira Suñe

Data Analyst

Försäkringsdataset

insurance DataFrame

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 är flexibla och effektiva för tabelldata
- StatsPlots har ett recept för att plotta data i DataFrames
- Vi introducerar @df-notationen!

Extrahera arrayer från DataFrame

Genomsnittliga kostnader per region och rökstatus

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

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

Varje kolumn ger en array med data
- Till exempel extraherar grouped_mean_charges.Region en array med regionerna som strängar.

Plotta data i arrayer

# 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)")

Ett grupperat stapeldiagram som visar försäkringskostnader per region grupperade efter rökstatus.

Plotta direkt från DataFrames

# 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)")

Ett grupperat stapeldiagram som visar försäkringskostnader per region grupperade efter rökstatus.

Jämförelse sida vid sida

# 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)")

Kedja DataFrame-kommandon

Tidigare

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

Använd kedjning istället

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

Plottningskedja

# 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)")

Ett grupperat stapeldiagram som visar försäkringskostnader per region grupperade efter rökstatus.

Nu kör vi en övning!

Introduktion till datavisualisering med Julia