Oppiskele Viivakaavioiden ja Pylväskaavioiden Käsittely

Viiva- ja pylväsdiagrammit ovat kaksi yleisintä ja tehokkainta tapaa visualisoida dataa. Viivadiagrammeja käytetään tyypillisesti kuvaamaan trendejä ajan kuluessa, mikä tekee niistä ihanteellisia aikasarjadatan, kuten osakekurssien, lämpötilamuutosten tai verkkosivuston kävijämäärien esittämiseen. Jokainen piste viivadiagrammissa edustaa tiettyä arvoa tietyllä hetkellä, ja pisteet yhdistetään viivoilla, jotta nähdään, miten arvot muuttuvat. Pylväsdiagrammeja puolestaan käytetään vertailemaan määriä eri kategorioiden välillä. Ne ovat erityisen hyödyllisiä, kun halutaan korostaa ryhmien välisiä eroja tai samankaltaisuuksia, kuten eri tuotteiden myyntilukuja tai eri maiden väestöjä. Suurin ero näiden diagrammityyppien välillä on se, että viivadiagrammit korostavat datan jatkuvuutta, kun taas pylväsdiagrammit keskittyvät diskreetteihin vertailuihin.


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

# Create a simple time series dataset
data = {
    "Date": ["2024-06-01", "2024-06-02", "2024-06-03", "2024-06-04", "2024-06-05"],
    "Visitors": [120, 135, 150, 170, 160]
}
df = pd.DataFrame(data)

# Create a line chart
fig = px.line(df, x="Date", y="Visitors", title="Website Visitors Over Time",
              markers=True, line_shape="linear")
fig.update_traces(line=dict(dash="dash", color="blue"), marker=dict(size=10, symbol="circle"))

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

Yllä olevassa viivadiagrammin koodissa määritellään pandas DataFrame, joka sisältää päivämäärät ja verkkosivuston kävijämäärät kullekin päivälle. px.line-funktiolla piirretään data, jossa x-argumentti määrittää vaaka-akselin (päivämäärät) ja y-argumentti pystyakselin (kävijämäärät). Kun lisätään markers=True, jokaisessa datapisteessä näkyy merkki, mikä helpottaa yksittäisten arvojen tarkastelua. line_shape="linear" varmistaa, että viiva yhdistää jokaisen pisteen suoraan. Ulkoasua voi mukauttaa edelleen update_traces-toiminnolla, esimerkiksi asettamalla viivan tyyli katkoviivaksi ja muuttamalla merkkien kokoa ja muotoa. Tämä joustavuus helpottaa trendien ja yksittäisten datapisteiden korostamista visualisoinnissa.


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

# Create a sample DataFrame for grouped bar chart
data = {
    "Product": ["A", "A", "B", "B", "C", "C"],
    "Region": ["North", "South", "North", "South", "North", "South"],
    "Sales": [100, 120, 90, 110, 80, 105]
}
df = pd.DataFrame(data)

# Create a grouped bar chart
fig = px.bar(df, x="Product", y="Sales", color="Region", barmode="group",
             title="Sales by Product and Region")

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

Kun päätät käyttääkö viivakaaviota vai pylväskaaviota, ota huomioon datasi luonne ja tarina, jonka haluat kertoa. Viivakaaviot soveltuvat parhaiten muutosten ja trendien esittämiseen jatkuvalla aikavälillä, kuten ajan suhteen, jolloin pisteiden välinen suhde on tärkeä. Käytä niitä, kun haluat korostaa datan kulkua tai kehitystä. Pylväskaaviot sopivat paremmin määrien vertailuun eri kategorioiden välillä, erityisesti kun haluat tuoda esiin ryhmien välisiä eroja. Yllä olevissa esimerkeissä viivakaavio havainnollistaa tehokkaasti, miten verkkosivukävijöiden määrä muuttuu usean päivän aikana, kun taas ryhmitelty pylväskaavio helpottaa eri tuotteiden myynnin vertailua kahden alueen välillä. Oikean kaaviotyypin valinta varmistaa, että datasi välittyy selkeästi ja tarkasti.

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 4

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 time series dataset
data = {
    "Date": ["2024-06-01", "2024-06-02", "2024-06-03", "2024-06-04", "2024-06-05"],
    "Visitors": [120, 135, 150, 170, 160]
}
df = pd.DataFrame(data)

# Create a line chart
fig = px.line(df, x="Date", y="Visitors", title="Website Visitors Over Time",
              markers=True, line_shape="linear")
fig.update_traces(line=dict(dash="dash", color="blue"), marker=dict(size=10, symbol="circle"))

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


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

# Create a sample DataFrame for grouped bar chart
data = {
    "Product": ["A", "A", "B", "B", "C", "C"],
    "Region": ["North", "South", "North", "South", "North", "South"],
    "Sales": [100, 120, 90, 110, 80, 105]
}
df = pd.DataFrame(data)

# Create a grouped bar chart
fig = px.bar(df, x="Product", y="Sales", color="Region", barmode="group",
             title="Sales by Product and Region")

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

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 4