การแสดงภาพพล็อตกล่องพร้อมแพนด้า [คู่มือฉบับสมบูรณ์]

ในขณะที่จัดการกับโครงการวิเคราะห์ข้อมูลทางสถิติ มีเครื่องมือที่มีประโยชน์มากมายที่คุณสามารถใช้ได้ แนวคิดพื้นฐานคือการระบุคำถามและใช้ฟังก์ชันที่จำเป็นเพื่อตอบคำถามนั้น ตัวอย่างเช่น ถ้าจำเป็นต้องดูการกระจายข้อมูล คำตอบในอุดมคติคือการพล็อตฟังก์ชันการกระจายข้อมูล

หากจำเป็นต้องดูค่าและเปรียบเทียบกับค่าของคอลัมน์อื่นๆ วิธีที่ดีที่สุดคือการลงจุดกราฟแท่งหรือฮิสโตแกรม แต่ถ้าต้องกรอกแบบสอบถามทางสถิติล่ะ? สามารถสังเกตแนวโน้มได้ในฟังก์ชันการกระจาย แต่ไม่มีวิธีง่าย ๆ หากเราต้องตรวจสอบเปอร์เซ็นไทล์ของข้อมูลที่เฉพาะเจาะจง ตรวจสอบการฝึกอบรมด้านวิทยาศาสตร์ข้อมูลของเราจากมหาวิทยาลัยที่ได้รับการยอมรับเพื่อรับความได้เปรียบเหนือการแข่งขัน

Boxplot เป็นวิธีแก้ปัญหาข้างต้น Boxplots ใช้เพื่ออธิบายค่าเปอร์เซ็นไทล์ของแอตทริบิวต์ ตามคอลัมน์ที่ลงจุดไว้ Boxplot สามารถมีความเข้าใจอย่างลึกซึ้งในด้านวิศวกรรมแบบจำลองตามกฎ เช่นเดียวกับการวิเคราะห์ข้อมูลเชิงสำรวจโดยทั่วไป

Boxplot เกี่ยวข้องกับควอร์ไทล์

ก่อนอื่นเรามาพลอตบ็อกซ์พล็อต แพนด้า ก่อน แล้วค่อยทำความเข้าใจส่วนต่าง ๆ ของมัน

พล็อตเรื่อง Pandas Boxplot

ในการใช้งานกล่อง พล็อตแพนด้า มีเพียงสองข้อกำหนดคือ Pandas และ matplotlib การใช้ matplotlib คือการแสดงภาพแผนผังและดูแผนผังภายในสมุดบันทึก Jupyter

นี่คือวิธีที่เรานำเข้าทั้งสองไลบรารี เราใช้ฟังก์ชันเวทย์มนตร์แบบอินไลน์เพื่อให้สามารถมองเห็นโครงเรื่องได้โดยตรงภายในสมุดบันทึก

รหัส:

นำเข้า แพนด้า เป็น pd

นำเข้า matplotlib.pyplot เป็น plt

%matplotlib แบบอินไลน์

ตอนนี้ เรานำเข้าข้อมูลของเราและอ่านลงใน DataFrame นี่คือวิธีการทำ

รหัส:

data = pd.read_csv (“สถิติ FIFA 2018.csv”)

DataFrame เป็นโครงสร้างข้อมูลพื้นฐานของ Pandas นี่คือตัวอย่างข้อมูลห้าตัวอย่างแรกของเรา

หลังจากที่นำเข้าข้อมูลแล้ว เราก็สามารถใช้ ฟังก์ชันบ็อกซ์พล็อต แพนด้า บนออบเจกต์ DataFrame ได้โดยตรง นี่คือวิธีการใช้งาน:

รหัส:

data.boxplot(by=”รอบ”, column=['คะแนนเป้าหมาย'])

ฟังก์ชัน boxplot ของ pandas มีอาร์กิวเมนต์สองอาร์กิวเมนต์ พารามิเตอร์ 'by' ใช้เพื่อเลือกแกน X และ 'คอลัมน์' คือข้อมูลที่จะลงจุดบนแกน Y

เรากำลังวางแผนการทำประตูจากรอบ

นี่คือพล็อต:

ชำระเงิน: คำถามสัมภาษณ์ Python

การอ่านบ็อกซ์พล็อต

ตอนนี้ให้เราอ่านพล็อต ขั้นแรก ทำความเข้าใจค่าของแกน แกน Y มีจำนวนประตูที่ทำได้ในการแข่งขัน และแกน X แสดงรอบที่เล่นเกม มาดูตัวอย่างรอบสุดท้ายกัน

หากเราสังเกตให้ดี กล่องจะถูกสร้างขึ้นระหว่างสองถึงสี่ โดยเส้นกลางอยู่ที่สาม กล่องถูกพล็อตโดยใช้ค่าสามค่า – ค่าเปอร์เซ็นไทล์ที่ 25, 50 และ 75 บรรทัดล่างของโครงเรื่องแสดงถึงเปอร์เซ็นต์ไทล์ที่ 25 ของประตูที่ทำได้ในการแข่งขัน ตรงกลางหมายถึงเปอร์เซ็นต์ไทล์ที่ 50 และบรรทัดบนแสดงถึงเปอร์เซ็นต์ไทล์ที่ 75 ดังนั้น boxplot จึงทำงานร่วมกับช่วงระหว่างควอร์ไทล์ (IQR) ของข้อมูล

อ่าน: บทช่วยสอน Python Pandas: ทุกสิ่งที่ผู้เริ่มต้นจำเป็นต้องรู้เกี่ยวกับ Python Pandas

ตอนนี้ มีอีกอย่างหนึ่งที่วาดด้านบนและด้านล่างกล่อง เส้นเหล่านี้เรียกว่าหนวด ดังนั้นบางครั้ง boxplot จึงเป็นที่รู้จักกันในนาม box-and-whiskers

ไม่มีวิธีพิเศษใดในการวางแผนหนวดเครา วิธีที่ใช้บ่อยที่สุดในการแสดงเคราคือการทำเครื่องหมายไว้ที่ค่าต่ำสุดและสูงสุดในคอลัมน์ข้อมูล ห้องสมุดบางแห่งเช่น seaborn ใช้ค่า IQR แบบทวีคูณเพื่อทำเครื่องหมายเครา Boxplot Pandas ใช้ค่าสูงสุดและต่ำสุดเพื่อทำเครื่องหมายเครา

หากคุณสังเกตเห็น มีบางจุดระหว่างสี่ถึงหก สิ่งเหล่านี้เรียกว่าค่าผิดปกติ Boxplots มีประโยชน์อย่างสมเหตุสมผลในระบบที่อิงตามกฎ เช่น การคำนวณข้อผิดพลาด หรือสามารถระบุการจัดประเภทที่ไม่ถูกต้องได้อย่างรวดเร็ว ตัวอย่างเช่น ในกราฟ หากคุณต้องการแยกความแตกต่างระหว่างรอบที่ 3 และรอบสุดท้าย คุณสามารถสร้างระบบตามกฎได้ง่าย ซึ่งจะจัดหมวดหมู่ข้อมูลของคุณอย่างแม่นยำ ถ้าระหว่างศูนย์ถึงสอง ให้ทำเครื่องหมายรอบที่ 3 และถ้าระหว่างสองถึงสี่ ให้ทำเครื่องหมายรอบสุดท้าย

Boxplots ช่วยให้เข้าใจการกระจายโดยรวมของคอลัมน์ข้อมูล แปลงแสดงการแจกแจงโดยใช้ค่าควอร์ไทล์ ช่วยให้คุณวิเคราะห์ข้อมูลได้อย่างรวดเร็วได้ง่ายขึ้น เนื่องจากมีการทำเครื่องหมายการกระจายอย่างเหมาะสม หนวดแสดงถึงค่าที่เหลืออยู่ในคอลัมน์

บทสรุป

ปลายล่างแสดงถึงข้อมูลที่ต่ำกว่า 25% ในขณะที่ปลายบนแสดงถึงข้อมูลที่สูงกว่า 75% หากค่าผิดปกติน้อยกว่า บ็อกซ์พล็อต แพนด้า สามารถช่วยระบุสิ่งเหล่านั้นได้อย่างรวดเร็ว โดยรวมแล้ว หากคุณสามารถอ่านได้อย่างถูกต้อง บ็อกซ์พล็อตจะมีประโยชน์อย่างเหลือเชื่อในการวิเคราะห์ข้อมูล

หากคุณอยากเรียนรู้เกี่ยวกับวิทยาศาสตร์ข้อมูล ลองดู โปรแกรม Executive PG ของ IIIT-B & upGrad ใน Data Science ซึ่งสร้างขึ้นสำหรับมืออาชีพที่ทำงานและมีกรณีศึกษาและโครงการมากกว่า 10 รายการ เวิร์กช็อปภาคปฏิบัติจริง การให้คำปรึกษากับผู้เชี่ยวชาญในอุตสาหกรรม 1 -on-1 พร้อมที่ปรึกษาในอุตสาหกรรม การเรียนรู้มากกว่า 400 ชั่วโมงและความช่วยเหลือด้านงานกับบริษัทชั้นนำ