Oppiskele Plotlyn Integrointi Pandas DataFramejen Kanssa

Pythonissa työskenneltäessä pandas DataFrame -tietorakenteet ovat yksi tehokkaimmista ja joustavimmista työkaluista. DataFrame on kaksiulotteinen, nimetty tietorakenne, jonka sarakkeet voivat sisältää erilaisia arvoja, kuten numeroita, merkkijonoja tai päivämääriä. Tämä muoto on erityisen hyödyllinen datan käsittelyyn, puhdistukseen ja analysointiin, mikä tekee siitä luontevan valinnan datan valmisteluun ennen visualisointia. DataFramejen avulla voit nopeasti suodattaa, yhdistellä ja muuntaa dataasi, mikä tehostaa merkityksellisten ja interaktiivisten kaavioiden luomista Plotly Expressillä.


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a simple DataFrame
data = {
    "Country": ["USA", "Canada", "Germany", "UK", "France"],
    "GDP": [21.43, 1.84, 3.86, 2.83, 2.72],
    "Population": [331, 38, 83, 67, 65]
}
df = pd.DataFrame(data)

# Visualize the DataFrame using a scatter plot
fig = px.scatter(df, x="GDP", y="Population", text="Country",
                 title="GDP vs Population by Country")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Kun käytät Plotly Expressiä yhdessä pandas DataFrame -tietorakenteen kanssa, Plotly tunnistaa sarakkeiden nimet automaattisesti ja tekee ne käytettäväksi akseleina, väreinä, symboleina ja muina ominaisuuksina. Voit siis viitata sarakkeeseen sen nimellä määrittäessäsi esimerkiksi x, y tai color -parametreja. Plotly Express huolehtii datan yhdistämisestä visualisointiin, mikä tekee prosessista sekä intuitiivisen että tehokkaan. Esimerkiksi edellisessä koodissa määrittämällä x="GDP" ja y="Population" kerrotaan Plotlylle, että näitä sarakkeita käytetään akseleina, ja text="Country" lisää maiden nimet pisteiden yhteyteen.


              1234567891011121314151617181920
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Sample sales data
data = {
    "Region": ["North", "South", "East", "West", "North", "South", "East", "West"],
    "Salesperson": ["Alice", "Bob", "Charlie", "David", "Eve", "Frank", "Grace", "Heidi"],
    "Sales": [200, 150, 300, 250, 180, 170, 320, 260]
}
df = pd.DataFrame(data)

# Group by region and sum sales
grouped = df.groupby("Region", as_index=False)["Sales"].sum()

# Plot total sales by region using a bar chart
fig = px.bar(grouped, x="Region", y="Sales", title="Total Sales by Region")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Saadaksesi parhaan hyödyn pandas- ja Plotly-integraatiosta, suorita aina tietojen puhdistus- ja yhdistelyvaiheet pandas-kirjastossa ennen kuin siirrät DataFrame-taulukon Plotly Express -kirjastoon. Tämä lähestymistapa varmistaa, että visualisoinnit ovat tarkkoja ja helposti tulkittavia. Käytä sarakkeiden nimiä suoraan Plotly Express -funktioissa, jotta koodisi pysyy selkeänä ja ytimekkäänä. Kuten esimerkeissä näkyy, tietojen ryhmittely ja yhteenveto pandas-menetelmillä, kuten groupby, mahdollistaa kaavioiden luomisen, jotka tuovat selkeästi esiin trendit ja vertailut. Kun pidät tietojen valmistelun ja visualisoinnin tiiviisti integroituna pandas- ja Plotly-kirjastoihin, voit tehokkaasti luoda vaikuttavia, interaktiivisia kaavioita analyyseihisi.

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 8

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pyyhkäise näyttääksesi valikon


              123456789101112131415161718
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Create a simple DataFrame
data = {
    "Country": ["USA", "Canada", "Germany", "UK", "France"],
    "GDP": [21.43, 1.84, 3.86, 2.83, 2.72],
    "Population": [331, 38, 83, 67, 65]
}
df = pd.DataFrame(data)

# Visualize the DataFrame using a scatter plot
fig = px.scatter(df, x="GDP", y="Population", text="Country",
                 title="GDP vs Population by Country")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))


              1234567891011121314151617181920
            
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML

# Sample sales data
data = {
    "Region": ["North", "South", "East", "West", "North", "South", "East", "West"],
    "Salesperson": ["Alice", "Bob", "Charlie", "David", "Eve", "Frank", "Grace", "Heidi"],
    "Sales": [200, 150, 300, 250, 180, 170, 320, 260]
}
df = pd.DataFrame(data)

# Group by region and sum sales
grouped = df.groupby("Region", as_index=False)["Sales"].sum()

# Plot total sales by region using a bar chart
fig = px.bar(grouped, x="Region", y="Sales", title="Total Sales by Region")

html = fig.to_html(full_html=False, include_plotlyjs="cdn")
display(HTML(html))

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 8