Οπτικοποιήστε δεδομένα χρησιμοποιώντας Παράλληλες Συντεταγμένες Σχεδίαση

Στην πλοκή, μπορείτε να δείτε ένα ξεκάθαρο μοτίβο να εμφανίζεται

• Κλίμακα: Όλοι οι άξονες μπορούν να ομαλοποιηθούν για να διατηρηθούν ομοιόμορφες όλες οι ζυγαριές.
• Σειρά: Τα χαρακτηριστικά μπορούν να παραγγελθούν έτσι ώστε να μην τέμνονται πάρα πολλές γραμμές με αποτέλεσμα ένα μη αναγνώσιμο γράφημα
• Με τονίζοντας μία ή περισσότερες γραμμές, μπορείτε να εστιάσετε σε ένα μέρος της πλοκής που σας ενδιαφέρει

Πώς να φτιάξετε μια γραφική παράσταση παράλληλων συντεταγμένων χρησιμοποιώντας python;

Ας χρησιμοποιήσουμε το Δεδομένα Ολυμπιακών Αγώνων 2021 για την απεικόνιση της χρήσης ενός σχεδίου παράλληλων συντεταγμένων. Αυτό το σύνολο δεδομένων έχει λεπτομέρειες σχετικά με το

• ομάδες που συμμετείχαν – χώρα, κλάδοι
• αθλητές που συμμετείχαν – χώρα, αθλητές
• τελικός απολογισμός μεταλλίων – χώρα, κατάταξη, συνολικά μετάλλια, και η κατανομή σε χρυσά, ασημένια, χάλκινα μετάλλια

Ας προσπαθήσουμε να πάρουμε μια περίληψη της χώρας, του αριθμού των αθλητών, των κλάδων που συμμετείχαν, της κατάταξης και του αριθμού των μεταλλίων και ας προσπαθήσουμε να βρούμε απαντήσεις σε ορισμένες ερωτήσεις

• Τυπικά πόσοι αθλητές έκαναν ένα γήπεδο σε μια χώρα; Σε πόσους κλάδους συμμετείχε; Πόσα μετάλλια κέρδισε μια χώρα;
• Οι χώρες με περισσότερους αθλητές κέρδισαν περισσότερα μετάλλια;
• Οι χώρες που συμμετείχαν σε περισσότερους κλάδους κέρδισαν περισσότερα μετάλλια;

Διαβάστε και προετοιμάστε τα δεδομένα

df_teams = pd.read_excel("data/Teams.xlsx")
df_atheletes = pd.read_excel("data/Athletes.xlsx")
df_medals = pd.read_excel("data/Medals.xlsx")
print(df_teams.info())
print(df_atheletes.info())
print(df_medals.info())

Δεν λείπουν δεδομένα, επομένως δεν απαιτείται συγκεκριμένος χειρισμός δεδομένων που λείπουν.

Ας βρούμε τον αριθμό των κλάδων που έχει συμμετάσχει κάθε χώρα και τον αριθμό των αθλητών από κάθε χώρα που συμμετείχαν και ας συγχωνεύσουμε αυτά τα δεδομένα σε ένα ενιαίο πλαίσιο δεδομένων.

df_medals.rename(columns={'Team/NOC':'NOC', 'Total': 'Total Medals', 'Gold':'Gold Medals', 'Silver': 'Silver Medals', 'Bronze': 'Bronze Medals'}, inplace=True)
df_disciplines_per_country = df_teams.groupby(by='NOC').agg({'Discipline':'nunique'})
df_atheletes_per_country = df_atheletes.groupby(by='NOC').agg({'Name':'nunique'}).rename(columns={'Name':'Athletes'})
df = pd.merge(left=df_disciplines_per_country, right=df_medals, how='inner',on='NOC')
df = pd.merge(left=df, right=df_atheletes_per_country, how='inner',on='NOC')
df.rename(columns={'NOC':'Country'}, inplace=True)
df = df[['Country', 'Rank', 'Total Medals', 'Gold Medals', 'Silver Medals', 'Bronze Medals', 'Athletes', 'Discipline' ]]
df.sort_values(by='Rank', inplace=True)
df.reset_index(inplace=True)
df.drop(columns=['index'], inplace=True)
df.head(10)

Αρχικά, ας χρησιμοποιήσουμε ραβδόγραμμα για να σχεδιάσουμε τα δεδομένα αθλητών, κλάδων, κατάταξης και μεταλλίων για κάθε χώρα. Για καλύτερη αναγνωσιμότητα, χρησιμοποιώντας μόνο τις κορυφαίες 20 καταχωρήσεις

plt.figure(figsize=(20, 5))
ax = plt.subplot(1,2,1)
ax = df[['Country','Athletes']][:40].plot.bar(x='Country', xlabel="", ax=ax)
ax = plt.subplot(1,2,2)
df[['Country','Discipline']][:40].plot.bar(x='Country', xlabel="", ax=ax)

plt.figure(figsize=(20, 5))
ax = plt.subplot(1,2,1)
df[['Country','Rank']][:40].plot.bar(x='Country', xlabel="", ax=ax)
ax = plt.subplot(1,2,2)
df[['Country','Gold Medals', 'Silver Medals','Bronze Medals',]][:40].plot.bar(stacked=True, x='Country', xlabel="", ax=ax)

Αφού δούμε αυτά τα 4 ξεχωριστά γραφήματα, μερικές από τις ιδέες που μπορούμε να αντλήσουμε είναι

Αυτό είναι καλό. Τι γίνεται όμως αν μπορούμε να αντλήσουμε παρόμοιες ιδέες χρησιμοποιώντας μια ενιαία και πιο συμπαγή απεικόνιση

Ας σχεδιάσουμε χρησιμοποιώντας τη διεπαφή pandas για 20 χώρες

• Plotly Express, μια απλή διεπαφή, η οποία παράγει φιγούρες εύκολες στο στυλ. Χρησιμοποιεί εσωτερικά αντικείμενα γραφήματος.
• Αντικείμενα γραφήματος Plotly, μια διεπαφή χαμηλού επιπέδου που θα μπορούσε να χρησιμοποιηθεί για καλύτερο έλεγχο. Αυτό που μπορεί να δημιουργηθεί με μια κλήση μεμονωμένης λειτουργίας χρησιμοποιώντας το Plotly Express θα χρειαζόταν πολύ περισσότερο κώδικα.

• δημιουργώ φιγούρες που μπορούν να αναπαρασταθούν είτε ως εντολές είτε ως στιγμιότυπα του Plotly .graph_objects
• χειραγωγώ εαν είναι απαραίτητο
• καθιστώ που χρησιμοποιεί τη βιβλιοθήκη JavaScript Plotly.js κάτω από την κουκούλα

import plotly.express as px
df_ = df.copy()
# color     : Values from this column are used to assign color to the poly lines.
# dimensions: Values from these columns form the axes in the plot.
fig = px.parallel_coordinates(df_, color="Rank", dimensions=['Rank', 'Athletes', 'Discipline','Total Medals'],
                              color_continuous_scale=px.colors.diverging.Tealrose,
                              color_continuous_midpoint=2)
fig.show()

1. Πρώτα, ορίστε τη λίστα των μεταβλητές/άξονες που πρέπει να γραφτούν. Για κάθε διάσταση, καθορίστε το
   • εύρος: τιμές έναρξης και λήξης που καθορίζονται ως λίστα ή πλειάδα
   • τικβάλς: τιμές όπου πρέπει να εμφανίζονται τα τικ σε αυτόν τον άξονα
   • ticktext: κείμενο που πρέπει να εμφανίζεται στα τικ
   • επιγραφή: όνομα του άξονα
   • αξίες: τιμές που πρέπει να αποτυπωθούν σε αυτόν τον άξονα
2. Επειτα, δημιουργήστε ένα Parcoords που είναι μια λίστα χαρακτηριστικών για το σχήμα.
3. Επόμενο, δημιουργήστε μια φιγούρα με τα προαναφερθέντα Parcoords
4. Τέλος, ο rτελειώνουμε το σχήμα χρησιμοποιώντας εμφάνιση

import plotly.graph_objects as go
df_ = df.copy()
dimensions = list([ dict(range=(df_['Rank']There is still one issue. USA won the most medals but is displayed at the bottom. Due to this there are unnecessary criss-crossed lines. This is no very intuitive. We would like to see countries in descending order.min(), df_['Rank'].max()),tickvals = df_['Rank'], ticktext = df_['Country'],label="Country", values=df_['Rank']),

                    dict(range=(df_['Athletes'].min(),df_['Athletes'].max()),label="Athletes", values=df_['Athletes']),
                    dict(range=(df_['Discipline'].min(),df_['Discipline'].max()),label="Discipline", values=df_['Discipline']),
                    dict(range=(df_['Total Medals'].min(), df_['Total Medals'].max()),label="Total Medals", values=df_['Total Medals']),
                    dict(range=(df_['Gold Medals'].min(), df_['Gold Medals'].max()),label="Gold Medals", values=df_['Gold Medals']),
                    dict(range=(df_['Silver Medals'].min(), df_['Silver Medals'].max()),label="Silver Medals", values=df_['Silver Medals']),
                    dict(range=(df_['Bronze Medals'].min(), df_['Bronze Medals'].max()),label="Bronze Medals", values=df_['Bronze Medals']),
                  ])
fig = go.Figure(data= go.Parcoords(line = dict(color = df_['Rank'], colorscale="agsunset"), dimensions = dimensions))
fig.show()

# Adjust the size to fit all the labels
fig.update_layout(width=1200, height=800,margin=dict(l=150, r=60, t=60, b=40))
fig.show()

Υπάρχει ακόμα ένα θέμα. Οι ΗΠΑ κέρδισαν τα περισσότερα μετάλλια αλλά εμφανίζονται στο κάτω μέρος. Λόγω αυτού, υπάρχουν περιττές διασταυρούμενες γραμμές. Αυτό δεν είναι πολύ διαισθητικό. Θα θέλαμε να δούμε τις χώρες σε φθίνουσα σειρά

# Let's reverse the min and max values for the Rank, so that the country with top rank comes on the top. 
dimensions = list([ dict(range=(df_['Rank'].max(), df_['Rank'].min()), tickvals = df_['Rank'], ticktext = df_['Country'],label="Country", values=df_['Rank']),
                    dict(range=(df_['Athletes'].min(),df_['Athletes'].max()),label="Athletes", values=df_['Athletes']),
                    dict(range=(df_['Discipline'].min(),df_['Discipline'].max()),label="Discipline", values=df_['Discipline']),
                    dict(range=(df_['Total Medals'].min(), df_['Total Medals'].max()),label="Total Medals", values=df_['Total Medals']),
                    dict(range=(df_['Gold Medals'].min(), df_['Gold Medals'].max()), label="Gold Medals", values=df_['Gold Medals']),
                    dict(range=(df_['Silver Medals'].min(), df_['Silver Medals'].max()),label="Silver Medals", values=df_['Silver Medals']),
                    dict(range=(df_['Bronze Medals'].min(), df_['Bronze Medals'].max()),label="Bronze Medals", values=df_['Bronze Medals']),
                  ])
fig = go.Figure(data= go.Parcoords(line = dict(color = df_['Rank'], colorscale="agsunset"), dimensions = dimensions))
fig.update_layout(width=1200, height=800,margin=dict(l=150, r=60, t=60, b=40))
fig.show()

Παράλληλες συντεταγμένες Σχεδιάστε χρησιμοποιώντας γραφικά αντικείμενα

• Οι 5 κορυφαίες χώρες έχουν 400+ αθλητές που συμμετείχαν σε 15+ κλάδους κέρδισαν 50+ μετάλλια εκ των οποίων τα 20+ είναι χρυσά μετάλλια
• Ενώ οι περισσότερες χώρες έχουν συμμετάσχει < 200 αθλητές σε <7 κλάδους κέρδισαν <20 Μετάλλια εκ των οποίων <5 είναι χρυσά μετάλλια
• Η Ιαπωνία αν και συμμετείχε 570+ αθλητές σε 20 (οι περισσότεροι κλάδοι από όλες τις χώρες) βρίσκεται στην 3η θέση με 60 συνολικά μετάλλια και 27 χρυσά
• Ενώ η Κίνα συμμετείχε 400 αθλητές σε 15 κλάδους βρίσκεται στη 2η θέση με 88 μετάλλια και 37 χρυσά

Για σύνολα δεδομένων μεγάλου μεγέθους, οι γραφικές παραστάσεις παράλληλων συντεταγμένων τείνουν να είναι ακατάστατες. Σε τέτοιες περιπτώσεις, η διαδραστικότητα έρχεται να μας σώσει. Χρησιμοποιώντας τη διαδραστικότητα, είναι δυνατό να φιλτράρετε ή να επισημάνετε ορισμένα τμήματα δεδομένων. Η σειρά των αξόνων μπορεί επίσης να προσαρμοστεί με τον βέλτιστο τρόπο, έτσι ώστε να προκύπτουν μοτίβα ή συσχετίσεις μεταξύ των μεταβλητών.