5 Niesamowitych bibliotek wizualizacji danych w Pythonie, które musisz wypróbować
Celem wizualizacji danych jest jasne i skuteczne przekazywanie danych lub informacji czytelnikom. Oto 5 niezbędnych bibliotek Pythona, które pomogą Ci to zrobić, z przeglądami i linkami do przewodników szybkiego startu dla każdej z nich.
By Roja Achary, Entuzjasta uczenia maszynowego
„Celem wizualizacji jest wgląd, a nie obrazy”.
Ben Shneiderman
Źródło – miernik Venna
Wizualizacja danych to wizualna prezentacja danych lub informacji. Celem wizualizacji danych jest jasne i skuteczne przekazywanie danych lub informacji czytelnikom. Zazwyczaj dane są wizualizowane w postaci wykresu, infografiki, diagramu, mapy i nie tylko.
Jak to pomaga?
- Zidentyfikuj trendy i wartości odstające
- Opowiedz historię w danych
- Wzmocnij argument lub opinię
- Zaznacz ważny punkt w zestawie danych
Zanurzmy się w każdym z nich.
Wymagane biblioteki
Użyj menedżera pakietów pip
do zainstalowania poniżej:
pip install matplotlib pip install seaborn pip install plotnine pip install plotly pip install bokeh
Biblioteki Matplotu
Matplotlib to kompleksowa biblioteka do tworzenia statycznych, animowanych i interaktywnych wizualizacji w Pythonie. Większość programistów rozpoczyna swoją przygodę z wizualizacją danych od Matplotlib.
Cechy:
- Został zaprojektowany jak MATLAB, więc przełączanie między nimi jest dość łatwe.
- Zawiera wiele backendów renderujących.
- Potrafi odtworzyć niemal dowolne działki (przy odrobinie wysiłku).
- Istnieje od ponad dekady, dlatego może pochwalić się ogromną bazą użytkowników.
Szybkie kody ręczne dla Matplotlib w 10 minut
Dno morskie
Seaborn wykorzystuje moc Matplotlib do tworzenia pięknych wykresów w kilku linijkach kodu. Kluczową różnicą są domyślne style i palety kolorów Seaborn, które są zaprojektowane tak, aby były bardziej estetyczne i nowoczesne. Ponieważ Seaborn jest zbudowany na bazie Matplotlib, musisz znać Matplotlib, aby dostosować ustawienia domyślne Seaborn.
Cechy:
- Wbudowane motywy do stylizacji grafiki matplotlib
- Wizualizacja danych jednowymiarowych i dwuwymiarowych
- Dopasowywanie i wizualizacja modeli regresji liniowej
- Wykreślanie statystycznych danych szeregów czasowych
- Seaborn dobrze współpracuje ze strukturami danych NumPy i Pandas
- Zawiera wbudowane motywy do stylizacji grafiki Matplotlib
Szybkie kody ręczne dla Seaborn w 10 minut
Plotnina
Plotnine to implementacja gramatyki grafiki w Pythonie oparta na ggplot2. Gramatyka umożliwia użytkownikom komponowanie wykresów przez wyraźne mapowanie danych do obiektów wizualnych, które tworzą wykres.
Cechy:
- Przekształcenia statystyczne
- Waga
- Układy współrzędnych
- Fasety
- Motywy
Szybkie kody ręczne dla Plotnine w 10 minut
Bokeh
Źródło: Patrik Hlobil
Bokeh to interaktywna biblioteka wizualizacji dla nowoczesnych przeglądarek internetowych. Zapewnia elegancką, zwięzłą konstrukcję wszechstronnej grafiki i zapewnia interaktywność o wysokiej wydajności w dużych lub przesyłanych strumieniowo zestawach danych. Bokeh może pomóc każdemu, kto chciałby szybko i łatwo tworzyć interaktywne wykresy, pulpity nawigacyjne i aplikacje danych.
Cechy:
- Elastyczne
- Interaktywny
- Potężny
- Produktywny
- Udostępniane
- Otwarte źródło
Szybkie kody ręczne do bokeh w 10 minut
Zgrabnie
plotly to interaktywna biblioteka graficzna o otwartym kodzie źródłowym i oparta na przeglądarce dla Pythona. Zbudowana na bazie plotly.js, plotly.py jest deklaratywną biblioteką do tworzenia wykresów wysokiego poziomu. plotly.js zawiera ponad 30 typów wykresów, w tym wykresy naukowe, wykresy 3D, wykresy statystyczne, mapy SVG, wykresy finansowe i inne.
Cechy:
- Wykresy, pulpity nawigacyjne
- Eksport plików, Menedżer aplikacji
- Kubernetes, Uwierzytelnianie
- Kolejka zadań, aparat migawek
- Osadzanie, Big Data dla Pythona
Szybkie kody ręczne do kreślenia w 10 minut
Referencje i pomoc:
- https://matplotlib.org/stable/tutorials/index.html
- http://seaborn.pydata.org/index.html
- https://plotnine.readthedocs.io/en/stable/
- https://bokeh.org/
- https://plotly.com/python/
Bio: Roja Achary (Kaggle, GitHub) jest entuzjastą uczenia maszynowego i zapalonym uczniem. Interesuje się obszarem AI, Data Science z inżynierią oprogramowania i zawsze jest otwarta na konstruktywną współpracę.
Związane z:
Najważniejsze artykuły z ostatnich 30 dni | |||
---|---|---|---|
|
Źródło: https://www.kdnuggets.com/2021/09/5-awesome-data-visualization-libraries-python.html
- "
- 3d
- 9
- AI
- Aplikacja
- aplikacje
- mobilne i webowe
- Uwierzytelnianie
- samochód
- Big Data
- Bit
- Wykresy
- kod
- wspólny
- Budowa
- Tworzenie
- dane
- nauka danych
- Wizualizacja danych
- głęboka nauka
- Inżynieria
- przewyższać
- eksport
- Postać
- budżetowy
- i terminów, a
- Nasz formularz
- Gramatyka
- Przewodniki
- tutaj
- W jaki sposób
- How To
- HTTPS
- olbrzymi
- obraz
- Włącznie z
- infografika
- Informacja
- interaktywne
- IT
- Klawisz
- duży
- uczeń
- nauka
- Biblioteka
- uczenie maszynowe
- mapa
- Mapy
- Microsoft
- ML
- koncepcja
- Opinia
- power
- projekt
- Python
- czytelnicy
- regresja
- nauka
- Naukowcy
- Serie
- zestaw
- statki
- Migawka
- So
- Tworzenie
- Inżynieria oprogramowania
- początek
- historie
- Streaming
- systemy
- Testowanie
- czas
- Top
- transformatorowy
- Trendy
- Użytkownicy
- wyobrażanie sobie
- sieć
- Przeglądarki internetowe
- KIM
- w ciągu
- działa
- X