Andriy Shyrokoryadov
.Net developer, data scientist
.Net developer, data scientist
Witam wszystkich na moim kanale. Mam na imię Andriej i pochodzę z Ukrainy. Programowaniem interesuję się hobistycznie od wieku 11 lat, a od kilku lat jest to moje głowne źródło dochodu. Programuję w językach C# i Python. To wideo jest pierwszym wideo szkoleniowym z zakresu biblioteki Matplot lib.
Przypomnijmy sobie trochę z zajęć z matematyki. Najprostszym wykres jest wykres 2D i składa się z dwóch osi współrzędnych: osi X zwaną osią odciętych i osi Y zwaną osią rzędnych. Na wykresie 2D można zwizualizować dane charakteryzujące się dwoma parametrami. Nazwy osi X i Y są dość umowne. Na przykład oś X może być osią czasu, a oś Y może być osią temperatury. W tym przypadku dane charakteryzujące zależność temperatury od czasu można zwizualizować na wykresie 2D.
Załóżmy że mamy zestaw danych z 2 punktów: (1,1) i (2,3). Dodajmy te punkty do wykresu. Po dodaniu punktów otrzymaliśmy tak zwany wykres punktowy. Gdy połączymy te 2 punkty otrzymamy inny rodzaj wykresu – wykres liniowy.
Inną powszechną formą wykresu jest wykres 3D. Taki wykres służy do wizualizacji danych charakteryzujących się trzema parametrami. Do już istniejących osi X i Y dodajemy trzecią oś Z zwaną kotą.
Dodajmy do wykresu 3D 2 punkty (1,1,1) i (2,1,2). Rysowanie wykresów 3D jest nieco bardziej skomplikowane. Wartości x i y należy odmierzyć na odpowiednich osiach tak samo jak w przypadku wykresu 2D, natomiast wartość Z jest mierzona na osi wychodzącej z punktu (x, y) na płaszczyźnie tworzoną przez osie X i Y i równoległej do osi Z.
W przypadku danych wielowymiarowych sprawy się komplikują. Załóżmy, że mamy dane, które charakteryzują się czterema parametrami czyli są to dane 4D. W tym przypadku korzystanie z wykresu 3D nas nie urządza, dlatego że jeden wymiar pozostanie bez wizualizacji. Najczęściej dane wielowymiarowe wizualizowane są przy pomocy kilku wykresów. Wykresy te mogą być różnego rodzaju. Najważniejsze żeby były o tej samej skali, w celu łatwego czytania danych przez odbiorcę wykresu.
W tym wideo do wizualizacji danych 4D użyjemy 2 wykresów. Jako przykładowy punkt 4D użyjemy danych o następujących parametrach (x = 1, y = 3, z = 4, x1 = 2). Pierwszy wykres to wykres 3D na którym zwizualizujemy zależność zmiennych y i z od zmiennej x. Drugi wykres, będzie to wykres 2D z wizualizacją zależności zmiennej x1 od zmiennej x. Zachowanie skali w tym przykładzie jest dość umowne, ale należy pamiętać, że przy rysowaniu wykresów przy pomocy narzędzi programistycznych jest to łatwe do osiągnięcia.
Rysowanie drugiego wykresu 2D z osiami x i x1 najlepiej rozpocząć na tym samym poziomie co osie x i y wykresu 3D. W takim układzie osoba czytająca wykres będzie mogła łatwo przełączać swoją uwagę pomiędzy wykresami. Wybierając typy wykresów do wizualizacji danych wielowymairowych musimy pamiętać o osobach, które będą z tych wykresów korzytać. Musimy być empatyczni i spojrzeć na naszą wizualizację z perspektywy innego człowieka, któremu ta wizualizacja ma pomóc zrozumieć reprezentowane dane. Być może warto spróbować poeksperymentować z różnymi typami wykresów: na przykład użyć wykresu słupkowego zamiast histogramu i odwrotnie, albo użyć wykresu punktowego zamiast liniowego.
O typach wykresów, które możemy narysować korzystając z biblioteki Matplot lib będziemy rozmawawiać w kolejnych wideo szkoleniowych. Znajomość z biblioteką Matplot lib należy rozpocząć od omówienia, z czego tak naprawdę składa się wykres w Matplot libie.
Każdy wykres, nie ważne czy jest narysowany od ręki czy przy pomocy jakiegoś narzędzia, posiada zdefiniowane elementy, bez których wykres nie mógłby być wykresem. Do tych elementów należą:
Do tego należy dodać kilka elementów używanych przez bibliotekę Matplotlib:
Wszystkie elementy wykresu Matplotlib są przyporządkowane określonej hierarchii. Na górze hierarchii znajduje się obiekt wykresu w całości (figure), do którego są dodawane pozostałe elementy, między innymi osie. Wykres może zawierać dowolną liczbę osi, ale aby być użytecznym potrzebuje przynajmniej jednej osi.
Do pokazania przykładów Matplot lib użyjemy narzędzia Jupyter Notebook (link do narzędzia znajduje się w opisie do wideo). To narzędzie służy do natychmiastowego wykonywania poleceń Python i prezentacji wyników poleceń. Narzędzie to może zostać zainstalowane na komputerze lub można z niego korzystać online.
Aby korzystać z biblioteki Matplot lib, musimy ją importować w kodzie Python. Również do rysowania wykresów będziemy potrzebowali danych. Do generowania danych użyjemy bibliteki numpy (link do dokumentacji biblioteki numpy znajduje się w opisie do wideo). Jest to świetne narzędzie do korzystania z zestawów danych i tablic.
Używając funkcji linspace (x = np.linspace(0, 2, 100)) utworzymy tablicę jednowymiarową o rozmiarze 100 zawierającą elementy w przedziale [0:2]. Jak można się domyśleć, pierwszym argumentem funkcji linspace jest wartość minimalna w generowanej tablicy, drugimy argumentem funkcji jest wartość maksymalna tablicy, a trzeci argument jest długością wygenerowanej tablicy. Jeżeli użyjemy polecenia print(x) możemy sprawdzić jaka tablica została wygenerowana przez polecenie linspace. Jak widać wszystko zostało wygenerowano zgodnie z naszymi oczekiwaniami, minimalny i maksymalny elementy to 0 i 2 odpowiednio, oraz długość tablicy mniej więcej wynosi 100 elementów.
Utworzymy wykres prostej fukcji liniowej o wzorze y = x. W tym celu zostanie wykorzystana funkcja z biblioteki Matplot lib o nazwie plot z trzema argumentami. Pierwszy argument to zestaw wartości x, drugim agrumentem jest zestaw wartości y, ale skoro y = x, to możemy znów użyć zestawu wartości x, trzeci argument w tym konkretnym przykładzie to argument nazwany „label” – jego wartość zastanie użyta przy tworzeniu legendy na wykresie.
W tym momencie do wykresu dodamy jeszcze 2 elementy: tytuł wykresu oraz legendę. Ułatwi to odbiorcom naszego wykresu zrozumienie wizualizacji naszych danych. Tytuł jest dodawany przez wykorzystanie polecenie title, a legenda – przez wywołanie polecenia legend. Do wyświetlenia wykresu użyjemy funkcji show.
Domyślnym kolorem wykresu jest kolor niebieski. Zmiana domyślnego koloru będzie omawiana w kolejnych wideo. Narysowaliśmy przy pomocy biblioteki Matplotlib nasz pierwszy wykres. Nie było to zbyt skomplikowane.
Dodajmy teraz jeszcze 2 wykresy do naszego rysunku. Będą to wykresy funkcji kwadratowej i sześciennej. Użyjemy już istniejącego kodu. Skopiujemy go i trochę zmienimy. Zmienimy również wartość argumentu label w każdym z trzech wywołań funkcji plot, aby podpisy na legendzie dokładnie opisywały wykresy.
Jak widać na jednej płaszczyżnie mamy 3 wykresy. Każde wywołanie funkcji plot dodaje wykres do rysunku, a polecenie show tylko wyświetla rysunek na ekranie. Nie określaliśmy w jakim kolorze mają być wykresy. Zostały one wybrane z domyślnej mapy kolorów. Na rysunku również mamy legendę, która prawidłowo opisuje nasze dane. Ten prosty przykład jest pierwszym i ostatnim na dziś przykładem rysowania wykresu przy użyciu biblioteki Matplot lib.
Dziękuję za uwagę. Jeżeli wideo było pomocne i dowiedziałeś się czegoś nowego, to proszę go zlajkować. Przypominam że pomocne linki wspomniane w wideo zostały dodane do opisu na dole. Jeżeli wciąż masz pytania, to proszę zadaj je w komentarzu do wideo. A jeżeli chcesz być na bieżąco i dowiadywać się jako pierwszy o nowych wideo to subskrybuj ten kanał i kliknij dzwonek.
Tekst do niniejszego wideo oraz przykłady kodu są dostępne na mojej stronie internetowej – link w opisie do wideo. Dziękuję.
Kod z przykładami w wideo w formacie Jupyter Notebook jest dostępny tu.