Wie man professionell aussehende Diagramme in Python erstellt

Excel und andere Tabellenkalkulationen sind in der Geschäftswelt allgegenwärtig, weil sie es Ihnen ermöglichen, einfache Grafiken zu erstellen. Wenn Sie Ihre Berichte und Präsentationen auf die nächste Stufe heben möchten, sollten Sie eventuell in Erwägung ziehen, Python zu lernen, um leistungsstarke Visualisierungen zu erstellen, die Ihnen helfen, sich von der Masse abzuheben.

Erste Einrichtung

Erstellen der Python-Werkzeugkiste

Um in Python Diagramme zu erstellen, müssen Sie eine Umgebung mit den richtigen Paketen einrichten. Dazu gehören:

NumPy, das Rückgrat der Datenanalyse in Python,
pandas, eine Bibliothek zur Manipulation tabellarischer Daten in DataFrames
Seaborn, die Bibliothek, die die Diagramme erstellen wird (mit etwas Hilfe von Matplotlib)

Obwohl sie keine Bibliotheken sind, werden IPython und Jupyter Ihr Leben beim Arbeiten mit Daten in Python erheblich erleichtern. IPython verbessert das interaktive Python, während Jupyter Notebooks es einfacher machen, Ihre Arbeit nachzuverfolgen und mit anderen zu teilen.

Es ist am besten, ein Werkzeug zu verwenden, das Ihre Python-Umgebung verwalten kann, um diese Werkzeuge zu installieren. Mein derzeit liebstes Werkzeug ist Pixi. Sie können Pixi anhand der Anweisungen auf der Pixi-Website für Ihr terminalbasiertes System installieren, einschließlich macOS, Linux und PowerShell auf Windows.

Sobald Sie Pixi installiert haben, können Sie die Umgebung installieren. Da Sie diese wahrscheinlich griffbereit haben möchten, können Sie sie in die globale Umgebung installieren:

pixi global install --environment graphics --expose jupyter --expose ipython jupyter numpy pandas seaborn matplotlib ipython

Dies wird Jupyter, IPython, NumPy, Seaborn und Matplotlib installieren. Da Matplotlib eine Abhängigkeit für Seaborn ist, wäre es wahrscheinlich ohnehin installiert worden, aber wir möchten sicherstellen, dass es verfügbar ist, da wir einige Befehle direkt an Matplotlib ausführen werden. Die Option --expose weist Pixi an, die ausführbare Datei von IPython Jupyter verfügbar zu machen.

Grundlagen der Python-Programmierung
Trivia-Herausforderung

Glauben Sie, Sie kennen Ihre Schleifen von Ihren Listen? Stellen Sie Ihr Python-Wissen auf die Probe.

Welche der folgenden Möglichkeiten ist der richtige Weg, 'Hello, World!' in Python 3 auszugeben?

Welchen Datentyp gibt der Ausdruck type(3.14) in Python zurück?

Welches Symbol wird in Python verwendet, um einen einzeiligen Kommentar zu schreiben?

Welche der folgenden Python-Datenstrukturen ist unveränderlich?

Was wird der folgende Code ausgeben? für i in range(3): print(i)

Welches Schlüsselwort wird verwendet, um eine Funktion in Python zu definieren?

Was ist die Ausgabe des folgenden Ausdrucks in Python? bool(0)

Was macht die Funktion 'len()' in Python?

Dein Punktestand

Danke fürs Spielen!

Liniendiagramme

Ein Zeitreihendiagramm erstellen

Sie können Liniendiagramme mit Seaborn erstellen. Zuerst müssen Sie die Bibliotheken, die Sie gerade installiert haben, mit IPython oder Jupyter importieren:

import numpy as np
import pandas as pd
import seaborn as sns
sns.set_theme()
import matplotlib.pyplot as plt

Die ersten drei Zeilen importieren NumPy, pandas und Seaborn unter Verwendung verkürzter Namen.

Wir können ein Liniendiagramm zeigen, das eine Zeitreihe darstellt, indem wir eines der in Seaborn enthaltenen integrierten Datensätze verwenden. Dies umfasst eine Liste von Fluggesellschaftsflügen und Passagierzahlen von 1949 bis 1960.

Zuerst laden wir den Datensatz:

flights = sns.load_dataset('flights')

Dies erstellt ein pandas DataFrame, dessen erste paar Zeilen wir mit der head()-Methode ansehen können:

flights.head()

Wir können dann ein Liniendiagramm erstellen, bei dem das Jahr auf der x-Achse und die Anzahl der Passagiere auf der y-Achse dargestellt wird:

sns.lineplot(x='year',y='passengers',data=flights)

Die Grafik wird in einem anderen Fenster erscheinen.

Das Diagramm wird in einem separaten Fenster angezeigt.

Balkendiagramme

Sie können auch Balkendiagramme erstellen. Wir werden ein weiteres Dataset aufrufen, von einem Kellner in einem Restaurant in New York City, der den Rechnungsbetrag zusammen mit dem Trinkgeld aufgezeichnet hat.

tips = sns.load_dataset('tips')

Wir werden ein Balkendiagramm erstellen, das die Gesamtrechnung über mehrere Tage zeigt:

sns.catplot(x='day',y='total_bill',kind='bar',data=tips)

Streudiagramm/Regression

Trends in Ihren Daten finden

Eine weitere nützliche Art von Diagramm ist das Streudiagramm und die Regression oder das Anzeigen einer Trendlinie. Da diese in Statistik, Datenwissenschaft und Wirtschaft so verbreitet sind, lassen sie sich mit Seaborn leicht erstellen.

Wir werden ein Streudiagramm des Trinkgelds im Verhältnis zur Gesamtrechnung erstellen, wobei die Gesamtrechnung auf der x-Achse und das Trinkgeld auf der y-Achse dargestellt wird. Das Trinkgeld wird die abhängige Variable und die Gesamtrechnung die unabhängige Variable sein. Wir möchten sehen, ob es eine Beziehung zwischen der Gesamtrechnung und dem Trinkgeld gibt.

sns.relplot(x='total_bill',y='tip',data=tips)

Sie könnten bemerken, dass das Trinkgeld scheinbar zusammen mit der Gesamtrechnung steigt. Sie könnten eine gerade Linie zeichnen, die von links nach rechts nach oben geht. Mit anderen Worten, es scheint eine positive lineare Beziehung zwischen den beiden zu geben. Je höher die Rechnung, desto größer ist das Trinkgeld.

Wir können auch diese Gerade oder die lineare Regressionslinie durch dieses Streudiagramm ziehen. Der Code ist dem Code, den wir für das Streudiagramm verwendet haben, sehr ähnlich.

sns.regplot(x='total_bill',y='tip',data=tips)

Beachten Sie, dass Sie die Werte der Gleichung für die Regressionslinie, wie die Steigung und den Achsenabschnitt, nicht erhalten können, um die klassische Gleichung y=mx + b zu bilden, die Sie vielleicht aus der Algebra der High School kennen. Sie müssen eine andere Bibliothek verwenden, wie zum Beispiel SciPy oder statsmodels, die Ihnen die Werte für die Gleichung liefert.

Titel anpassen und speichern

Mach deine Diagramme bereit für die Hauptsendezeit

Obwohl die Diagramme an sich gut aussehen, sind sie noch nicht ganz bereit, in Ihre Diagramme oder Präsentationen eingefügt zu werden. Wahrscheinlich müssen Sie die Beschriftungen der Achsen ändern, damit sie für sich allein verständlicher aussehen.

Sie werden Anrufe nicht an Seaborn, sondern an die zugrunde liegende Matplotlib-Bibliothek tätigen. Angenommen, wir wollten das Regressionsdiagramm von Trinkgeld gegen Rechnung veröffentlichen. So würden wir es bereinigen, wenn wir es in einem Bericht verwenden wollten. Wir würden den Code für das Regressionsdiagramm von zuvor verwenden, aber Matplotlib verwenden, um einen Titel hinzuzufügen und die Beschriftungen der Achsen zu ändern.

sns.regplot(x='total_bill',y='tip',data=tips)
plt.title("Tip vs. total bill in a New York City restaurant")
plt.xlabel("Total bill (USD)")
plt.ylabel("Tip (USD)")
plt.show()

Dies wird einen Titel hinzufügen und den Unterstrich in den Achsen entfernen sowie verdeutlichen, dass die Beträge in US-Dollar angegeben sind.

Um Ihr Diagramm zu speichern, können Sie im aufgepoppten Fenster auf das Speichern-Symbol klicken, oder Sie können diesen Befehl verwenden:

plt.savefig('/path/to/file')

Sie können dies dann in Ihr Dokument oder Ihre Präsentation einfügen. Matplotlib unterstützt viele gängige Formate, einschließlich PNG.

Es ist einfach, in Python großartig aussehende Diagramme zu erstellen

Es könnte ein wenig Zeit in Anspruch nehmen, Python zu lernen, aber mit ein wenig Aufwand können Sie Veröffentlichungsqualität erreichende Diagramme erstellen, die Ihre nächste Präsentation oder Ihren nächsten Bericht ansprechender machen. Sollten Sie nicht genauso viel Mühe in die Visualisierungen stecken wie in die Sicherstellung, dass die Worte und Zahlen korrekt sind?