Úlohy k prednáške 7 : Pokročilá vizualizácia dát s Matplotlib¶

V tomto notebooku si precvičíte pokročilé techniky vizualizácie dát pomocou knižnice Matplotlib. Na rozdiel od prednášky o Titanicu použijeme dataset UCI Wine Quality Dataset. Dataset obsahuje chemické a senzorické charakteristiky vín, ako napríklad:

pH, alkohol, zvyškový cukor, kyslosť, sírany, atď.
Kvalita vína (škála 0–10)
Typ vína (červené, biele)

Ciele zadania:¶

Naučiť sa vykonávať pokročilú analýzu a predspracovanie dát.
Využiť rôzne typy grafov na lepšie pochopenie vzťahov v dátach.
Precvičiť si groupby operácie a agregácie.
Vytvoriť kombinované grafy a subplots.
Prispôsobiť vzhľad grafov (štýly, farby, popisy) a prípadne využiť interaktivitu.

Inštrukcie¶

Načítajte a predspracujte dataset podľa vlastného uváženia (vrátane čistenia chýbajúcich hodnôt, zmeny dátových typov, vytvárania nových príznakov atď.).
Ku každej úlohe vytvorte primeranú vizualizáciu. Nezabudnite využívať rôzne možnosti prispôsobenia grafov.
Dodržiavajte princípy prehľadnosti a zrozumiteľnosti grafov: popisy osí, legendy, farby, názvy.
Pri riešení používajte knižnice: pandas, numpy, matplotlib. Pre interaktívne časti môžete využiť matplotlib.widgets alebo ipywidgets.

Odporúčanie¶

Pri riešení úloh sa nezamerajte len na „vygenerovanie grafu“, ale aj na interpretáciu. Napríklad:

Prečo môže byť vysoký obsah residual_sugar spojený s vyššou/nizšou kvalitou?
Aký vplyv má volatile_acidity na kvalitu vína?
Majú biele vína spravidla inú hustotu alebo iné pH než červené?

Tým sa cvičenie posúva z roviny „vykresli graf“ do roviny analýzy dát, čo je jeho hlavný zámer.

1. Načítanie a prvotná analýza dát¶

Úloha 1:

Načítajte dataset Wine Quality (napr. pomocou ucimlrepo - import in python).
Vykonajte základnú analýzu dát: skontrolujte veľkosť datasetu, typy stĺpcov, či má dataset chýbajúce alebo extrémne hodnoty (outliers). Vypíšte min, max, priemer, medián a prípadne iné štatistiky (napr. štandardnú odchýlku).
V prípade potreby nahraďte/vymažte chýbajúce hodnoty alebo vyriešte outliers (podľa ľubovoľnej zvolenej stratégie).
Vytvorte nový stĺpec, ktorý kategorizuje vína na základe kvality (stĺpca quality).
- Za „vysokú kvalitu“ považujte tie vína, ktoré majú hodnotu quality > 7.
- Tak vznikne binárny stĺpec, napr. high_quality, kde 1 znamená vysokokvalitné víno a 0 ostatné.

In [ ]:

pip install ucimlrepo

In [ ]:

from ucimlrepo import fetch_ucirepo
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 2) Načítanie datasetu z UCI
wine_quality = fetch_ucirepo(id=186)  

# Pomocné informácie:
# - "id=186" zodpovedá Wine Quality datasetu v ucimlrepo
# - Ďalšie informácie nájdete na GitHube tohto projektu alebo priamo v docstringu

# 3) Dáta (ako pandas DataFrame)
X = wine_quality.data.features
y = wine_quality.data.targets

# Vypisuje metadáta
print(wine_quality.metadata)

# Vypisuje informácie o jednotlivých premenných
print(wine_quality.variables)

2. Čiarové grafy a analýza trendov¶

Binning: Rozdeľte premennú alcohol alebo residual_sugar do niekoľkých intervalov (napr. 4–6 intervalov).
Priemerná kvalita: Zistite priemernú hodnotu quality (alebo podiel high_quality) v týchto intervaloch a zobrazte ju čiarovým grafom.

In [ ]:

# YOUR CODE

3. Stĺpcové grafy a kategorizácia¶

Zaokrúhlenie pH: Zaokrúhlite stĺpec pH na jedno/desatinné miesto do nového stĺpca (napr. pH_rounded).
Skupiny: Spočítajte, koľko vín (alebo aká je priemerná kvalita vín) spadá do jednotlivých zaokrúhlených hodnôt pH_rounded.
Stĺpcový graf: Vytvorte stĺpcový graf. Môže byť stacked (napr. zobraziť, koľko z nich je high_quality=1 a koľko high_quality=0 ).
Interpretácia: Diskutujte, či z grafu vyplýva nejaká zaujímavá súvislosť medzi pH a kvalitou.

In [ ]:

# YOUR CODE

4. Histogramy a distribučné analýzy¶

Histogram: Zobrazte distribúciu alcohol, alebo inej dôležitej spojitej premennej (residual_sugar, density, atď.).
Porovnanie: Urobte dva histogramy vedľa seba: jeden pre vína high_quality=1 a druhý pre high_quality=0.
Záver: Zhodnoťte, či majú vysokokvalitné vína iný typický rozsah danej premennej než víná s nižšou kvalitou.

In [ ]:

# YOUR CODE

5. Rozptýlené grafy (Scatter) a korelácie¶

Scatter: Vytvorte rozptýlený graf, kde na osi x bude volatile_acidity a na osi y citric_acid.
Farebná odlišnosť: Zmente farbu alebo veľkosť bodu určte podľa alcohol (alebo quality).
Korelácia: Vypočítajte korelačný koeficient medzi volatile_acidity a citric_acid a stručne ho okomentujte.

In [ ]:

# YOUR CODE

6. Koláčové grafy / Proporčné zobrazenia¶

Koláčový graf: Vytvorte jednoduchý koláč, ktorý ukáže podiel vín s high_quality=0 a high_quality=1.
Diskusia: Vyjadrite sa, či je koláčový graf podľa vás vhodný na takéto zobrazenie, a či by ste namiesto toho nepoužili radšej pruhový graf.

In [ ]:

# YOUR CODE

7. Subplots a kombinované vizualizácie¶

Dvojité zobrazenie: Vytvorte 2 alebo 3 grafy vedľa seba / pod sebou na jednej figure (napr. plt.subplots(1, 2) alebo (2, 1)).
Typy grafov: Môžete dať histogram pH do prvého grafu a čiarový graf quality podľa alcohol_bin do druhého grafu, atď.
Usporiadanie a popisy: Dbajte na to, aby každý graf mal vlastný názov, osy a aby neboli popisy príliš natlačené.

In [ ]:

# YOUR CODE

8. (Bonus) Pokročilé techniky a interaktivita¶

Interaktívny histogram: Využite matplotlib.widgets.Slider (alebo ipywidgets) na meniaci sa počet binov v histograme alcohol.
Iný parameter: Môžete spraviť widget, ktorým si študent vyberie, ktorú premennú chce zobraziť v histograme (napr. pH, sulphates, alcohol).
Animácie alebo iné knižnice: Prípadne skúste knižnicu Plotly alebo Bokeh na interaktívne zobrazenie.

In [ ]:

import matplotlib.widgets as widgets
from matplotlib.widgets import Slider

%matplotlib widget

In [ ]:

# YOUR CODE

9. Zhrnutie a diskusia¶

Ktoré vizualizácie sa vám zdali najinformatívnejšie?
Narazili ste na nejaké nečakané vzťahy medzi premennými?
Ktoré grafy by ste zvolili pre prezentáciu výsledkov vedeniu firmy ("manažérske grafy")?
Ako by ste rozšírili túto analýzu o ďalšie premenné alebo iné typy grafov?

Referencie¶

Poznámka¶

Cieľom je nielen zvládnuť technickú stránku vizualizácií, ale aj kriticky premýšľať, aká vizualizácia sa hodí pre daný typ dát a otázku, ktorú riešite.