مصورسازی داده، تجسم‌سازی داده یا Data Visualization ارائه‌ی گرافیکی داده است که هدف اصلی آن انتقال بهینه‌ی اطلاعات به کاربران از طریق نمایش روابط میان داده‌ها به کمک نمودارها است. Matplotlib از کتابخانه‌های معروف پایتون برای ترسیم نمودارهاست. Seaborn از دیگر کتابخانه‌های پایتون برای مصورسازی است که بر پایه‌ی Matplotlib بنا شده و امکانات بیشتری برای کاربران در جهت ترسیم نمودارها فراهم می‌کند. هر دوی این کتابخانه‌ها جزو کتابخانه‌های بسیار پرکاربرد رسم نمودار و مصور سازی داده در پایتون هستند. از آنجایی که یادگیری پکیج‌های Numpy، Pandas، Matplotlib و Seaborn برای شروع یادگیری داده‌کاوی با پایتون بسیار ضروری است در این مقاله ضمن معرفی انواع نمودارهای پرکاربرد در مصورسازی داده‌ها به آموزش Matplotlib و  در ادامه‌ی آن به آموزش Seaborn می‌پردازیم.

MatPlotLib چیست

Matplotlib از کتابخانه‌­های رسم نمودار در زبان برنامه­‌نویسی پایتون است که به همراه بسیاری از کتابخانه‌­های این زبان که بر مبنای کار با مقادیر عددی مانند NumPy و Pandas توسعه یافته­ اند به کار گرفته می­‌شود.

Matplotlib برای گنجاندن نمودارها در اپلیکیشن‌­ها با استفاده از ابزارهای گرافیکی پایتون مانند Tkinter، wxPyton و ... API مبتنی بر شی­ گرایی فراهم می‌­کند. Matplotlib توسط JohnD.Hunter در سال 2003 توسعه داده شد. برای اطلاعات بیشتر به وبسایت آن مراجعه کنید.

Matplotlib PyPlot چیست؟

matplotlib.pyplot مجموعه­‌ای از دستورات و توابعی است که کتابخانه‌­ی matplotlib را قادر می­‌سازد تا همانند زبان برنامه‌­نویسی MATLAB باشد. هر تابع pyplot می‌­تواند تغییراتی در شکل نمودار مانند رسم نمودار، ایجاد خطوطی در ناحیه‌ی ترسیم­ شده، ایجاد برچسب برای نمودار و ... ایجاد کند. در matplotlib.pyplot حالت‌های مختلف حین فراخوانی توابع حفظ می­‌شود، به طوری که تأثیر مواردی همچون شکل فعلی و ناحیه­‌ی رسم­ شده حفظ می­‌شود و موارد جدید از تغییرات ناشی از فراخوانی توابع بر روی محورهای فعلی اعمال می‌شود.

در پس­ زمینه matplotlib چه خبر است؟

Matplotlib موارد استفاده و فرمت­‌های خروجی مختلفی را شامل می­‌شود. برخی افراد با استفاده از python shell را برای تعامل با matplotlib استفاده می­‌کنند و شکل نمودار مانند پنجره­‌های pop up برای آن‌ها ظاهر می‌­شود (مانند دیدن تصاویر نمودار در MATLAB )

برخی هم از JupyterNotebook برای نوشتن کد‌های خود استفاده می­‌کنند و نمودارهای حاصل را به طور inline در همان صفحه زیر کد‌های خود می‌­بینند که این روش باعث تجزیه تحلیل سریع‌­تر و آسان­‌تر کدها و نتایج آن‌ها است. برخی هم mathplotlib را به صورت اسکریپت‌­هایی برای تولید تصاویر postscript  از شبیه‌­سازی­‌های عددی استفاده می‌­کنند.

برای پشتیبانی تمامی این موارد استفاده mathplotlib قادر است انواع مختلف خروجی را تولید کند و همه‌­ی این موارد در پس ­زمینه یا backend این کتابخانه گنجانده شده است.

نحوه‌­ی رسم اشکال دوبعدی در matplotlib

matplotlib جزء آن دسته از پکیج‌هایی است که امکانات گرافیکی زیادی برای مصورسازی داده‌ها همچون ترسیمات دوبعدی، سه بعدی و حتی انیمیشن را فراهم می‌کند. در این مقاله به نحوه‌ی رسم نمودار دوبعدی در پایتون می‌پردازیم. در میان نمودارهای دوبعدی ترسیم خطوط، نمودار پراکندگی، میله‌ای، هیستوگرام، دایره‌ای و سایر نمودارهای پرکاربرد را بررسی می‌کنیم.

رسم خطوط در matplotlib

برای رسم یک خط در کتابخانه‌­ی مت پلات مراحل زیر را داریم:

• تعریف محور x و مقادیر متناظر در محور y به صورت لیست‌های جداگانه
• رسم آنها بر روی صفحه با تابع plot
• اختصاص نام به محورهای x و y با توابع xlabel و ylabel
• دادن عنوان به نمودار با تابع title
• در پایان تمامی کدها در matplotlib بکارگیری تابع plt.show برای دیدن شکل نهایی نمودار

# importing the required module 
import matplotlib.pyplot as plt 
# x axis values 
x = [1,2,3] 
# corresponding y axis values 
y = [2,4,1] 
# plotting the points  
plt.plot(x, y) 
# naming the x axis 
plt.xlabel('x - axis') 
# naming the y axis 
plt.ylabel('y - axis') 
# giving a title to my graph 
plt.title('My first graph!') 
# function to show the plot 
plt.show()

خروجی کد بالا نمودار خطی زیر است:

برای رسم دو یا چند خط بر روی یک نمودار مانند کد زیر عمل می‌­کنیم که در آن:

• همان‌طور که می‌­بینید دو خط را بر روی یک نمودار رسم کرده‌­ایم. برای ایجاد تمایز به هر یک نام (label) متفاوتی داده‌­ایم، که این نام به عنوان آرگومان ورودی تابع plot تعریف می‌‌شود.
• جعبه­‌ی مستطیل شکل کوچکی که اطلاعاتی در مورد نوع و شکل خطوط می‌­دهد legend نامیده می‌­شود. برای افزودن legend به نمودار از تابع legend استفاده می‌­کنیم.

import matplotlib.pyplot as plt 
# line 1 points 
x1 = [1,2,3] 
y1 = [2,4,1] 
# plotting the line 1 points 
plt.plot(x1, y1, label = "line 1") 
# line 2 points 
x2 = [1,2,3] 
y2 = [4,1,3] 
# plotting the line 2 points 
plt.plot(x2, y2, label = "line 2") 
# naming the x axis 
plt.xlabel('x - axis') 
# naming the y axis 
plt.ylabel('y - axis') 
# giving a title to my graph 
plt.title('Two lines on same graph!') 
# show a legend on the plot 
plt.legend() 
# function to show the plot 
plt.show() 

خروجی کد به شکل زیر است:

در رسم نمودارها به کمک مت پلات می­‌توان ویژگی‌­های بیشتری را به نمودار افزود.

نمودار حاصل از کد مثال زیر را در نظر بگیرید:

import matplotlib.pyplot as plt 
# x axis values 
x = [1,2,3,4,5,6] 
# corresponding y axis values 
y = [2,4,1,5,2,6] 
# plotting the points 
plt.plot(x, y, color='green', linestyle='dashed', linewidth = 3, 
		marker='o', markerfacecolor='blue', markersize=12) 
# setting x and y axis range 
plt.ylim(1,8) 
plt.xlim(1,8) 
# naming the x axis 
plt.xlabel('x - axis') 
# naming the y axis 
plt.ylabel('y - axis') 
# giving a title to my graph 
plt.title('Some cool customizations!') 
# function to show the plot 
plt.show() 

خروجی کد به صورت نقاط متصل شده‌ی زیر با خطوط دندانه‌دار به شکل زیر است:

همان‌طور که در شکل می‌­بینید در این نمودار:

• عرض، شکل و رنگ خط را مقداردهی کرده‌­ایم.
• رنگ و شکل و اندازه­‌ی هر نقطه را به طور دلخواه مشخص کرده‌­‌ایم. (ویژگی‌­های مرتبط با marker )
• رنج محورهای z و y را به دلخواه خود تعیین نموده­‌ایم. اگر رنج­ دهی به مختصات را خودمان تنظیم نمی‌­کردیم ماژول pyplot از ویژگی auto-scale برای تنظیم رنج و مقیاس­‌دهی به محورها استفاده می‌­کرد.

رسم نمودار میله ­ای در پایتون

نمودار میله­‌ای یا نواری  (Bar Plot) نموداری است که داده­‌های طبقه ­بندی­ شده را با میله­‌های مستطیل شکل با ارتفاع یا طول متناسب با مقادیر ارائه شده نشان می‌­دهد. میله­‌ها می­‌توانند به شکل عمودی یا افقی رسم شوند که گاهی نمودار میله‌­ای عمودی، نمودار خطی نامیده می­‌شود.

در شکل زیر یک نمودار میله‌­ای را به صورت عمودی می‌­بینیم:

import matplotlib.pyplot as plt   
# x-coordinates of left sides of bars   
left = [1, 2, 3, 4, 5]   
# heights of bars   
height = [10, 20, 30, 40, 50]   
# labels for bars   
tick_label = ['one', 'two', 'three', 'four', 'five']   
# plotting a bar chart   
plt.bar(left, height, tick_label = tick_label,   
        width = 0.8, color = ['blue', 'green', 'red','yellow','black'])   
# naming the x-axis   
plt.xlabel('x - axis')   
# naming the y-axis   
plt.ylabel('y - axis')   
# plot title   
plt.title('bar chart!')   
# function to show the plot   
plt.show()

نمودار میله‌ای حاصل از کد بالا به شکل زیر است:

در این نمودار:

• از تابع plt.bar برای رسم نمودار میله‌­ای استفاده می‌­کنیم.
• مختصات x از سمت چپ به ارتفاع میله­‌ها به ­طور متناظر اختصاص داده می­‌شود.
• می‌­توانید نامی را به مختصات محور x با تعریف tich_label بدهید.

رسم نمودار هیستوگرام در پایتون

نمودار هیستوگرام یک نمایش دقیق از توزیع داده­‌های عددی است. این نمودار تخمینی از توزیع احتمال متغیر پیوسته است و برای اولین بار توسط کارل پیرسون معرفی شده است. تفاوت نمودار هیستوگرام با نمودار میله­‌ای در این است که یک نمودار میله‌­ای رابطه‌ی دو متغیر را با هم نشان می‌­دهد. اما هیستوگرام تنها به یک متغیر مربوط می‌­شود.

import matplotlib.pyplot as plt   
# frequencies   
ages = [2,5,70,40,30,45,50,45,43,40,44,   
        60,7,13,57,18,90,77,32,21,20,40]   
# setting the ranges and no. of intervals   
range = (0, 100)   
bins = 5  
# plotting a histogram   
plt.hist(ages, bins, range, color ='red',   
        histtype = 'bar', rwidth = 0.8)   
# x-axis label   
plt.xlabel('age')   
# frequency label   
plt.ylabel('No. of people')   
# plot title   
plt.title('My histogram')   
# function to show the plot   
plt.show()

شکل حاصل از کد بالا نمودار هیستوگرامی است که فراوانی تعداد افراد در هر بازه‌ی سنی روی محور افقی را نمایش می‌دهد:

در این نمودار:

• از تابع hist برای رسم هیستوگرام استفاده می­‌کنیم.
• تعداد تکرار با لیست ages ارسال شده‌­اند.
• رنج و محدوده می‌­تواند با تعریف ساختار داده­‌ی تاپل شامل مقادیر مینیمم و ماکسیمم تعیین شود.
• مرحله بعدی اختصاص دادن یا به اصطلاح bin کردن رنج مقادیر (که همان تقسیم کل محدوده بر روی بازه­‌ها است.) و سپس شمردن این که چه تعداد از مقادیر در هر بازه وجود دارد. در این مثال مقدار bins را 10 در نظر گرفته­‌ایم پس به طور کلی 10=10/100 بازه داریم.

رسم نمودار پراکندگی در پایتون

نمودار پراکندگی یا Scatter Plot نوعی از نمودار است که با استفاده از مختصات دکارتی مقادیر دو متغیر را برای مجموعه‌­ای از اعداد نمایش می‌­دهد. در قطعه کد زیر رسم نمودار نقطه‌ای در پایتون یا همان نمودار پراکندگی را با هم می‌بینیم:

import matplotlib.pyplot as plt 
# x-axis values 
x = [1,2,3,4,5,6,7,8,9,10] 
# y-axis values 
y = [2,4,5,7,6,8,9,11,12,12] 
# plotting points as a scatter plot 
plt.scatter(x, y, label= "stars", color= "green", 
			marker= "*", s=30) 
# x-axis label 
plt.xlabel('x - axis') 
# frequency label 
plt.ylabel('y - axis') 
# plot title 
plt.title('My scatter plot!') 
# showing legend 
plt.legend() 
# function to show the plot 
plt.show() 

نمودار حاصل داده‌ها را به شکل نقاط در صفحه مشخص می‌کند و به کاربر اطلاعاتی در مورد نحوه‌ی پراکندگی داده‌ها می‌دهد:

در این نمودار:

• از تابع scatter برای رسم نمودار پراکندگی استفاده می‌­کنیم.
• مانند یک خط x را متناظر y تعریف می­‌کنیم.
• آرگومان marker برای تعیین شکل نقاط روی نمودار استفاده می‌­شود که می‌­توان با استفاده از پارامتر s سایز آن‌ها را تغییر داد.

رسم نمودار دایره ای در پایتون

نمودار دایره‌ای یا Pie-Chart یک شکل آماری دایره­‌ای است که برای نشان دادن نسبت و سهم عددی به برش‌هایی متناظر با هر کدام از آن نسبت‌ها تقسیم می‌­شود. در نمودار دایره­‌ای طول قوس هر برش متناسب با کمیتی است که نشان می‌­دهد.

import matplotlib.pyplot as plt 
# defining labels 
activities = ['eat', 'sleep', 'work', 'play'] 
# portion covered by each label 
slices = [3, 7, 8, 6] 
# color for each label 
colors = ['r', 'y', 'g', 'b'] 
# plotting the pie chart 
plt.pie(slices, labels = activities, colors=colors, 
		startangle=90, shadow = True, explode = (0, 0, 0.1, 0), 
		radius = 1.2, autopct = '%1.1f%%') 
# plotting legend 
plt.legend() 
# showing the plot 
plt.show() 

نمودار دایره‌ای به شکل زیر است:

در این نمودار:

• نمودار دایره­‌ای را با تابع pie رسم می‌­کنیم.
• در ابتدا برچسب‌ها را با استفاده از لیستی تحت عنوان activities مشخص کرده­‌ایم.
• سپس سهم هر برچسب را با لیست دیگری با عنوان slices تعیین می­‌کنیم.
• رنگ هر برچسب به کمک لیستی با عنوان colors مشخص شده است.
• عبارت shadow=True یک حالت سایه­ مانند زیر هر قوس در دایره ایجاد می‌­کند.
• صفت startangle نقطه‌ی شروع نمودار دایره‌­ای را با درجه‌­های معین در جهت عقربه‌­های ساعت از محور x می­‌چرخاند.
• Explode برای جداسازی قسمت‌های نمودار و فاصله گرفتن آن‌ها از هم استفاده می‌­شود و مقدار فاصله‌­ی قسمت‌های نمودار از هم با توجه به نسبت تعریف ­شده از اندازه شعاع دایره تعیین می‌­شود. مثلاً در شکل بالا سهم سوم به اندازه­‌ی یک دهم اندازه‌­ی شعاع از بقیه جدا شده است.
• autopct برای شکل­‌دهی مقدار هر برچسب به کار گرفته می‌­شود. در این مثال، ما آن را طوری تنظیم کرده‌­ایم تا مقدار درصد هر سهم از نمودار را تا یک رقم اعشار نمایش دهد.

رسم نمودار تابع در پایتون

می‌توان منحنی معادلات و چند جمله‌ای با درجه‌های مختلف را ترسیم نمود. برای مثال رسم نمودار سینوسی در پایتون یا همان y=sin(x) که x برحسب رادیان است، مانند کد زیر است:

# importing the required modules 
import matplotlib.pyplot as plt 
import numpy as np 
# setting the x - coordinates 
x = np.arange(0, 2*(np.pi), 0.1) 
# setting the corresponding y - coordinates 
y = np.sin(x) 
# potting the points 
plt.plot(x, y) 
# function to show the plot 
plt.show() 

خروجی قطعه کد بالا به شکل زیر است:

در اینجا از NumPy که یک کتابخانه‌ی عمومی برای کار با اعداد است استفاده کرده‌­ایم.

• برای مقداردهی به متغیرهای محور x از arange استفاده می‌­کنیم که دو آرگومان اول آن برای تعیین محدوده­‌ی اعداد و آرگومان سوم فاصله‌­ی بین اعداد در آن بازه است.
• برای مقادیر متناظر در محور y از sin استفاده کرده­‌ایم و سینوس مقادیر محور x را محاسبه کرده‌­ایم.
• در پایان نمودار را با ارسال آرایه‌­های x و y به تابع plot رسم کرده­‌ایم.

مثال‌هایی از توابع دیگر همچون رسم نمودار لگاریتمی در پایتون را می‌توان مانند قطعه کد بالا به کمک matplotlib رسم کرد (y=np.log(x)).

زیرنمودار یا Subplots در پایتون

زمانی که می­‌خواهیم دو یا چند نمودار را در یک شکل نمایش دهیم از subplot استفاده می‌­کنیم. این کار را با استفاده از دو روش مختلف می‌­توان انجام داد:

روش اول رسم زیر نمودار یا Subplot:

# importing required modules 
import matplotlib.pyplot as plt 
import numpy as np 
# function to generate coordinates 
def create_plot(ptype): 
	# setting the x-axis vaues 
	x = np.arange(-10, 10, 0.01) 
	# setting the y-axis values 
	if ptype == 'linear': 
		y = x 
	elif ptype == 'quadratic': 
		y = x**2
	elif ptype == 'cubic': 
		y = x**3
	elif ptype == 'quartic': 
		y = x**4
	return(x, y) 
# setting a style to use 
plt.style.use('fivethirtyeight') 
# create a figure 
fig = plt.figure() 
# define subplots and their positions in figure 
plt1 = fig.add_subplot(221) 
plt2 = fig.add_subplot(222) 
plt3 = fig.add_subplot(223) 
plt4 = fig.add_subplot(224) 
# plotting points on each subplot 
x, y = create_plot('linear') 
plt1.plot(x, y, color ='r') 
plt1.set_title('$y_1 = x$') 
x, y = create_plot('quadratic') 
plt2.plot(x, y, color ='b') 
plt2.set_title('$y_2 = x^2$') 
x, y = create_plot('cubic') 
plt3.plot(x, y, color ='g') 
plt3.set_title('$y_3 = x^3$') 
x, y = create_plot('quartic') 
plt4.plot(x, y, color ='k') 
plt4.set_title('$y_4 = x^4$') 
# adjusting space between subplots 
fig.subplots_adjust(hspace=.5,wspace=0.5) 
# function to show the plot 
plt.show()

حاصل چهار زیرنمودار به شکل زیر است:

کد بالا را مرحله به مرحله بررسی می‌­کنیم:

:plt.style.use('fivethirtyeight')

• شکل نمودارها با تنظیم استایل­‌های مختلف موجود یا دلخواه خود می‌­توانند تنظیم شوند.
•  ( )fig = plt.figure

               این ویژگی به عنوان یک ظرف سطح بالا برای تمامی عناصر نمودار عمل می­‌کند. بنابراین ما یک شکلی تحت عنوان fig تعریف                     می‌­کنیم که همه­‌ی عناصر زیرنمودارها را در بر بگیرد.

• از متد add_subplot برای تعریف زیرنمودارها و تعیین مکان آن‌ها استفاده می­ کنیم. قاعده­‌ی کلی تعریف این تابع به صورت زیر است:

add_subplot(nrows, ncols, plot_number)

[info]plt1 = fig.add_subplot(221)

plt2 = fig.add_subplot(222)

plt3 = fig.add_subplot(223)

plt4 = fig.add_subplot(224)[/info]

اگر یک زیر نمودار در شکلی وجود داشته باشد، می­ توان شکل را در وضعیتی تصور کرد که به سطرها و ستون­هایی تقسیم شده است. (یعنی nrows برای سطرها و ncols برای ستون‌­ها) پارامتر plot_number بیانگر زیرنموداری است که تابع آن را فراخوانی می‌­کند تا آن زیرنمودار را رسم کند. Plot_number می­‌تواند محدوده‌ای  از عدد یک تا ماکسیمم  میان مقادیر nrows و ncols را داشته باشد. اگر مقادیر این سه پارامتر کمتر از 10 باشند، تابع subplot می‌‌تواند تنها با یک مقدار پارامتر عددی صحیح فراخوانی شود که رقم هزارگان این عدد بیانگر تعداد سطرها یا همان nrows ، رقم دهگان نشان‌­دهنده­‌ی تعداد ستون­‌ها یا همان ncols و رقم یکان بیانگر مقدار پارامتر plot_number است. این به این معنی است که به جای subplot(2,3,4) می‌­توان نوشت subplot(234) .

x, y = create_plot('linear')

plt1.plot(x, y, color ='r')

plt1.set_title('$y_1 = x$')

می‌­خواهیم نقاط هر زیرنمودار را رسم کنیم. ابتدا محورهای x و y را با تابع create_plot و تعیین نوع بردار مورد نظر، ایجاد می‌­کنیم. سپس نقاط روی زیرنمودار را با متد .plot رسم می‌­کنیم. عنوان subplot را هم با متد set_title ایجاد می‌­کنیم. با استفاده از $ در آغاز و پایان عنوان مورد نظرمان این اطمینان را حاصل می­‌کنیم که در متن عنوان نمودار علامت underscore یا "_" به شکل اندیس یا همان subscript و علامت "^" برای توان  یا همان superscript خوانده می‌شوند.

fig.subplots_adjust(hspace=.5,wspace=0.5)

                این متد برای ایجاد فاصله میان زیرنمودارها به کارگرفته می‌­شود.

• plt.show: مثل همیشه این متد را برای نمایش شکل نهایی نمودار می‌­نویسیم.

 روش دوم رسم زیر نمودار یا Subplot:

# importing required modules 
import matplotlib.pyplot as plt 
import numpy as np 
# function to generate coordinates 
def create_plot(ptype): 
	# setting the x-axis vaues 
	x = np.arange(0, 5, 0.01) 
	# setting y-axis values 
	if ptype == 'sin': 
		# a sine wave 
		y = np.sin(2*np.pi*x) 
	elif ptype == 'exp': 
		# negative exponential function 
		y = np.exp(-x) 
	elif ptype == 'hybrid': 
		# a damped sine wave 
		y = (np.sin(2*np.pi*x))*(np.exp(-x)) 
	return(x, y) 
# setting a style to use 
plt.style.use('ggplot') 
# defining subplots and their positions 
plt1 = plt.subplot2grid((11,1), (0,0), rowspan = 3, colspan = 1) 
plt2 = plt.subplot2grid((11,1), (4,0), rowspan = 3, colspan = 1) 
plt3 = plt.subplot2grid((11,1), (8,0), rowspan = 3, colspan = 1) 
# plotting points on each subplot 
x, y = create_plot('sin') 
plt1.plot(x, y, label = 'sine wave', color ='b') 
x, y = create_plot('exp') 
plt2.plot(x, y, label = 'negative exponential', color = 'r') 
x, y = create_plot('hybrid') 
plt3.plot(x, y, label = 'damped sine wave', color = 'g') 
# show legends of each subplot 
plt1.legend() 
plt2.legend() 
plt3.legend() 
# function to show plot 
plt.show()

نمودار حاصل به شکل زیر است:

بیایید به بررسی قسمت­‌های مهم این کد بپردازیم:

• قسمت زیر از کد را ملاحظه نمایید:

plt1 = plt.subplot2grid((11,1), (0,0), rowspan = 3, colspan = 1)

plt2 = plt.subplot2grid((11,1), (4,0), rowspan = 3, colspan = 1)

plt3 = plt.subplot2grid((11,1), (8,0), rowspan = 3, colspan = 1)

Subplot2grid مشابه pyplot.subplot است اما از اندیس‌­گذاری مبتنی بر صفر استفاده می­‌کند و این امکان را فراهم می‌­کند که زیرنمودار چندین خانه را اشغال کند. توضیح آرگومان­‌های این متد به شرح زیر است:

1. آرگومان اول شکل شبکه‌ی زیرنمودار را مشخص می­‌کند. (Geometry of the grid)
2. آرگومان دوم محل زیرنمودار در شبکه را تعیین می­‌کند.
3. آرگومان سوم تعداد سطرهای پوشیده شده با زیرنمودار است.
4. آرگومان چهارم تعداد ستون‌­های دربرگرفته توسط زیرنمودار است.

در مثال ما هر زیرنمودار سه سطر و یک ستون را با دو سطر خالی (سطرهای شماره­‌ی 4 و 8 ) پوشش می‌­دهد.

توجه: پس از بررسی دو مثال بالا متوجه شدیم که از متد subplot زمانی استفاده می‌­کنیم که اندازه­‌ی نمودارها یکسان باشد و این در حالی است که متد subplot2grid انعطاف بیشتری بر روی مکان و اندازه­‌ی زیرنمودارها در اختیار ما قرار می‌­دهد.

رسم نمودار سه بعدی در پایتون

Matpliotlib در ابتدا برای ترسیمات دو بعدی طراحی شده بود. پس از مدتی برخی از ابزارهای ترسیم سه بعدی برمبنای ترسیمات دو بعد این کتابخانه ترسیم شد و نتیجه‌ی آن مجموعه‌ای مناسب (اگرچه کمی محدود ) از ابزارها برای ترسیمات سه بعدی است. امکان ترسیمات سه بعدی با ابزار toolkit و matplotlib فراهم می‌شود.

from mpl_toolkits import mplot3d

پس از وارد کردن ماژول mplot3d به کمک کلمه‌ی کلیدی projection='3d' می‌توان محورهای سه بعدی را کنار توابع معمول رسم محورها، ترسیم نمود. به کد زیر و خروجی آن توجه کنید:

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax = plt.axes(projection='3d')

خروجی نمودار به شکل زیر است:

رسم نقاط و خطوط سه بعدی در پایتون

پایه‌ای‌ترین نمودار سه بعدی خط یا مجموعه‌ای از نقاط پراکنده است که با سه تایی (x,y,z) ایجاد می‌شود. این کار را با توابع ax.plot3D و ax.scatter3D انجام می‌دهیم. با کد زیر یک مارپیچ مثلثاتی (spiral) را به نقاطی که به طور تصادفی اطراف خط آن هستند، رسم می‌کنیم.

ax = plt.axes(projection='3d')
# Data for a three-dimensional line
zline = np.linspace(0, 15, 1000)
xline = np.sin(zline)
yline = np.cos(zline)
ax.plot3D(xline, yline, zline, 'gray')
# Data for three-dimensional scattered points
zdata = 15 * np.random.random(100)
xdata = np.sin(zdata) + 0.1 * np.random.randn(100)
ydata = np.cos(zdata) + 0.1 * np.random.randn(100)
ax.scatter3D(xdata, ydata, zdata, c=zdata, cmap='Greens');

خروجی به شکل زیر است:

توجه کنید که به طور پیش فرض ، نقاط پراکندگی شفافیت خود را تنظیم می‌کنند تا حس عمق صفحه را نشان دهند.

رسم نمودارهای کانتور سه بعدی در پایتون

در مثال زیر یک نمودار کانتور سه بعدی از یک تابع سینوسی سه بعدی را نشان خواهیم داد.

def f(x, y):
    return np.sin(np.sqrt(x ** 2 + y ** 2))
x = np.linspace(-6, 6, 30)
y = np.linspace(-6, 6, 30)
X, Y = np.meshgrid(x, y)
Z = f(X, Y)

fig = plt.figure() ax = plt.axes(projection='3d') ax.contour3D(X, Y, Z, 50, cmap='binary') ax.set_xlabel('x') ax.set_ylabel('y') ax.set_zlabel('z');خروجی، نموداری به شکل زیر است:

گاهی زاویه‌ی  دید نمودار مناسب نیست. می‌توان با کمک تابع view_init زوایای ارتفاع و آزیموت نمودار را تنظیم کرد. در مثال زیر از ارتفاع 60 درجه (یعنی 60 درجه بالای صفحه‌ی x-y) و یک آزیموت 35 درجه (یعنی 35 درجه خلاف جهت عقربه‌های ساعت در مورد محور z می‌چرخیم) استفاده خواهیم کرد:

ax.view_init(60, 35)
fig

خروجی کد، نموداری به شکل زیر است:

توجه داشته باشید که این نوع چرخش با استفاده از دکمه‌های تعاملی Matplotlib می‌تواند به صورت تعاملی با کلیک و کشیدن انجام شود.

قاب سیمی و پوسته‌ی سه بعدی در پایتون

دو نوع دیگر از اشکال سه بعدی که با داده‌های شبکه‌ای (grid) سر و کار دارند، قاب سیمی  (wire frame) و پوسته (surface) نام دارند. این نمودارها شبکه‌ی داده‌ها را به شکل پوسته‌ای سه بعدی نمایش می‌دهند. در کد زیر مثالی از این نوع داده‌ها و ترسیمات را می‌بینیم:

fig = plt.figure()
ax = plt.axes(projection='3d')
ax.plot_wireframe(X, Y, Z, color='black')
ax.set_title('wireframe');

خروجی کد، به شکل زیر است:

طرح پوسته نیز مانند قاب سیمی است با این تفاوت که هر وجه آن با یک چند ضلعی پر شده است. افزودن یک طرح زنگی به هر وجه می‌تواند به تجسم و درک بهتر توپولوژی پوسته کمک کند.

ax = plt.axes(projection='3d')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1,
                cmap='viridis', edgecolor='none')
ax.set_title('surface');

خروجی کد به شکل زیر است:

آموزش Python Seaborn

Seaborn کتابخانه­‌ای برای ایجاد گرافیک‌­های آماری در پایتون است. این کتابخانه بر مبنای matplotlib ساخته شده و با ساختار داده در Pandas ادغام  شده است. برخی از کاربردهای seaborn عبارتند از:

• API مبتنی بر مجموعه­‌ی داده برای تست ارتباطات میان متغیرهای چندگانه
• پشتیبانی ویژه برای متغیرهای طبقه ­بندی شده برای نمایش مشاهدات یا آمارها
• گزینه‌­هایی برای تجسم توزیع‌­های تک ­متغیره یا دومتغیره و نیز مقایسه­‌ی متغیرها میان زیرمجموعه‌­هایی از داده
• تخمین اتوماتیک و ترسیم مدل‌های رگرسیون خطی برای انواع مختلف متغیرهای وابسته
• نماهای مناسب روی ساختار کلی مجموعه داده‌­های پیچیده
• انتزاعات سطح بالا برای ساختار شبکه­‌های چند نموداری که به شما امکان ساخت تجسم‌­های پیچیده­‌تر را می‌­دهد.
• کنترل مختصر روی اشکال matplotlib با چندین تم از پیش­ ساخته‌ ­شده
• ابزاری برای انتخاب پالت­‌های رنگی که الگوهای موجود در داده­‌های شما را نشان می‌­دهند.

هدف seaborn این است که تجسم­‌سازی را به بخش اصلی کاوش و درک داده تبدیل کند. توابع نموداری مبتنی بر مجموعه‌­ی داده بر روی دیتافریم­‌ها و آرایه‌­های حاوی مجموعه‌­ی داده‌­ها کار می‌کنند و به صورت داخلی نگاشت معنایی مورد نیاز و جمع­‌آوری آماری را برای تولید نمودارهای دارای بار اطلاعاتی مفید انجام می‌­دهد. برای اطلاعات بیشتر می‌توانید به این سایت مراجعه کنید.

تفاوت میان matplotlib و seaborn

در این قسمت این دو کتابخانه را با هم از نظر چند معیار بررسی می‌­کنیم:

• کارکرد:

Matplotlib: matplotlib به طور عمده برای ترسیمات پایه­‌ای گسترش یافته است. مجسم‌سازی داده به طور عمده شامل نمودار میله­‌ای، دایره‌­ای، خطی، نمودارهای نقطه‌­ای یا پراکنده و غیره می‌­باشد.

Seaborn: seaborn از طرف دیگر الگوهای مختلفی از تجسم‌­سازی را ارائه می­ دهد. این کتابخانه از قواعد دستوری کمتری استفاده می‌­کند و تم­‌های از پیش­ تعریف­ شده‌­ی جالبی دارد.

در تجسم­‌سازی آماری بسیار متخصص است و در تجسم­‌سازی داده‌­های خلاصه و توزیع آماری داده­‌ها به کار می‌‌­رود.

• کنترل اشکال چندگانه:

Matplotlib: matplotlib فیگورهای چندگانه را می‌­تواند باز کند اما باید به طور صریح بسته شوند. تابع plt.close تنها فیگور فعلی را می­‌بندد و  plt.close('all') تمامی شکل‌­ها را می­‌بندد.

Seaborn: seaborn ایجاد اشکال چندگانه را به طور اتوماتیک ممکن می‌­سازد ولی گاهی مشکلات ظرفیت حافظه ممکن است ایجاد شود.

• تجسم‌­سازی:

Matplotlib یک پکیج گرافیکی برای تجسم‌­سازی داده در پایتون است. به خوبی با NumPy و Pandas تجمیع شده است. ماژول pyplot دستورات ترسیم MATLAB را منعکس می­‌کند. از این رو کاربران متلب به راحتی در پایتون می‌­توانند ترسیم داده بکنند.

Seaborn بیشتر با دیتافریم­‌های پانداس تجمیع شده است. کتابخانه ­های matplotlib را برای ایجاد گرافیک‌­های زیبا در پایتون با استفاده از متدهایی گسترش می­‌دهد.

• دیتافریم‌­ها و آرایه‌­ها:

Matplotlib با دیتافریم­‌ها و آرایه‌­ها کار می‌­کند. API‌های متفاوتی برای ترسیم دارد. شکل‌ها توسط آبجکت ­هایی نمایش داده می‌­‌شوند و تابع plot مشابه فراخوانی‌­های بدون پارامتر است و نیاز به مدیریت پارامتر نیست.

Seaborn با مجموعه  داده کار می­ کند و نسبت به matplotlib بسیار بصری‌­تر است.

در seaborn تابع replot برای مشخص کردن نوع نمودار ترسیمی مقدار پارامتر  kind را مقداردهی می‌­کند که  مقدار این پارامتر می‌‌تواند بیانگر نوع خط، نمودار میله‌‌ای، هیستوگرام و... یا هر نوع دیگری از نمودارها باشد.

Seaborn برخلاف matplotlib حالت‌­مند یا statefull نیست. از این رو تابع plot در آن نیاز به ارسال آبجکت دارد.

• انعطاف‌­پذیری:

Matplotlib بسیار قابل تنظیم و قدرتمند است.

Seaborn تم‌­های از پیش آماده شده­‌ی زیادی برای استفاده دارد.

• موارد استفاده:

Pandas از matplotlib استفاده می­ کند. Seaborn برای موارد مورد استفاده­‌ی خاص‌­تری به کار می‌­رود. تحت matplotlib است و بیشتر برای نمایش موارد آماری به کار می‌­رود.

وارد کردن کتابخانه­‌ها و مجموعه داده

کتابخانه‌­ی pandas را که قابلیت بالایی در کنترل مجموعه داده­‌های رابطه‌­ای دارد وارد می‌کنیم سپس matplotlib را هم که ما را در افزودن ویژگی‌­های مد نظرمان به نمودارها کمک می‌­کند وارد می‌­کنیم. سپس کتابخانه‌­ی seaborn را import می­‌کنیم. اکنون مجموعه داده­‌ی مورد نظر را به شکل زیر وارد می‌­کنیم:

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns

از مجموعه داده­‌ی Pokemon استفاده می‌­کنیم. این مجموعه داده را که به فرمت فایل csv است با کمک pandas به شکل دستور زیر می­‌خوانیم:

# Read dataset
df = pd.read_csv('Pokemon.csv', index_col=0)

آرگومان index_col=0 به این معنی است که ستون اول مجموعه داده را به عنوان ستون شناسه یا همان ID در نظر می‌­گیریم. پنج سطر اول مجموعه داده به شکل زیر است:

همان طور که می‌­بینید این دیتاست اطلاعات مربوط به آمار 151 مورد Pokemon را دارد.

توابع ترسیم نمودار در seaborn 

یکی از بزرگترین نقاط قوت seaborn تنوع و راحتی استفاده‌­ی توابع موجود برای رسم نمودارها است. به طور مثال ایجاد نمودار پراکندگی (scatter plot) تنها با یک خط کد lmplot() است.

دو روش کلی که شما می­‌‌توانید انجام دهید:

• روش اول (پیشنهادی) ارسال دیتافریم با آرگومان data است و نام ستون‌ها به مقادیر x و y ارسال می­‌شوند.
• روش دوم ارسال مستقیم داده­‌ها به شکل ساختار داده­‌ی Series به آرگومان‌ها است.

به طور مثال در قطعه کد زیر ستون­‌های Attack و Defense به دو روش بیان شده­‌اند:

# Recommended way
sns.lmplot(x='Attack', y='Defense', data=df)
# Alternative way
# sns.lmplot(x=df.Attack, y=df.Defense)

خروجی هردو کد، نقاطی به شکل زیر است(البته بدون خط مورب است نتیجه‌ی کد شما!)

به هر حال seaborn تابعی برای رسم نمودار پراکندگی به طور اختصاصی ندارد از این ­رو در شکل یک خط مورب را مشاهده می­‌کنید.  (ما در واقع از تابع seaborn برای رسم رگرسیون خطی استفاده کرده‌­ایم.)

خوشبختانه هر تابع رسم چندین گزینه‌­ی مفید دارد که می‌­توان بنا به نیاز آن‌­ها را مقداردهی کرد. نحوه­‌ی مقداردهی پارامترهای lmplot() به شکل زیر است:

• مقدار fit_reg=False برای حذف رگرسیون خطی است چون تنها دنبال نمودار پراکندگی هستیم.
• مقدار hue='Stage' برای رنگ‌­آمیزی نقطه­‌ها است. این آرگومان بسیار کاربردی است زیرا امکان نمایش بعد سومی از اطلاعات را به کمک رنگ نشان می‌­دهد.

# Scatterplot arguments
sns.lmplot(x='Attack', y='Defense', data=df,
           fit_reg=False, # No regression line
           hue='Stage')   # Color by evolution stage

سفارشی‌­سازی با Matplotlib

همان‌طور که قبلاً گفتیم seaborn بر روی matplotlib طراحی شده‌ است و با اینکه امکانات بیشتری نسبت به matplotlib در اختیار ما قرار می‌­دهد اما با این وجود گاهی به آن نیاز داریم. برای تنظیم محدوده­‌ی محورها مراحل زیر را انجام دهید:

1. ابتدا تابع رسم در seaborn را به طور معمول فراخوانی کنید.
2. سپس تابع سفارشی‌­سازی matplotlib را فراخوانی می‌­کنیم. در این مثال از توابع ylim و xlim استفاده کرده‌­ایم.

# Plot using Seaborn
sns.lmplot(x='Attack', y='Defense', data=df,
           fit_reg=False, 
           hue='Stage')
# Tweak using Matplotlib
plt.ylim(0, None)
plt.xlim(0, None)

نتیجه‌ی حاصل به شکل زیر است:

برای اطلاعات بیشتر در مورد توابع سفارشی‌­سازی matplotlib به داکیومنت آن مراجعه کنید.

نقش کتابخانه‌ی Pandas در Seaborn

اگرچه در این مقاله به آموزش seaborn می‌پردازیم همان‌طور که پیش از این گفتیم pandas نقش مهمی دارد. توابع رسم نمودار seaborn از مفهوم ساختار داده‌ی دیتافریم بسیار بهره می‌برد. برای مثال در ادامه نحوه‌ی ایجاد نمودار جعبه‌ای را برای مجموعه داده‌مان بررسی می‌کنیم.

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
# Boxplot
sns.boxplot(data=df)

خروجی حاصل به شکل زیر است:

در این نمودار می‌توانیم ستون Total را حذف کنیم چون بقیه از هم مستقل‌اند، می‌توانیم Stage و Legendary را حذف کنیم چون تاثیری در آمار ندارند. به نظر می‌رسد که انجام این کار تنها به کمک seaborn کار ساده‌ای نیست. در عوض دیتافریم این کار را بسیار ساده می‌کند. بیایید دیتافریم جدیدی تحت عنوان stats_df که تنها ستون‌های  آماری را نگه می‌دارد به شکل زیر تعریف کنیم.

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
# Pre-format DataFrame
stats_df = df.drop(['Total', 'Stage', 'Legendary'], axis=1)
# New boxplot using stats_df
sns.boxplot(data=stats_df)

نمودار حاصل به شکل زیر است:

همان‌طور که در شکل می‌بینید به راحتی ستون‌های مورد نیاز را به کمک قواعد Pandas استخراج کردیم.

تم‌های Seaborn :  Seaborn themes

مزیت دیگر seaborn وجود تم‌های شکل‌دهی مناسبی است که در آن گنجانده شده‌اند. تم پیش‌فرض "darkgrid" نام دارد. می‌توانیم این تم را حین ایجاد violin plot به 'whitegrid' تغییر دهیم.

• طرح violin جایگزین مناسبی برای نمودار جعبه‌ای است.
• این نمودار توزیع داده را به کمک نمایش تغییر ضخامت عرض ویولن نشان می‌دهد. در حالی که در نمودار جعبه‌ای تنها خلاصه‌ای از اطلاعات آماری را می‌بینیم.

برای مثال می‌توانیم توزیع ستون Attack به شکل زیر نمایش دهیم:

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
# Set theme
sns.set_style('whitegrid')
# Violin plot
sns.violinplot(x='Type 1', y='Attack', data=df)

خروجی حاصل به شکل زیر است:

همان‌طور که می‌بینید انواع Dragon تمایل دارند که آمار حملات بیشتری نسبت به انواع Ghost داشته باشند اما پراکندگی بزرگتری نیز دارند.

حالا طرفداران بازی Pokemon  چیزهای جالبی راجب این نمودار ببینند: رنگ‌های به کار گرفته شده بدون مفهوم خاصی نیستند. چرا باید نوع Grass به رنگ صورتی یا داده‌ی Water به رنگ نارنجی باشد. بهتر است این را برطرف کنیم.

پالت‌های رنگ

خوشبختانه seaborn امکان تنظیم پالت رنگی دلخواه را به ما می‌دهد.  می‌توانیم لیستی از مقادیر کدهای هگزای رنگ را به سادگی ایجاد کنیم. در زیر لیستی از این رنگ‌ها را با هم می‌بینیم:

pkmn_type_colors = ['#78C850',  # Grass
                    '#F08030',  # Fire
                    '#6890F0',  # Water
                    '#A8B820',  # Bug
                    '#A8A878',  # Normal
                    '#A040A0',  # Poison
                    '#F8D030',  # Electric
                    '#E0C068',  # Ground
                    '#EE99AC',  # Fairy
                    '#C03028',  # Fighting
                    '#F85888',  # Psychic
                    '#B8A038',  # Rock
                    '#705898',  # Ghost
                    '#98D8D8',  # Ice
                    '#7038F8',  # Dragon
                   ]

به سادگی می‌توان با کمک آرگومان palette مقدار رنگ‌ها را دوباره برای نمودار خود تنظیم کنیم.

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
pkmn_type_colors = ['#78C850',  # Grass
                    '#F08030',  # Fire
                    '#6890F0',  # Water
                    '#A8B820',  # Bug
                    '#A8A878',  # Normal
                    '#A040A0',  # Poison
                    '#F8D030',  # Electric
                    '#E0C068',  # Ground
                    '#EE99AC',  # Fairy
                    '#C03028',  # Fighting
                    '#F85888',  # Psychic
                    '#B8A038',  # Rock
                    '#705898',  # Ghost
                    '#98D8D8',  # Ice
                    '#7038F8',  # Dragon
                   ]
2
3
# Violin plot with Pokemon color palette
sns.violinplot(x='Type 1', y='Attack', data=df, 
               palette=pkmn_type_colors) # Set color palette

خروجی حاصل به شکل زیر است:

نمودارهای ویولن برای مصورسازی نحوه‌ی توزیع در آمار بسیار عالی هستند. به هر حال از آن‌جاییکه در مجموعه داده‌ی Pokemon تنها صد و پنجاه و یک نمونه داریم می‌توانیم به راحتی هر نمونه را نمایش دهیم. برای همین از نمودار پراکندگی (swarm plot) استفاده می‌کنیم.

شکل نهایی هر نمونه را به شکل نقطه‌ای مجزا با همان مقادیر در نمودار ویولن نشان می‌دهد.

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
pkmn_type_colors = ['#78C850',  # Grass
                    '#F08030',  # Fire
                    '#6890F0',  # Water
                    '#A8B820',  # Bug
                    '#A8A878',  # Normal
                    '#A040A0',  # Poison
                    '#F8D030',  # Electric
                    '#E0C068',  # Ground
                    '#EE99AC',  # Fairy
                    '#C03028',  # Fighting
                    '#F85888',  # Psychic
                    '#B8A038',  # Rock
                    '#705898',  # Ghost
                    '#98D8D8',  # Ice
                    '#7038F8',  # Dragon
                   ]
# Swarm plot with Pokemon color palette
sns.swarmplot(x='Type 1', y='Attack', data=df, 
              palette=pkmn_type_colors)

خروجی حاصل به شکل زیر است:

حال سوال این است که آیا می‌توان نمودار swarm و ویولن را از آنجایی که اطلاعات مشابهی را نمایش می‌دهند، با هم ترکیب کرد؟

پاسخ مثبت است. پوشاندن نمودارها با یکدیگر به کمک seaborn ساده و مشابه matplotlib است. کاری که می‌بایست انجام دهیم به شرح زیر است:

1. در ابتدا شکل خود را به کمک matplotlib بزرگتر می‌کنیم.
2. سپس نمودار ویولن را رسم می‌کنیم و مقدار پارامتر inner را برابر None قرار می‌دهیم تا میله‌های داخل نمودار ویولن را حذف کنیم.
3. نمودار پراکندگی یا swarm را رسم می‌کنیم. این دفعه نقاط را سیاه رنگ ترسیم می‌کنیم.
4. در آخر عنوان نمودار را با matplotlib تنظیم می‌کنیم.

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
pkmn_type_colors = ['#78C850',  # Grass
                    '#F08030',  # Fire
                    '#6890F0',  # Water
                    '#A8B820',  # Bug
                    '#A8A878',  # Normal
                    '#A040A0',  # Poison
                    '#F8D030',  # Electric
                    '#E0C068',  # Ground
                    '#EE99AC',  # Fairy
                    '#C03028',  # Fighting
                    '#F85888',  # Psychic
                    '#B8A038',  # Rock
                    '#705898',  # Ghost
                    '#98D8D8',  # Ice
                    '#7038F8',  # Dragon
                   ]
# Set figure size with matplotlib
plt.figure(figsize=(10,6))
# Create plot
sns.violinplot(x='Type 1',
               y='Attack', 
               data=df, 
               inner=None, # Remove the bars inside the violins
               palette=pkmn_type_colors)
sns.swarmplot(x='Type 1', 
              y='Attack', 
              data=df, 
              color='k', # Make points black
              alpha=0.7) # and slightly transparent
# Set title with matplotlib
plt.title('Attack by Type')

خروجی حاصل به شکل زیر است:

همان‌طور که در شکل می‌بینید نمودار جالبی داریم که چگونگی توزیع حملات را میان انواع مختلف pokemon نشان می‌دهد.

اما اگر بخواهیم سایر اطلاعات آماری را ببینیم بایستی چه کنیم؟

می‌توانیم نمودار فوق را برای سایر موارد آماری تکرار کنیم. اما راه دیگری وجود دارد که به کمک آن تمامی موارد را در یک نمودار نمایش دهیم.

تنها نیاز است که آماده‌سازی داده را به کمک pandas انجام دهیم. ابتدا شکل و نحوه‌ی داده‌ها در جدول مربوطه را یادآوری می‌کنیم.

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
stats_df.head()

جدول داده مطابق شکل زیر است:

همان‌طور که می‌بینید تمامی آمارها در ستون‌های مجزا هستند. فرض کنید می‌خواهیم همه‌ی آن‌ها را در یک ستون ترکیب کنیم. به این منظور از تابع melt() پانداس استفاده می‌کنیم که سه پارامتر دارد.

• دیتافریمی برای ترکیب داده‌ها
• شناسه‌ی متغیرهایی که بدون تغییر باقی خواهند ماند.
• در آخر نامی جدید برای متغیرهای ترکیب شده

خروجی به شکل زیر است:

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
# Melt DataFrame
melted_df = pd.melt(stats_df, 
                    id_vars=["Name", "Type 1", "Type 2"], # Variables to keep
                    var_name="Stat") # Name of melted variable
melted_df.head()

خروجی حاصل به شکل زیر است:

تمامی شش ستون آماری در یک ستون ترکیب شده‌اند و ستون آماری جدید بیانگر مقادیر اصلی است. در حقیقت اگر ابعاد این دو دیتافریم را مقایسه کنیم به نتیجه‌ی زیر می‌رسیم:

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
# Melt DataFrame
melted_df = pd.melt(stats_df, 
                    id_vars=["Name", "Type 1", "Type 2"], # Variables to keep
                    var_name="Stat") # Name of melted variable
print( stats_df.shape )
print( melted_df.shape )

ابعاد داده به شکل زیر است:

(151, 9) (906, 5)

در اصل نکته اینجاست که melted_df شش مرتبه سطرهای stats_df را تکرار کرده است. می‌توانیم نمودار پراکندگی با melted_df را رسم کنیم. اما این دفعه:

• مقادیر x و y را به شکل x=Stat و y=value تنظیم می‌کنیم و نقاط ما با توجه به مقادیر ستون‌ها پراکنده می‌شوند.
• برای رنگ‌آمیزی بر اساس انواع pokemon مقدار پارامتر hue را برابر Type1 قرار می‌دهیم.

# Swarmplot with melted_df
sns.swarmplot(x='Stat', y='value', data=melted_df, 
              hue='Type 1')

خروجی حاصل به شکل زیر است:

برای اینکه نمودار بالا خواناتر و بهتر شود می‌توان ترفندهای زیر را به کار برد:

1. بزرگ کردن نمودار
2. جدا کردن نقاط با کمک رنگ‌آمیزی و آرگومان split=True
3. استفاده از پالت رنگی دلخواه
4. تنظیم محدوده‌ی محور y با شروع از نقطه‌ی صفر
5. قرار دادن راهنمای علایم و اختصارات یا همان legend در سمت راست

# 1. Enlarge the plot
plt.figure(figsize=(10,6))
sns.swarmplot(x='Stat', 
              y='value', 
              data=melted_df, 
              hue='Type 1', 
              split=True, # 2. Separate points by hue
              palette=pkmn_type_colors) # 3. Use Pokemon palette
# 4. Adjust the y-axis
plt.ylim(0, 260)
# 5. Place legend to the right
plt.legend(bbox_to_anchor=(1, 1), loc=2)

خروجی حاصل به شکل زیر است:

نمودار هیستوگرام در seaborn

نمودار هیستوگرام توزیع متغیرهای عددی را نمایش می‌دهد.

# Pandas for managing datasets
import pandas as pd
# Matplotlib for additional customization
from matplotlib import pyplot as plt
# Seaborn for plotting and styling
import seaborn as sns
# Read dataset
df = pd.read_csv("C:/Users/Naghsh/Downloads/Pokemon.csv",encoding = "ISO-8859-1", index_col=0, )
#------------------------------------------------------------------------------------
# Distribution Plot (a.k.a. Histogram)
sns.distplot(df.Attack)

نمودار هیستوگرام برای نمایش چگونگی توزیع ستون Attack به شکل زیر است:

نمودار میله‌ای در seaborn

نمودار میله‌ای برای توزیع متغیرهای با مقادیر طبقه بندی شده مفید است.

# Count Plot (a.k.a. Bar Plot)
sns.countplot(x='Type 1', data=df, palette=pkmn_type_colors)
# Rotate x-labels
plt.xticks(rotation=-45)

خروجی حاصل به شکل زیر است:

نمودار Factor در seaborn

نمودار فاکتور درک نقاط جدا از هم را با کلاس‌های طبقه بندی شده آسان می‌سازد

# Factor Plot
g = sns.factorplot(x='Type 1', 
                   y='Attack', 
                   data=df, 
                   hue='Stage',  # Color by stage
                   col='Stage',  # Separate by stage
                   kind='swarm') # Swarmplot
# Rotate x-axis labels
g.set_xticklabels(rotation=-45)
# Doesn't work because only rotates last plot
# plt.xticks(rotation=-45)

خروجی حاصل به شکل زیر است:

نمودار چگالی در seaborn

نمودار چگالی یا density plot چگونگی پراکندگی میان دو متغیر را نمایش می‌دهد.

# Density Plot
sns.kdeplot(df.Attack, df.Defense)

خروجی حاصل به شکل زیر است:

نمودارهای توزیعی متصل‌شده در seaborn

این نمودارها داده‌های میان نمودار پراکندگی و هیستوگرام را برای نمایش اطلاعات جزیی بر اساس توزیع‌های دو متغیره نشان می‌دهد.

# Joint Distribution Plot
sns.jointplot(x='Attack', y='Defense', data=df)

نتیجه‌ی حاصل توزیع فراوانی متغیرهای Attack و Defence و همچنین پراکندگی داده‌ها برحسب این دو متغیر را نمایش می‌دهد:

جمع‌بندی

کتابخانه‌های زیادی برای رسم نمودار در پایتون و مصور سازی داده‌ها موجود است. در این میان Mtplotlib و Seaborn جزو پرکاربردترین این کتابخانه‌ها هستند. Seaborn بر پایه‌ی Matplotlib بنا شده، ولی نسبت به آن قواعد دستوری کوتاه‌تر و تم‌های از پیش ساخته شده‌ای دارد. Matplotlib بیشتر برای رسم نمودارهای پایه‌ای به کار می‌رود و می‌توان تنظیمات دلخواه را بر روی نحوه‌ی نمایش نمودارها اعمال کرد. انواع مختلف نمودارهای پرکاربرد و نحوه‌ی رسم آن‌ها با این دو پکیج در این مقاله آموزش داده شدند و شما می‌توانید با کمک آن‌ها نتایج خود را به راحتی مصورسازی و تحلیل کنید.

اگر دوست داری به یک متخصص داده کاوی اطلاعات با زبان پایتون تبدیل شوی و با استفاده از آن در بزرگترین شرکت‌ها مشغول به کار شوی، شرکت در دوره دیتا ساینس را پیشنهاد می‌کنیم.