Введение в визуализацию данных — Python: Визуализация данных

• Визуализация в анализе данных
• Библиотеки визуализации и типы графиков
  • Строим линейные графики
  • Строим столбчатые и круговые диаграммы
  • Строим гистограмму
  • Строим гистограмму в Seaborn и Plotly
• Выводы

В этом курсе мы разберем библиотеки языка Python для визуализации данных. Это инструментарий аналитика, который позволяет:

• Смотреть на данные за длительный период в емкой форме
• Обнаруживать зависимости и тренды в данных
• Находить ошибки в данных и нехарактерные значения
• Исследовать статистические характеристики данных
• Строить различные гипотезы о данных перед их дальнейшим аналитическим подтверждением

После обучения вы сможете анализировать ваши данные с использованием популярных библиотек:

• Matplotlib
• Seaborn
• Plotly

В этом уроке мы разберем, по каким причинам аналитики используют указанные библиотеки, и как выглядит типичный порядок работы с ними.

Визуализация в анализе данных

Когда мы передаем информацию третьим лицам, нам часто не хватает места и времени для ее демонстрации. В таких случаях мы подаем информацию в графическом виде — например, составляем презентацию с инфографикой для доклада выступления на конференции.

Качественная презентация позволяет:

• Увидеть тренды изменения показателей компаний, рост или убывание прибыли
• Провести сравнительный анализ при переходе от одной стратегии развития бизнеса к другой
• Подчеркнуть зависимость одних показателей от других

Еще с помощью инструментов для визуализации можно посчитать статистические показатели или сделать агрегацию данных — допустим, найти сумму месячной прибыли по дневным показателям. Также эти инструменты позволяют построить графики и диаграммы самих данных или их агрегаций.

Аналитики должны обладать всеми перечисленными навыками. В рамках курса мы подробнее остановимся на последнем — построении графиков и диаграмм. Мы будем визуализировать данные с помощью библиотек языка Python.

Существует множество готовых открытых и коммерческих решений для аналитики. Но Python — это один из самых распространенных языков для решения задач, связанных с анализом данных и машинным обучением. Освоив Python, аналитик получает мощный инструмент, который помогает получать, обрабатывать и анализировать данные.

Библиотеки визуализации и типы графиков

Для визуализации данных на языке Python используют библиотеки:

• Matplotlib
• Seaborn
• Plotly

Matplotlib — это одна из первых библиотек языка Python, разработанная для визуализации данных. У нее гибкая конфигурация свойств и широкий спектр графиков, который покрывает востребованные аналитические задачи. Среди них наиболее популярны:

• Линейные графики
• Столбчатые и круговые диаграммы
• Гистограммы

Все эти графики можно построить с помощью Pyplot, специального модуля для Matplotlib. В коде название модуля Pyplot часто сокращается до plt. Рассмотрим построение каждого из графиков подробнее.

Строим линейные графики

Для начала построим линейный график с помощью метода plot():

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5, 6, 7]
y = [10, 15, 13, 17, 20, 22, 25]

plt.plot(x, y)
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("Simple Line Graph")
plt.show()

В итоге мы получим такой график:

Строим столбчатые и круговые диаграммы

Для сравнительного анализа показателей используют столбчатые и круговые диаграммы. Построим круговой график:

# Данные
sizes = [25, 30, 15, 10]
labels = ["Apple", "Banana", "Orange", "Grapes"]

# Создание круговой диаграммы
plt.pie(sizes, labels=labels, autopct="%1.1f%%")
plt.title("Pie Chart")
plt.show()

Изучим получившуюся диаграмму. Весь круг — это общее количество фруктов в магазине. Сектора этого круга показывают отдельно количество яблок, бананов, апельсинов и винограда в процентах:

По этой диаграмме мы можем визуально оценить относительные показатели, даже не зная конкретного количества фруктов.

Строим гистограмму

Чтобы проанализировать распределение величин в данных, используют гистограмму — это график частоты встречаемости значений или частоты попадания значений в определенный числовой интервал.

Перейдем к примеру:

import numpy as np

# Создание случайных данных
data = np.random.randn(1000)

plt.hist(data, bins=30)
plt.xlabel("Value")
plt.ylabel("Frequency")
plt.title("Histogram")
plt.show()

Здесь мы дополнительно используем библиотеку NumPy для генерации случайной последовательности. В этом курсе мы будем иногда использовать конструкции NumPy, потому что библиотеки по визуализации данных используют ее в своих методах.

В итоге мы получим такую визуализацию:

Здесь каждый столбец — это количество значений, которые попадают в соответствующий интервал, отложенный на горизонтальной оси. В качестве параметра bins мы указали, что хотим взять отрезок со всеми значениями и разбить его на 30 равных частей. Так на рисунке появился 30 столбцов.

Использование Matplotlib осложняется тем, что необходимо понимать ее внутреннее устройство: иерархию объектов и их методы. Чтобы облегчить задачу, поверх Matplotlib мы будем использовать библиотеки Seaborn и Plotly, более простые в использовании.

Строим гистограмму в Seaborn и Plotly

Построение гистограммы в Seaborn выглядит так:

import seaborn as sns

sns.histplot(data=data)

Результат аналогичен построению в Matplotlib:

Код для Plotly тоже достаточно лаконичен:

import plotly.express as px

fig = px.histogram(data)
fig.show()

Библиотека Plotly отличается от других интерактивностью. Например, построенные с ее помощью графические объекты могут изменять масштаб и подсвечивать значения в конкретных точках.

Выводы

Визуализация данных — это один из необходимых инструментов, которым должен владеть аналитик данных. Она позволяет обозревать большие объемы данных, что актуально для современных аналитических задач. В этом уроке мы познакомились с библиотеками языка Python для визуализации данных:

• Matplotlib
• Seaborn
• Plotly

С их помощью построили графики, которые часто используются аналитиками на практике:

• Линейные графики
• Гистограммы
• Столбчатые и круговые диаграммы

Далее мы погрузимся в основные возможности этих библиотек и все нюансы их использования.

Самостоятельная работа

Освойте базовые приемы визуализации из урока. Склонируйте репозиторий с датасетами и возьмите оттуда файлы Shop_orders.csv и Cite_clicks.csv.

Чтение данных

1. Импортируйте pandas, matplotlib.pyplot as plt, seaborn as sns, plotly.express as px.
2. Загрузите Shop_orders.csv в датафрейм, убедитесь что столбец Weekday — индекс, а остальные столбцы приведены к числам.
3. Считайте Cite_clicks.csv, заполните пропуски и сохраните отдельные серии для каждого магазина.
4. Выведите head() и describe() по обоим наборам, зафиксируйте диапазоны значений — они пригодятся для настройки осей.

Линейные и круговые диаграммы в Matplotlib

1. Постройте линейный график динамики кликов по дням для всех магазинов (plt.plot с несколькими сериями, легенда через plt.legend()).
2. Добавьте подписи осей, заголовок и сетку (plt.xlabel, plt.ylabel, plt.title, plt.grid) — примеры есть в README.
3. Для Shop_orders.csv рассчитайте суммарные продажи за неделю и постройте plt.bar, затем plt.pie, чтобы сравнить доли магазинов.
4. Сохраните хотя бы один рисунок через plt.savefig() и убедитесь, что файл открывается.

Гистограммы и распределения

1. На основании Cite_clicks.csv постройте plt.hist для одного магазина и подберите разумное значение bins.
2. Повторите гистограмму средствами Seaborn: sns.histplot или sns.displot с kde=True, сравните кривые плотности.
3. Добавьте горизонтальные/вертикальные линии порогов (plt.axhline/plt.axvline), чтобы отметить аномально низкие/высокие значения.
4. Сделайте выводы о перекосах распределения прямо в ноутбуке под графиками.

Интерактивные графики Plotly

1. Постройте px.line по Cite_clicks.csv с несколькими метриками, настройте подписи (labels={...}) и легенду через update_layout.
2. Добавьте px.bar или px.box для данных по магазинам, включите отображение точек (points="all"), чтобы увидеть выбросы.
3. Активируйте стандартные элементы управления (панель в Plotly появляется автоматически), протестируйте zoom/pan/save.
4. Экспортируйте один график в HTML (fig.write_html("clicks.html")) и проверьте интерактивность в браузере.

Контроль / Что проверить

• Использованы оба набора из репозитория, ссылки на исходные файлы указаны в ноутбуке или скрипте.
• Построены все типы графиков из README: линейные, столбчатые/круговые диаграммы, гистограммы, интерактивные Plotly.
• На каждом изображении заданы размеры, подписи осей и заголовки; легенда читаема.
• Сделаны текстовые выводы об обнаруженных особенностях (баланс продаж, выбросы, форма распределения).
• Все команды выполняются без ошибок, сохраненные графики открываются и соответствуют описанным шагам.

Дополнительные материалы

1. Matplotlib — официальное введение
2. Seaborn Tutorial (official docs)
3. Plotly Express — getting started