Arti i tregimit të të dhënave: Një udhëzues veprues me Python Plotly

9 këshilla të mrekullueshme për vizualizimin e të dhënave

Shpesh harrojmë se numrat nuk janë thjesht shifra, janë histori që presin të tregohen.

Kur bëhet fjalë për tregimin e të dhënave, Python është rruga për të shkuar. Dhe brenda sferës së Python, ekziston një mjet i quajtur Plotly që është një ndryshim i caktuar i lojës. Kjo ju lejon të përktheni me lehtësi numrat e mërzitshëm në tregime magjepsëse që tërheqin vëmendjen e njerëzve.

Duke përdorur Python Plotly si mjetin tonë të zgjedhur, le ta çojmë tregimin e të dhënave tuaja në nivelin tjetër me këto 9 këshilla të zbatueshme.

Këshillë 1. Filloni me një rrëfim të qartë

Çdo histori e mrekullueshme ka një tregim të qartë dhe historitë e të dhënave nuk janë të ndryshme. Filloni duke identifikuar mesazhin tuaj kryesor dhe lëreni të udhëheqë vizualizimin tuaj. Mos harroni, qëllimi juaj nuk është vetëm të përfaqësoni të dhëna, por të tregoni një histori bindëse që qëndron.

Këshillë 2. Përdorni Komplote interaktive

Një nga avantazhet kryesore të Plotly është ndërveprimi i tij. Përdoreni atë në avantazhin tuaj. Komplotet interaktive si grafikët e shpërndarjes ose skicat 3D lejojnë audiencën tuaj të eksplorojë të dhënat me ritmin e vet, duke krijuar një përvojë personale dhe praktike. Sa më shumë që audienca juaj të ndërveprojë me të dhënat, aq më shumë do të kuptojnë dhe mbajnë mend.

import plotly.express as px
df = px.data.iris()
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species", hover_data=['petal_length'])
fig.show()

Vizualizimi që rezulton demonstron ndërveprimin e një komploti të shpërndarjes Plotly:

Mund të rri pezull mbi secilën nga pikat e të dhënave në këtë grafik shpërndarjeje për të parë vlerat individuale.

Këshillë 3. Theksoni pikat e rëndësishme

Përdorni shënime për të theksuar pikat kryesore në të dhënat tuaja. Kjo mund të jetë një rritje e konsiderueshme, një rënie e papritur ose një prirje interesante. Shënimet ndihmojnë në udhëheqjen e audiencës tuaj përmes historisë dhe sigurohuni që ata të mos humbasin pjesët e rëndësishme.

import plotly.graph_objects as go

fig = go.Figure()
fig.add_trace(go.Scatter(x=[0, 1, 2, 3, 4, 5, 6, 7, 8], y=[0, 1, 3, 2, 4, 3, 4, 6, 5]))
fig.add_annotation(x=2, y=3, text="This is a key point", showarrow=True, arrowhead=1, ax=-50, ay=-50)
fig.show()

Shënimi shfaqet në grafikun e linjës si kjo:

Nëse dëshironi, mund të shtoni shënime të shumta.

Super e pastër, super e thjeshtë.

Këshillë 4. Përdorni skema të ngjyrave tërheqëse

Ngjyrat janë mjete të fuqishme të tregimit. Ato mund të ngjallin emocione, të nxjerrin në pah kontrastet dhe t'i bëjnë të dhënat tuaja të ndihen më personale dhe më të afërta. Në Plotly, ju mund të personalizoni shkallët tuaja të ngjyrave që të përputhen me gjendjen shpirtërore të historisë suaj të të dhënave.

import plotly.graph_objects as go

fig = go.Figure(go.Bar(
    x=['apple', 'banana', 'cherry', blueberry], 
    y=[20, 14, 23, 18],
    marker_color=['green', 'yellow', 'red', 'blue']))
fig.show()

Po, kjo është paksa ekstreme:

Por ju e kuptoni idenë! Çështja është - nëse historia juaj është ekstreme, atëherë përfaqësimi juaj duhet të jetë ekstrem!

Këshillë 5. Animoni komplotet tuaja

Shtoni një dramë në historinë tuaj të të dhënave duke animuar komplotet tuaja.

Plotly ju lejon të animoni vizualizimet tuaja me kalimin e kohës, duke krijuar pezullim dhe pritje. Është një shkëmb vizual që e mban audiencën tuaj të ngjitur në ekran.

import plotly.express as px

df = px.data.gapminder()

fig = px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country",
           size="pop", color="continent", hover_name="country", log_x=True, size_max=55, range_y=[20,90])

fig.show()

Kodi i mësipërm vizualizon të dhënat e integruara të Gapminder (df = px.data.gapminder() ) dhe krijon një grafik të animuar të shpërndarjes me PBB për frymë në boshtin x, jetëgjatësinë në boshtin y dhe të dhëna të animuara sipas vendit gjatë viteve.

Mund të shtypni ikonën "Luaj" në këndin e poshtëm majtas për të parë ndryshimet me kalimin e kohës. Super e mrekullueshme, super e lehtë

Këshillë 6. Përdorni lloje të ndryshme grafiku për të dhëna të ndryshme

Plotly ofron një shumëllojshmëri të gjerë të llojeve të grafikëve, nga grafikët bazë të vijave dhe shtyllave deri te parcelat komplekse 3D.

Mos e kufizoni veten në një lloj. Eksperimentoni me grafikët e ndryshëm dhe shikoni se cili prej tyre tregon më mirë historinë tuaj të të dhënave.

Këtu është një shembull i krijimit të një përhapjeje 3D me Plotly:

import plotly.graph_objects as go
import numpy as np

x, y, z = np.random.multivariate_normal(np.array([0,0,0]), np.eye(3), 200).transpose()
fig = go.Figure(data=[go.Scatter3d(x=x, y=y, z=z, mode='markers')])
fig.show()

Rezultati juaj do të duket diçka si kjo:

Këshillë 7. Personalizoni parcelat tuaja

Në tregimin e të dhënave, një madhësi nuk i përshtatet të gjithëve.

Personalizoni komplotet tuaja për t'iu përshtatur historisë tuaj të të dhënave. Kjo mund të nënkuptojë rregullimin e etiketave të boshteve, ndryshimin e paraqitjes ose ndryshimin e skemës së ngjyrave.

Sa më e personalizuar komploti juaj, aq më unike dhe më e paharrueshme do të jetë historia juaj e të dhënave. Këtu është një shembull se si të ndryshoni paraqitjen dhe skemën e ngjyrave:

import plotly.graph_objects as go

fig = go.Figure(
    data=[go.Scatter(x=[1, 2, 3], y=[3, 1, 6])],
    layout=go.Layout(
        title="Customized Plot",
        plot_bgcolor='rgb(230, 230,230)',
        showlegend=True,
        legend=dict(
            x=0,
            y=1.0,
            bgcolor='rgba(255, 255, 255, 0)',
            bordercolor='rgba(255, 255, 255, 0)'
        ),
        xaxis=dict(tickangle=-45),
        yaxis=dict(
            title_text="Y-axis Title",
            titlefont=dict(size=16, color='rgb(107, 107, 107)'),
            tickfont=dict(size=14, color='rgb(107, 107, 107)')
        )
    )
)
fig.show()

Duke parë kodin, mund të shohim se ka ndryshime në vetitë plot_bgcolor, bgcolor, bordercolor për grafikun aktual dhe mund të ndryshojmë madhësinë dhe ngjyranë pikat e të dhënave dhe përshkrimet e boshtit x gjithashtu.

Plotly na jep shumë opsione dhe fleksibilitet për të personalizuar çdo vizualizim të të dhënave.

Këshillë 8. Përdorni panelin e kontrollit për parcela të shumta

Ndonjëherë, një komplot nuk mjafton për të treguar historinë tuaj të të dhënave.

Në ato raste, përdorni bibliotekën Dash të Plotly për të krijuar panele interaktive. Paneli ju lejojnë të paraqisni së bashku komplote të shumta të lidhura, duke ofruar një pamje gjithëpërfshirëse të historisë suaj të të dhënave.

Kuptohet, këtu është një shembull i një aplikacioni të thjeshtë Dash me dy vizatime: një grafik shpërndarjeje dhe një grafik me shtylla.

import dash
from dash import dcc
from dash import html

app = dash.Dash(__name__)
# Scatter Plot
scatter_plot = {
    'data': [
        dict(x=[1,2,3,4,5,6,7,8], y=[4,1,3,5,6,4,2,3], mode='markers', name='scatter', marker=dict(color='red',size=20)
             )
    ],
    'layout': dict(title='Scatter Plot'),

}

# Bar Chart
bar_chart = {
    'data': [
        dict(x=['A','B','C','D','E'], y=[4,7,2,3,8], type='bar', name='bar')
    ],
    'layout': dict(title='Bar Chart')
}
app.layout = html.Div(children=[
    html.H1(children='Dash Demo'),
    dcc.Graph(
        id='example-scatter',
        figure=scatter_plot
    ),
    dcc.Graph(
        id='example-bar',
        figure=bar_chart
    )
])

if __name__ == '__main__':
    app.run_server(debug=True)

Ky kod krijon një aplikacion të thjeshtë Dash me dy vizatime: një grafik shpërndarjeje dhe një grafik me shtylla.

Grafiku i shpërndarjes tregon një grup pikash të dhënash dhe grafiku me shirita tregon një grup shiritash. Të dy parcelat kanë tituj. Shifrat shtohen në paraqitjen Dash dhe aplikacioni funksionon në një server lokal kur ekzekutohet.

Këshillë 9. Ndani historinë tuaj të të dhënave

Së fundi, mos harroni të ndani historinë tuaj të të dhënave.

Plotly e bën të lehtë eksportimin e vizualizimeve tuaja në formate të ndryshme, gati për t'u ndarë në mediat sociale, për t'u futur në një postim në blog ose për t'u përfshirë në një prezantim.

Ju mund të eksportoni vizualizimin tuaj si një imazh ose skedar HTML dhe ta ndani atë. Ja një shembull:

import plotly.graph_objects as go

fig = go.Figure(
    data=[go.Scatter(x=[1, 2, 3], y=[3, 1, 6])]
)
# Save as static image
fig.write_image("figure.png")
# Save as html
fig.write_html("figure.html")

Kjo do ta ruajë komplotin tuaj si figure.png dhe figure.html përkatësisht në drejtorinë tuaj aktuale.

Në përmbledhje…

Tani ju jeni të armatosur me fuqinë për të krijuar vizualizime të të dhënave që me të vërtetë kanë një ndikim.

Plotly ju jep lirinë për të treguar historinë e të dhënave tuaja në një mënyrë unike dhe tërheqëse.

Me këto këshilla vepruese, ju keni mundësinë të krijoni njohuri domethënëse dhe të frymëzoni veprimin përmes artit të tregimit të të dhënave.

Vizualizimi i lumtur!

Përpara se të shkoni…Nëse doni të filloni të shkruani vetë në Medium dhe të fitoni para në mënyrë pasive, ju duhet vetëm një anëtarësim për 5 dollarë në muaj. Nëse regjistroheni me lidhjen time, ju më mbështesni me një pjesë të tarifës së anëtarësimit pa kosto shtesë.

Nëse jeni të interesuar, "këtu është një lidhje për më shumë artikuj që kam shkruar". Ka artikuj mbi Python, Generative AI, Expat life, trajnime maratonë, udhëtime dhe më shumë!

Më shumë përmbajtje në PlainEnglish.io.

Regjistrohu për buletinin tonë javor falas. Na ndiqni në Twitter, LinkedIn, YouTube, dhe Discord .