Vizualizácie pomocou knižnice Seaborn - cvičenie 1¶
Nasledujúce úlohy demonštrujú možnosti knižnice Seaborn pri rôznych spôsoboch vizualizácií premenných dátových rámcov Pandas.
Na úvod importujeme knižnicu Seaborn. Rovnako importujeme knižnice pre prácu s dátovými rámcami Pandas a Numpy pre numerické operácie, ktoré budeme používať.
Príkaz %matplotlib inline nastaví vykresľovanie vizualizácií v rámci front-endu, ktorý používame (v našom prípade notebooky Jupyter) priamo, pod časťou spusteného kódu. Vizualizácie potom budú súčasťou notebooku.
import seaborn as sns
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
# inicializujeme knižnicu Seaborn
sns.set()
Načítanie datasetu¶
Seaborn umožňuje použiť vstavanú funciu load_dataset() na načítanie štandardných dátových kolekcií z repozitáru príkladov knižnice. Dataset v taktomto prípade nenačítavame z disku, stiahne sa automaticky z repozitára a načíta sa ako štandardný dátový rámec. Túto funkciu je možné použiť pri analýze štandardných dátových kolekcií. Jediným parametrov tejto funkcie je názov datasetu, kompletný zoznam dátových množín, ktoré takto môžeme načítať nájdete tu.
V tomto tutoriáli budeme pracovať s datasetom tips. Tento jednoduchý dataset obsahuje údaje o veľkosti platieb a sprepitného v reštaurácii. Tie su charakterizované nasledujúcimi atribútmi:
- total_bill - výška celého účtu
- tip - výška sprepitného
- sex - pohlavie platcu účtu
- smoker - identifikuje, či platca je fajčiar alebo nie
- day - deň transakcie
- time - špecifikuje, či sa jednalo o večeru alebo obed
- size - veľkosť skupiny osôb
tips = sns.load_dataset('tips') # Z repozitára štandardných datasetov načítame dataset Tips
tips.head() # V premennej tips budeme mať načítaný dátový rámec, ktorého hlavičku môžeme vypísať príkazom head()
Na Pandas dátový rámec môžeme aplikovať rôzne vizualizácie, ktoré poskytuje knižnica Seaborn. Na jednotlivé premenné sa odkazujeme pomocou názvu stĺpca v dátovom rámci.
Vizualizácie distribúcie hodnôt - numerické atribúty¶
Prvou skupinou vizualizácií pre numerické atribúty sú diagramy distribúcie hodnôt (vizualizácie histogramov pre kategorické atribúty si ukážeme neskôr pri countplot()). Pre ich vizualizáciu v knižnici Seaborn môžeme použiť vizualizáciu distribúcie hodnôt pomocou funkcie displot(). Tá vykresľuje distribúciu hodnôt zvoleného atribútu, kde na x-ovej osi sú hodnoty zvoleného atribútu a na y-ovej osi ich distribúcia.
Jediným povinným parametrom funkcie displot() je pole alebo zoznam s hodnotami premennej. V prípade, že dáta máme načítané v dátovom rámci, budeme parameter špecifikovať ako dátový_rámec['stĺpec']. Funkcia potom použije názov stĺpca pre názov osi x.
# Nasledujúcim príkazom vykreslíme graf rozdelenia hodnôt atribútu `total_bill` z dátového rámca tips
g = sns.displot(tips['total_bill'])
Po vykreslení grafu vidíme distribúciu hodnôt atribútu total_bill. Všimnime si, že pre účely vykreslenia bol spojitý atribút diskretizovaný. Funkcia displot() implicitne sama automaticky prepočítava vhodný počet intervalov. Okrem samotného histogramu, Seaborn implicitne okrem početnosti vykresľuje aj aproximáciu funkcie hustoty rozdelenia hodnôt.
Samotný spôsob vykresľovania môžeme modifikovať, nastavovaním nepovinných parametrov. Tých je hneď niekoľko:
bins- hodnota tohoto parametra určuje počet intervalov, ktoré sa použijú pri transformovaní spojitého atribútu pri vykresľovaní. Nadobúda hodnoty celých čísel.kde- KDE (kernel density estimation), ďalší z rozširujúcich parametrov, ktorý vypína alebo zapína vykresľovanie aproximácie hustoty rozdelenia hodnôt. Môžeme ho voliteľne zapnúť nastavením na hodnotuTrue.rug- zobrazenie datapointov na osi x (hodnotyTrueaFalse)kind- zobrazenie typu grafu (hodnoty"hist","kde"a"ecdf"- kumulativny histogram)
# Vykreslíme displot() pre atribút total_bill z dátového rámca tips bez zobrazenia aproximácie, pri diskretizácii použijeme 40 intervalov
g = sns.displot(tips['total_bill'],kde=False,bins=40)
Rôznymi kombináciami parametrov môžeme vizualizovať rôzne kombinácie spôsobov vykresľovania distribúcie hodnôt jednej premennej.
# Vykreslíme aproximáciu hustoty rozdelenia, s dátovými bodmi, bez histogramu
g = sns.displot(tips['total_bill'], kind="kde", rug=True)
Ak chceme vykresliť distribúciu hodnôt iba pomocou KDE, môžeme použiť funkciu kdeplot().
Pomocou Seaborn zároveň môžeme vykresliť aj vizualizácie distribúcií hodnôt pre viacero atribútov súčasne. Tie sú potom farebne rozlíšené.
for col in ['tip', 'total_bill']: # v jednoduchom cykle prejdeme cez všetky atribúty, ktoré chceme vykresliť
sns.kdeplot(tips[col]) # pomocou kdeplot vykreslíme KDE krivku
Vizualizácie závislosti dvoch numerických premenných¶
Bodové grafy (Scatter plots)¶
Pre vizualizáciu závislosti hodnôt dvoch numerických atribútov môžeme použiť bodové grafy (scatter plots) pomocou funkcie knižnice Seaborn scatterplot(). Funkcia má na vstupe 3 štandardné parametre:
x- premenná, ktorá bude zobrazená na osi xy- premenná, ktorá bude zobrazená na osi ydata- dátový rámec vstupných dát
Obe analyzované premenné musia byť numerické. V týchto a nasledujúcich funkciách už premenné špecifikujeme len podľa názvu stĺpca v používanom dátovom rámci (ten sa tiež zvyčajne uvádza ako jeden z parametrov). Aj v tomto prípade, Seaborn použije názov dátového rámca pre označenie osí v grafe.
Výstupom je graf, kde jednotlivé body zdpovedajú jednotlivým záznamom v dátovom rámci, resp. kombinácii hodnôt oboch sledovaných atribútov.
Príklad nižšie zobrazí súvislosť medzi dvoma numerickými atribútmi. V tomto prípade poďme preskúmať vzťah medzi veľkosťou sprepitného tip a výškou účtu total_bill použitím bodového grafu.
g = sns.scatterplot(x='tip', y='total_bill',data=tips) # Na osi x vynesieme hodnoty tip, na os y hodnoty total_bill a ako zdrojové dáta použijeme dátový rámec tips
Scatter plot je možné skombinovať aj s kategorickým atribútom. Môžeme tak vizuálne odlíšiť hodnoty kombinácie dvoch numerických atribútov pre špecifické hodnoty zvoleného kategorického atribútu.
Ten do scatterplot() funkcie došpecifikujeme pomocou rozširujúceho parametra hue. Jeho hodnotu potom nastavíme na kategorický atribút, ktorý použijeme pre farebné rozlíšenie bodov vo vizualizácii.
Povedzme, že chceme rozlíšiť farebne hodnoty kombinácií atribútov tip a total_bill podľa toho, či hosť bol fajčiar alebo nie.
# Vykreslíme scatterplot ako v predošlom príklade, akurát pomocou hue parametra nastaveného na atribút 'smoker' farebne rozlíšime body
g = sns.scatterplot(x='tip', y='total_bill', hue='smoker', data=tips)
Ďaľšími parametrami, ktorými môžeme modifikovať vizualizáciu závislosti sú:
style- ak chceme na rozlíšenie jednotlivých hodnôt kategorického atribútu použiť tvar bodovsize- ak chceme na rozlíšenie bodov použiť veľkosť spojitý atribút pomocou veľkosti jednotlivých bodov
Všetky vyššie uvedené spôsoby je možné navzájom kombinovať. V bodovom grafe potom budeme vedieť vykresliť závislosť dvoch numerických premenných v závislosti na viacerých kategorických alebo iných spojitých premenných.
Príklad nižšie obohacuje predošlý graf o zobrazenie veľkosti skupiny (pomocou veľkosti jednotlivých bodov - parametrom size) a rozlíšením pohlavia (pomocou rôzneho tvaru bodov - parameter style).
g = sns.scatterplot(x='tip', y='total_bill', hue='smoker', size='size', style='sex', data=tips)
Regresné grafy (Regression plots)¶
Bodový graf vieme doplniť aj o vizualizáciu lineárnej funkčnej závislosti skúmaných atribútov. Takúto vizualizáciu realizujeme pomocou funkcií regplot() alebo lmplot(). Funkcia používa rovnaké parametre ako funkcie scatterplot() a výsledný bodový graf je doplnený o vizualizáciu regresného modelu funkčnej závislosti premenných.
V príklade nižšie vizualizujeme lineárnu závislosť medzi atribútmi total_bill a tip. V tomto prípade vizualizácia dáva zmysel - so zvyšujúcim sa účtom obvykle rastie aj výška sprepitného.
Parametrami funkcie regplot() sú:
x- premenná na osi xy- premenná na osi ydata- dátový rámec
Rozširujúce parametre umožňujú nastaviť stupeň funkcie použitej pre modelovanie závislosti - implicitne je nastavená lineárna funkcia, parametrom order špecifikujeme stupeň polynómu.
# Príklad nižšie zobrazuje zobrazuje kombináciu rovnakých premenných ako predošlé príklady
g = sns.regplot(x='tip',y='total_bill',data=tips)
Podobne ako predchádzaujúce spôsoby vizualizácie, aj regplot vieme doplniť o farebné rozlíšenie pomocou hodnôt zvoleného kategorického atribútu. Rovnako ako v predchádzajúcich príkladoch pomocou nastavenia parametra hue.
# Analogicky ako v príklade so scatterplot
# Graf rozlíšime pomocou parametra hue podľa hodnôt atribútu 'smoker'
g = sns.lmplot(x='tip',y='total_bill', hue='smoker', data=tips)
Kombinované vizualizácie - Joint plot¶
Vizualizácia pomocou funkcie jointplot() umožňuje vo všeobecnosti rozšíriť a skombinovať vizualizácie charakteristík samotných premenných spolu s vizualizáciou vzájomných charakteristík dvoch premenných. Parametrami tejto funkcie sú:
x- názov prvej premennejy- názov druhej premennejdata- dátový rámec vstupných dátkind- definuje typ kombinácie vizualizácií. Nadobúda hodnoty:scatter,hex,reg,kde.
Pri jeho nastavení na hodnotu scatter dostaneme bodový graf ako pri scatterplot() skombinovaný s grafmi o distribúcii hodnôt oboch premenných (ako displot()).
# Uvedený príklad skombinuje vizualizáciu kombinácii hodnôt dvoh atribútov tip a total_bill (ako scatterplot)
# Dopĺňa ich potom o vizualizácie distribúcií hodnôt (ako displot)
g = sns.jointplot(x='tip', y='total_bill',data=tips, kind='scatter')
Úloha 9.1¶
Vyskúšajte nastaviť rôzne hodnoty parametra kind a porovnajte jednotlivé spôsoby vykresľovania.
# YOUR CODE HERE
Kombinované vizualizácie - Párový graf¶
Párový graf umožňuje vizualizovať naraz vzájomné kombinácie všetkých numerických atribútov naprieč celým dátovým rámcom. Výsledkom je matica grafov, kde mimo diagonál zobrazujeme vizualizácie vzájomných kombinácií jednotlivých atribútov. Na diagonále sa implicitne zobrazujú distribpcie hodnôt daného atribútu.
Funkcia pairplot() požaduje iba jediný povinný parameter - zdrojový dátový rámec.
Ak chceme vykresliť párový diagram iba pre zvolené stĺpce, môžeme ich predtým špecifikovať do poľa, ktoré predáme funkcii ako parameter.
col = ['tip', 'total_bill', 'size'] # špecifikujeme stĺpce, pre ktoré chceme vykresľovaťmpárový graf
g = sns.pairplot(tips[col]) # zavoláme funkciu pairplot s parametrom
Úplne rovnako ako v predošlých príkladoch, aj párový graf môžeme doplniť o farebné rozlíšenie podľa hodnôt zvoleného kategorického atribútu pomocou nastavenia parametra hue.
Úloha 9.2¶
Vyskúšajte podobným spôsobom ako v predchádzajúcich úlohách zobrazit párový graf pre 3 numerické atribúty datasetu tips, ale rozlíšený podľa hodnôt atribútu popisujúceho pohlavie (sex).
# YOUR CODE HERE
Vizualizácia distribúcie rozdelenia hodnôt - kategorické atribúty¶
Pre vizualizáciu kategorických premenných môžeme použiť viacero druhov vizualizácií.
Medzi najjednoduššie patrí vizualizácia histogramov - početnosti rôznych hodnôt kategorických atribútov. Na jeho vizualizáciu môžeme použiť funkciu countplot().
Funkcia má na vstupe 2 povinné parametre, ktoré umožnia tvoriť základné histogramy pre jeden atribút:
xaleboy- stĺpec dátového rámca vizualzovaného x-ovej alebo y-ovej osi. Volíme podľa toho, či chceme graf vykresliť vodorovne, alebo zvisle.data- zdrojový dátový rámec
Príklad nižšie zobrazí početnosť hodnôt atribútu smoker.
g = sns.countplot(x='smoker', data=tips)
Vizualizácia zobrazuje početnosti jednotlivých hodnôt daného atribútu. Funkcii vieme špecifikovať rozširujúce parametre:
hue- farebné odlíšenie pomocou hodnôt špecifikovaného kategorického atribútupalette- definuje farebnú sadu (napr.rainbow,Set1,Bluesalebocoolwarm)
Úloha 9.3¶
Vyskúšajte si vizualizáciu countplot() tak, že zobrazíte počty fajčiarov aj vzhľadom na jednotlivé pohlavia. Jednotlivé stĺpce vykreslite vodorovne.
### YOUR CODE HERE
Vizualizácie vzájomnej závislosti 2 premenných rôznych typov¶
Stĺpcový graf¶
countplot je v podstate zjednodušenou formou barplot grafu, ktorý vo všeobecnosti umožňuje zobraziť agregované hodnoty zvoleného numerického atribútu podľa hodnôt kategorickej premennej (štandardne je nastavená ako funkcia priemer). Vizualizácia je teda tvorená stĺpcami, ktorých výška reprezentuje priemernú hodnotu zvoleného atribútu. Navyše je táto informácia doplnená o vizualizáciu štandardnej odchýlky.
Funkcia barplot() má niekoľko povinných parametrov:
x- názov kategorickej premennejy- názov numerickej premennejdata- dátový rámec vstupných dát
Rozširujúcimi parametrami vieme došpecifikovať vykresľlovanie. Napr.:
hue- farebné odlíšenie pomocou hodnôt špecifikovaného kategorického atribútuestimator- môže expliticne definovať funkciu estimátora (implicitne je nastavený priemer), môžeme ale použiť aj napr.median,ci- explicitne definuje odchýlku estimátora (implicitne je nastavená štandardná odchýlka, ak je nastavený naNone, odchýlka sa nevykreslí).palette- definuje farebnú saduorder- umožňuje nastaviť poradie v akom budú zobrazené stĺpce, napr. ['Atribut2', 'Atribut1']
g = sns.barplot(x='sex',y='tip',data=tips) # Tento príkaz vizualizuje priemernú výšku sprepitného pre mužov a ženy
Úloha 9.4.¶
Vykreslite mediány výšky sprepitného v jednotlivých dňoch v týžni rozdelené podľa pohlavia.
Pozn. - prepočítanie medánu potrebujete importovať median funkciu z numpy
# YOUR CODE HERE
Krabicový graf¶
Pre zobrazenie distribúcie hodnôt pre kategorické dáta môžeme použiť boxplot. Vizualizuje distribúciu numerických premenných naprieč rôznymi hodnotami kategorických atribútov a zobrazuje minimálne/maximálne hodnoty, medián a kvartily. Body vykreslené mimo "box" (tzv. fliers) predstavujú outliery.
Funkcia boxplot() má na vstupe rovnaké povinné parametre ako predchádzajúce funkcie:
x- názov kategorickej premennejy- názov numerickej premennejdata- dátový rámec vstupných dát
# Kód nižšie vykreslí rozdelenie výšky sprepitného (atribút tip) podľa pohlavia.
g = sns.boxplot(x="sex", y="tip", data=tips)
Aj boxplot vizualizácie vieme modifikovať a rozširovať, obdobne ako v predchádzajúcich príkladoch. Podobne teda vieme definovať:
hue- farebné odlíšenie pomocou hodnôt špecifikovaného kategorického atribútuorder- umožňuje nastaviť poradie v akom budú zobrazené stĺpce, napr. ['Atribut2', 'Atribut1']palette- definuje farebnú sadu
# Tento príklade vizualizáciu rozdelí podľa atribútu ``smoker`` pre fajčiarov/nefajčiarov.
g = sns.boxplot(x="day", y="tip", hue="smoker",data=tips)
Úloha 9.5¶
Vyskúšatje posledný krabicový graf vykresliť aj s týmto rozširujúcimi parametrami palette a order. Prvý atribút skúšajte nastaviť napr. na rainbow, Set1, Blues alebo coolwarm. Na x-ovej osi vykreslite dni v obrátenom poradí.
# YOUR CODE HERE
Rovnako môžete vyskúšať použit rozširujúci parameter palette aj pri ostatných predoškých vizualizáciách (okrem displot() grafu).
# YOUR CODE HERE
Medzi povniné parametre partia:
x- názov kategorickej premennejy- názov numerickej premennejdata- dátový rámec vstupných dát
# Rovnaký príklad z predošlých ukážok - na os x vykreslíme hodnotu atribútu 'day'
# Na y-ovú os hodnoty atribútu 'tip', zdrojový dataset je 'tips'
g = sns.stripplot(x="day", y="tip", data=tips)
Podobne, ako v predchádzajúcich prípadoch, aj tieto vizualizácie môžeme pomocou parametra hue, došpecifikovať podľa hodnôt zvolenej kategorickej premennej.
Ďalší z rozširujúcich parametrom je jitter. Nastavovaním hodnoty tohoto parametra môžeme špecifikovať hustotu vykreslenia.
Tiež môžeme použiť aj parameter palette pre definovanie použitej farebnej palety.
# Tento graf vizualizuje výšku sprepitného (tip) mužov a žien podľa jednotlivých dní v týždni (atribút day)
# Hustota vykreslenia bodov (jitter) je nastavená manuálne na 0.3 a nastavená je aj farebná paleta coolwarm
g = sns.stripplot(x="day", y="tip", hue="sex",data=tips, jitter = 0.3, palette = 'coolwarm')
Vyskúšajte nastavovať parameter jitter na rôzne hodnoty v intervale (0,1) a sledujte, ako to ovplyvňuje vizualizáciu.
Swarm plot¶
Funkcia swarmplot() vykresľuje podobný typ grafu ako stripplot(). Jej použitie je teda rovnaké - pre vykreslenie bodového grafu, kde jedna z premenných je kategorická. Rozdiel je iba v samotnom vykreslení, kde sa jednotlivé body neprekrývajú. Takýto spôsob potom môže poskytnuť lepší pohľad na distribúciu hodnôt, na druhej strane pri veľkom počte záznamov nemusí byť vhodný.
Úloha 9.6¶
Vyskúšajte si teraz rovnakú vizualizáciu ako v predošlom príklade pomocou funkcie swarmplot. Používa sa rovnaký spôsob špecifikácie vstupných parametrov - stĺpec dát pre os x a y, data pre zdrojový dátový rámec, hue pre kategorický atribút a palette pre farby.
# YOUR CODE HERE
Vizualizácie z predošlých príkladov vieme spájať dokopy a tvoriť kombinované grafy. Príklad nižšie skombinuje swarmplot a violinplot do jednej vizualizácie.
Kombinované vizualizácie - Facet grids¶
Facet Grids umožňujú vykresľovanie viacerých vizualizácií naraz do mriežky. Pomocou funkcie FacetGrid() vieme vytvoriť mriežku, ktorú vieme naplniť rôznymi vizualizáciami.
Facet histogramy¶
Nižsie uvedený príklad demonštruje použitie funkcie na paralelné vykreslenie viacerých histogramov v závislosti na rôznych kombináciách hodnôt atribútov.
Povedzme, že by nás zaujímalo poznať, koľko z celkového účtu nechávajú muži a ženy počas večere alebo obeda (atribút time). Na vizualizáciu takéhoto histogramu si najprv vytvoríme nový atribút popisujúci podiel sprepitného na celkovom účte a nazveme ho tips_pct.
Potom vykreslíme mriežku, kde jednotlivé riadky špecifikujeme parametrom row a stĺpce parametrom col. Ich hodnotami sú kategorické atribúty, pre ktoré sa budú v jednotlivých stĺpcoch vizualizovať jednotlivé grafy.
Potom pomocou funkcie map() aplikujeme matplotlib alebo seaborn histogram (funkcia plt.hist alebo sns.histogram) pre zvolený atribút (v tomto prípade podiel prepitného tip_pct).
tips['tip_pct'] = 100 * tips['tip'] / tips['total_bill'] #vytvoríme nový stĺpec s hodnotou podielu sprepitného na účte
g = sns.FacetGrid(tips, row="sex", col="time") # vytvoríme mriežku, kde budú riadky podľa hodnoty pohlavia a v stĺpcoch podľa času
g.map(sns.histogram, "tip_pct") # vykreslíme matplotlib histogramy do mriežky
Vykresľovanie závislosti s treťou kategorickou premennou¶
Použitím funkcie catplot() môžeme vykresliť vizualizáciu grafov uvedených typov (pre kategorické atribúty) aj v závislosti na ďalšej dodatočnej kategorickej premennej. Funkcia umožní paralelne vedľa seba vykresliť viacero diagramov daného typu, každý pre jednu z hodnôt ďalšej kategorickej premennej.
Funkcia catplot() je vlastne stĺpcový graf (rovnaký ako vo funkcii barplot()), avšak umožňuje vykresľovanie do FacetGrid-u automaticky. Vo funkcii teda môžeme priamo došpecifikovat parameter col, ktorý podľa hodnôt špecifikovaného atribútu v jednotlivých stĺpcoch vykreslí stĺpcové grafy pre jednotlivé hodnoty daého atribútu.
Ako príklad môžeme uviesť vizualizáciu výšky sprepitného mužov a žien podľa jednotlivých dní v týždni rozdelených ešte podľa toho, či sú fajčiari alebo nie. Tretiu kategorickú premennú dodefinujeme pomocou parametra col. Parameter kind potom definuje štýl vykreslenia (môžeme použiť bar, strip, point, swarm). Ak použijeme hodnotu count, môžeme takto na y-ovú os vyniesť početnosť hodnôt atribútu na x-ovej osi.
g = sns.catplot(x="day", y="tip", hue="sex", col="smoker", data=tips, kind="bar")
Heatmapy¶
Heatmapy je možné použiť na prehľadné vykresľovanie korelácií. Korelačnú maticu numerických atribútov v dátovom rámci vypočítame pomocou tips.corr().
Samotné hodnoty korelačných koeficientov môžeme štandardne vypísať do tabuľky, alebo môžeme použiť funkciu heatmap() zo Seaborn knižnice, ktorá nám umožní korelačnú tabuľku zadanú ako jej parameter vizualizovať farebne. Jednotlivé farebné odtiene potom udávajú silu vzájomnej korelácie.
# Vykreslenie heatmapy pre korelačnú tabuľku rámca tips
# tips.corr() funkcia spočíta korelácie všetkých numerických atribútov dátového rámca tips
g = sns.heatmap(tips.corr())
Takto vyzerá vizualizácia heatmapy s implicitnými nastaveniami. Rovnako ako v ostatných vizualizáciách, aj tu môžeme došpecifikovať viaceré spôsoby, ako zobrazenie upraviť. Napr. zobrazovanie korelačných koeficientov riadnime parametrom annot, ktorý aj je nastavený na hodnotu True, vykreslí hodnoty korelačných koeficientov do príslušných políčok. Rovnako môžeme definovať paletu farieb pomocou parametra cmap (colormap).
g = sns.heatmap(tips.corr(),cmap='coolwarm',annot=True)
Parametrom mask vieme špecifikovať políčka, ktoré sa "zamaskujú". Môžeme tak zamaskovať a nevykresliť napr. políčka s nulovými hodnotami, alebo napríklad v prípade korelačných matíc časť nad diagonálou.
mask = np.zeros_like(tips.corr(), dtype=np.bool)
mask[np.triu_indices_from(tips.corr())] = True # triu_indices_from() vráti indexy horného trojuholníka zo vstupného poľa, maska sa na nich nastaví na True
g = sns.heatmap(tips.corr(), mask=mask, annot=True, square=True) # vykreslí sa heatmapa s maskou
Heatmapy môžeme samozrejme použiť na zobrazovanie pivot tables. Tabuľku použijeme ako vstupný parameter a podobne ako v predošlých príkladoch nastavíme ostatnými parametrami zobrazovanie koeficientov jednotlivých políčok. Parametrom cbar zasa vieme nastaviť zapnutie/vypnutie farebnej stupnice.
heatmap_data = pd.pivot_table(tips, values='total_bill', index=['size'], columns='day') # vytvoríme pivot table - hodnoty celkového účtu podľa veľkosti skupinky a dňa
g = sns.heatmap(heatmap_data, annot=True, cmap="YlGnBu", cbar=False) # vykreslíme heatmapu
Zaujímavé je použitie heatmapy pre vizualizáciu chýbajúcich hodnôt. Môžema tak rýchlo získať predstavu o tom, v akých atribútoch sa chýbajúce hodnoty vyskytujú a koľko ich je. Aby sme demonštrovali využitie, načítame si dataset Titanic, nakoľko v datasete Tips sa chýbajúce hodnoty nevyskytujú.
titanic = sns.load_dataset('titanic') # načítame dataset Titanic z repozitáru štandardných datasetov
g = sns.heatmap(titanic.isnull(), cbar = False) # vykreslíme heatmapu pre tie prvky dátového rámca, ktoré sú chýbajúce, bar nevykresľujeme
Nastavenia štýlu a vykresľovania¶
V tejto časti si uvedieme niekoľko príkladov a ukážok toho, ako lepšie prispôsobiť vykresľovanie vizualizácií. Predošlé príklady používali štandardne prednastavený štýl Seaborn knižnice a niektoré z aspektov vykresľovania sme riadili priamo pre jednotlivé grafy použitím parametra palette. Seaborn umožňuje základné nastavenia štýlu realizovať jak pre jednotlivé grafy, tak aj definovať štýl jednotne, pre všetky používané vizualizácie.
Nižšie uvedieme niekoľko ukážok, ako je možné niektoré z aspektov vizualizácie prispôsobovať.
Jednotlivé úpravy štýlu si ukážeme na príklade displot zo začiatku cvičenia
g = sns.displot(tips['tip'])
Implicitne vykreslený graf je vykreslený s orámovaním, bielym pozadím. Pomocou funkcií set()a set_style() môžeme definovať štýl, ktorý potom bude používaný pre všetky grafy v skripte/notebooku. Štýl potom špecifikuje základné prvky vizualizácií - farbu osí, pozadie grafu a ostatné elementy. Nastaví sa obvykle na začiatku, pri inicializácii Seaborn.
Funkcia set() umoožňuje nastavi rôzne aspekty:
style- použitý štýl obrázkov (viz. štýly nižšie)xlabel,ylablel- popisky osípalette- použitá farebná paleta - podobne, ako sme špecifikovali pre jednotlivé grafy, môžeme definovať pre celý notebook, resp. iný kontextfont- špecifikácia fontu písma v diagramochfont_scale- veľkosť písma
Funkcia set_style() definuje jeden konkrétny aspekt vizualizácie - štýl samotných vizualizácií. Pokrýva style časť nastavenia všetkých aspektov vizualizácie. Samostatne tak môžeme pre dokument nastaviť štýl. Hodnoty parametra sú:
darkgridwhitegriddarkwhiteticks
Ak nastavíme štýl pomocou set() alebo set_style(), zmeny sa prejavia v celom kontexte (napr. dokumente). Ak chceme štýl aplikovať iba lokálne, na jeden z obrázkov, môžeme použiť funkciu axes_style('darkgrid') ako v úlohách nižšie.
Úloha 9.7¶
Vyskúšajte a porovnajte vizualizácie grafu distribúcie hodnôt atribútu tip pre rôzne hodnoty vstupného parametra funkcie.
with sns.axes_style('darkgrid'): # aplikujeme pomocou funkcie axes_style štýl
g = sns.displot(tips['tip']) # vykreslíme graf
Pomocou funkcie despine() vieme odstrániť rámček okolo diagramu, resp. dodefinovať jeho rozsah s spôsob zobrazovania.
g = sns.displot(tips['tip'])
g = sns.despine()
despine() umožňuje aj meniť vykresľovanie osí, ich rozostup, prípadne orezanie, pomocou parametrov offset a trim. Rovnako vieme špecifikovať, ktoré z ohraničení chceme odstrániť (parametrami left, right, bottom, top).
g = sns.displot(tips['tip'])
g = sns.despine(offset=5, trim=True, left=True, bottom=False)
Funkcia set_context() zase umožní vhodne naškálovať vizualizáciu pre daný účel. V závislosti na rôznych hodnotách jej parametra sa prispôsobuje veľkosť popisiek osí, legendy, hrúbky čiar, či stupnice osí. Hodnoty parametra tejto funkcie sú paper, notebook, talk a poster. Vyskúšajte rozdiely pri vykresľovaní.
Do kontextu vieme pridávať aj ostatné aspekty, napr. veľkosť písma (font_scale),
sns.set_context('talk', font_scale = 1.3)
g = sns.displot(tips['tip'])
Popisky osí môžeme špecifikovať pomocou matplotlib, alebo aj v Seaborn pomocou funkcie set(). Tá má 2 parametre pre popis x-ovej a y-ovej osi.
with sns.axes_style('whitegrid'):
g = sns.displot(tips['tip'])
g.set(xlabel='deň', ylabel='distribúcia')
Nastavovanie osí, alebo titulky obrázku môžeme realizovať aj kombináciou Seaborn a matplotlib vykresľovania. Príklad nižsie demonštruje vykreslenie Seaborn grafu a následné doplnenie titulky pomocou matplotlib.
g = sns.displot(tips['tip'])
g = plt.title('Distribution plot example', fontsize=14, fontweight='bold') # ak chceme, Seaborn vieme kombinovať s matplotlib - tuto napr. použijeme funkciu title() pre vykreslenie hlavičky grafu
Farebnú paletu sme si už vyskúšali pri niektorých grafoch nastavovať pomocou separátneho parametra pri vykresľovaní. Paletu je možné nastaviť pre celý dokument príkazom set_palette(). Ukážeme si niekoľko farebných paliet, ktoré je možné použiť.
sns.set_palette("Dark2")
g = sns.displot(tips['tip'])
Väčšina farebných paliet, ktoré je možné použiť:
