データ可視化：Microsoftのデータサイエンス講座：Day3

はじめに

　Microsoftが無償で提供しているデータサイエンス初心者向け講座の三日目はデータ可視化にチャレンジします。

対象読者

　Python好き。

ロードマップ

Day3-1

Day3ゴール

birdsについてデータ可視化しながらmatplotlibに慣れる。

git(rawデータ)からbirds.csvを取得しDataFrameに格納する。

import pandas as pd

df = pd.read_csv("https://raw.githubusercontent.com/microsoft/Data-Science-For-Beginners/main/data/birds.csv")
df.head()

鳥たちの最大の翼幅をプロット

wingspan = df['MaxWingspan'] 
wingspan.plot()

センチメートルに直す。

import matplotlib.pyplot as plt
plt.title('Max Wingspan in Centimeters')
plt.ylabel('Wingspan (CM)')
plt.xlabel('Birds')
plt.xticks(rotation=45)
x = df['Name'] 
y = df['MaxWingspan']

plt.plot(x, y)

plt.show()

最大500cm(5m)を超える翼を持つ鳥を名前をつけてプロット

plt.title('Max Wingspan in Centimeters')
plt.ylabel('Wingspan (CM)')
plt.tick_params(axis='both',which='both',labelbottom=False,bottom=False)

for i in range(len(ｄｆ)):
    x = ｄｆ['Name'][i]
    y = ｄｆ['MaxWingspan'][i]
    plt.plot(x, y, 'bo')
    if ｄｆ['MaxWingspan'][i] > 500:
        plt.text(x, y * (1 - 0.05), ｄｆ['Name'][i], fontsize=12)
    
plt.show()

Bald Eagleとthe Prairie Falconを除外してプロット

plt.title('Max Wingspan in Centimeters')
plt.ylabel('Wingspan (CM)')
plt.xlabel('Birds')
plt.tick_params(axis='both',which='both',labelbottom=False,bottom=False)
for i in range(len(ｄｆ)):
    x = ｄｆ['Name'][i]
    y = ｄｆ['MaxWingspan'][i]
    if ｄｆ['Name'][i] not in ['Bald eagle', 'Prairie falcon']:
        plt.plot(x, y, 'bo')
plt.show()

積み上げ棒グラフ

df.plot(x='Category',
        kind='bar',
        stacked=True,
        title='Birds of Minnesota')

グループされていないデータが多く見にくいので、各グループの鳥数で集計して表示

category_count = df.value_counts(df['Category'].values, sort=True)
plt.rcParams['figure.figsize'] = [6, 12]
category_count.plot.barh()

最大の羽のサイズで比較

maxlength = df['MaxLength']
plt.barh(y=df['Category'], width=maxlength)
plt.rcParams['figure.figsize'] = [6, 12]
plt.show()

最小・最大翼幅を鳥のカテゴリ別にプロット

minLength = df['MinLength']
maxLength = df['MaxLength']
category = df['Category']

plt.barh(category, maxLength)
plt.barh(category, minLength)

plt.show()

matplotlibを使うと、簡単に可視化できるのでpandasとともにマスターできるとGOOD.

著者のTWITTERアカウント

@keiji_dl

ホームページ（pytorch/python/nlp）

参考文献