👲 🍓 👊🏼 एक साधारण पंडों का निर्माण + विन्सेन्ट मैपिंग 🔌 🧑🏾‍🤝‍🧑🏽 🧑🏾‍🤝‍🧑🏾

शुभ दोपहर, प्रिय पाठकों।
पिछले लेख में, पंडों और माटप्लोटलिब के साथ डेटा विज़ुअलाइज़ेशन का परिचय दिया गया था । आज मैं विन्सेन्ट का उपयोग करके विश्लेषण के परिणामों को प्रदर्शित करने के लिए एक और तरीका दिखाना चाहता हूं, जो पंडों के साथ बहुत आसानी से एकीकृत करता है, हालांकि यह मैटलपोटलिब की तुलना में थोड़ा अधिक कार्रवाई करेगा।

परिचय

विन्सेन्ट एक मॉड्यूल है जिसे डी 3 जी और वेगा की कल्पना के लिए अजगर से जावास्क्रिप्ट पुस्तकालयों में डेटा का अनुवाद करने के लिए डिज़ाइन किया गया है, जो बदले में इंटरैक्टिव डेटा विज़ुअलाइज़ेशन के लिए शानदार अवसर प्रदान करता है।
यानी इस तरह हम अजगर में विश्लेषण कर सकते हैं, और हम जेएस पर परिणामों के लिए ग्राफिक्स का निर्माण कर सकते हैं। उदाहरण के लिए, यह किसी भी भौगोलिक डेटा की कल्पना करने और उन्हें मानचित्र पर प्लॉट करने के लिए सुविधाजनक हो सकता है। इसके अलावा, विन्सेन्ट का IPython नोटबुक के साथ एकीकरण है, और, matplotlib की तरह, यह सीधे ग्राफिक्स प्रदर्शित कर सकता है।
इस मॉड्यूल की क्षमताओं के प्रदर्शन के रूप में, मैं 2 कार्यों को लागू करने का प्रस्ताव देता हूं:

हम केंद्रीय और वोल्गा संघीय जिलों के लिए प्रति व्यक्ति आय की गतिशीलता दिखाते हैं
हम रूसी संघ के नक्शे पर 2010 के लिए रूसी संघ के क्षेत्रों के लिए प्रति व्यक्ति आय का वितरण दिखाते हैं

प्रारंभिक डेटा के रूप में, हम रोज़ास्टेट वेबसाइट के आँकड़े लेते हैं।

डेटा विश्लेषण

सबसे पहले, डेटा अपलोड करें और देखें कि अतिरिक्त प्रसंस्करण की आवश्यकता है या नहीं।

import pandas as pd import vincent stat = pd.read_html('Data/AVGPeopleProfit.htm', header=0, index_col=0)[0]

इसलिए, इस समय डेटा लोड करने के लिए, हम read_html () फ़ंक्शन का उपयोग करते हैं (यह फ़ंक्शन 0.12 संस्करण के बाद से पांडा में दिखाई दिया)। हमारे मामले में, 3 तर्क पैरामीटर के रूप में पारित किए जाते हैं:

Html पेज का पता
कॉलम नाम वाले पंक्ति संख्या
इंडेक्स के रूप में इस्तेमाल किया जाने वाला कॉलम नंबर

लोड करने के बाद, हमें निम्नलिखित फॉर्म की एक तालिका मिली:

	1990.0	2000.0	2001.0	2002.0	2003.0	2004.0	2005.0	2006.0	2007.0	2008.0	2009.0	2010.0	2011.0	नेन
रूसी संघ	NaN	2281	3062	3947	5167	6399	8088	10,155	12540	14,864	16895	18951	20755	NaN
केंद्रीय संघीय जिला	NaN	3231	4300	5436	7189	8900	10902	13570	16,631	18,590	21,931	24,645	27091	1
बेलगोरोद क्षेत्र	NaN	1555	2121	2762	3357	4069	5276	7083	9399	12,749	14147	16,993	18800	24
ब्रायण क्षेत्र	NaN	1312	1818	2452	3136	3725	4788	6171	7626	10083	11,484	13,358	15,348	52
व्लादिमीर क्षेत्र	NaN	1280	1666	2158	2837	3363	4107	5627	7015	9480	10,827	12956	14312	64

जैसा कि आप देख सकते हैं, आपको थोड़ा टेबल प्रसंस्करण की आवश्यकता होगी, जैसा कि बिना नाम वाला एक कॉलम है और खाली मान वाला एक कॉलम है। खैर, हम उन कॉलमों का चयन करें जिनकी हमें ज़रूरत है (2 से 13 तक) शेष कॉलम और उन्हें एक नए डेटाफ़्रेम में रखें।

 stat = stat[stat.columns[1:13]]

अब हमारे पास काम के लिए उपयुक्त डेटासेट है। बेशक, स्तंभों के नाम आंख को चोट पहुंचाते हैं, लेकिन ऐसे नाम हमें असाइन किए गए कार्यों को हल करने में बिल्कुल भी बाधा नहीं डालेंगे।

	2000.0	2001.0	2002.0	2003.0	2004.0	2005.0	2006.0	2007.0	2008.0	2009.0	2010.0	2011.0
रूसी संघ	2281	3062	3947	5167	6399	8088	10,155	12540	14,864	16895	18951	20755
केंद्रीय संघीय जिला	3231	4300	5436	7189	8900	10902	13570	16,631	18,590	21,931	24,645	27091
बेल्गोरोड क्षेत्र	1555	2121	2762	3357	4069	5276	7083	9399	12,749	14147	16,993	18800
ब्रायण क्षेत्र	1312	1818	2452	3136	3725	4788	6171	7626	10083	11,484	13,358	15,348
व्लादिमीर क्षेत्र	1280	1666	2158	2837	3363	4107	5627	7015	9480	10,827	12956	14312

तो, चलिए 2 जिलों के डेटा की कल्पना करने के पहले कार्य के लिए नीचे आते हैं। इसके आधार पर डेटा प्राप्त करने के लिए हम ग्राफ का निर्माण करेंगे, यह हमारे लिए (मास्को और वोल्गा) ब्याज के जिलों का चयन करना आवश्यक है, और फिर परिणामी तालिका को स्थानांतरित करें। आप इसे इस तरह से कर सकते हैं:

 fo = [u'  ',u'  '] fostat = stat[stat.index.isin(fo)].transpose()

उपरोक्त कोड में, हम पहली बार आइसिन () फ़ंक्शन का उपयोग करने वाले निर्वाचन क्षेत्रों के अनुसार हमारे डेटा सेट को फ़िल्टर करते हैं, जो किसी दिए गए सूची में एक कॉलम के मूल्य (SQL में IN ऑपरेटर का एक एनालॉग) की जांच करता है। फिर हम परिणामी डेटा सेट को स्थानांतरित करने के लिए ट्रांसपोज़ () फ़ंक्शन का उपयोग करते हैं और परिणाम को एक नया डेटाफ़्रेम लिखते हैं।

	केंद्रीय संघीय जिला	वोल्गा संघीय जिला
2000	3231	1726
2001	4300	2319
2002	5436	3035
2003	7189	3917
2004	8900	4787
2005	10902	6229
2006	13570	8014
2007	16,631	9959
2008	18,590	12,392
2009	21,931	13962
2010	24,645	15840
2011	27091	17282

जैसा कि आप देख सकते हैं, तालिका में सूचकांकों के नाम अब संख्यात्मक प्रारूप में वर्ष संख्या के बराबर हैं। यह बहुत सुविधाजनक नहीं है, इसलिए आइए सूचकांक को दिनांक स्वरूप में बदलें:

 fostat.set_index(pd.date_range('1999','2011', freq='AS'), inplace=True)

Set_index () फ़ंक्शन का उपयोग DataFrame में एक नया इंडेक्स सेट करने के लिए किया जाता है। हमारे मामले में, इसके लिए 2 पैरामीटर दिए गए हैं:

नए सूचकांक मूल्यों की सूची (एक स्तंभ का नाम भी हो सकता है)
Paramer का मतलब है कि हम इंडेक्स को वर्तमान सेट में बदल देते हैं, यदि यह गलत है, तो इंडेक्स सेव नहीं होगा

अब हमारा डेटा प्लॉटिंग के लिए पूरी तरह से तैयार है। इसलिए, यदि आप आईपीथॉन नोटबुक में काम कर रहे हैं और वास्तविक समय में परिणाम देखना चाहते हैं, तो एकीकरण के लिए आपको initialize_notebook () फ़ंक्शन को कॉल करना होगा। यह इस तरह दिखेगा:
vincent.core.initialize_notebook ()
अब हमें आरेख के प्रकार (ऑब्जेक्ट की पूरी सूची दस्तावेज़ीकरण में देखी जा सकती है) के अनुरूप एक ऑब्जेक्ट बनाने की आवश्यकता है। हमारे मामले में, यह एक लाइन ग्राफ होगा। कोड इस प्रकार होगा:

 line = vincent.Line(fostat) #   line.axis_titles(x=u'', y=u'. ') #   line.legend(title=u' vs ') #

आप प्रदर्शन () फ़ंक्शन का उपयोग करके ग्राफ़ प्रदर्शित कर सकते हैं:

 line.display()

परिणामस्वरूप, हम निम्नलिखित देखेंगे:

बिल्डिंग cartograms

खैर, हमने पहले कार्य के साथ क्या किया। अब दूसरे पर चलते हैं। इसे हल करने के लिए, हमें रूसी संघ के नक्शे के साथ-साथ क्षेत्रों की एक निर्देशिका के साथ एक TopoJSON फ़ाइल की आवश्यकता है। उन्हें कैसे प्राप्त करें और इसे क्या पढ़ा जा सकता है, इस पर विवरण। आरंभ करने के लिए, आइए पिछले लेख में वर्णित read_csv का उपयोग करते हुए क्षेत्रों की निर्देशिका डाउनलोड करें:

 spr = pd.read_csv('Data/russia-region-names.tsv','\t', index_col=0, header=None, names = ['name','code'], encoding='utf-8')

जैसा कि आप देख सकते हैं, कई अतिरिक्त पैरामीटर यहाँ दिखाई दिए:

index_col - उस कॉलम की संख्या निर्धारित करता है जिसका उपयोग इंडेक्स के रूप में किया जाएगा
हेडर - हमारे मामले में इसका मतलब है कि हम हेडर को परिभाषित करने के लिए फ़ाइल से लाइनों का उपयोग नहीं करते हैं
नाम - एक सूची प्राप्त करता है जिसके तत्व कॉलम नाम होंगे
एन्कोडिंग - एन्कोडिंग सेट करता है जिसमें फ़ाइल संग्रहीत होती है

यदि हम अपने सांख्यिकीय डेटासेट को करीब से देखते हैं, तो हम देख सकते हैं कि इसके कुछ तत्वों में '1) और' 2) प्रकार के फुटनोट हैं, जिन्हें read_html () के साथ पार्स किया गया था, जिन्हें नियमित वर्णों में परिवर्तित किया गया था और इसी पंक्तियों के अंत में जोड़ा गया था। सूचकांक में। इसके अलावा, पत्र 'जी। ', लेकिन यह निर्देशिका में नहीं है। ये सभी छोटी चीजें इस तथ्य को प्रभावित करती हैं कि जब हम सेट को स्टेट के साथ जोड़ते हैं। डेटा और क्षेत्रों को कोड खींचने के लिए एक गाइड, हमारे पास बिना कोड वाले क्षेत्र होंगे।
यह इस प्रकार तय किया जा सकता है:

 ew_index = stat.index.to_series() new_index = new_index.str.replace(u'(2\))|(1\))|(. )','')

पहली पंक्ति का मतलब है कि हम एक अलग नई श्रृंखला में सूचकांक कॉलम पर प्रकाश डाल रहे हैं। दूसरी पंक्ति में, हम खाली भाव वाले नियमित अभिव्यक्ति के अनुरूप मानों को प्रतिस्थापित करते हैं।
अब हमें नए मूल्यों से सूचकांक मूल्यों को बदलने की आवश्यकता है। जैसा कि ऊपर दिखाया गया है, यह इस तरह किया जा सकता है:

 tat.set_index(new_index, inplace=True)

अब हम क्षेत्र कोड प्राप्त करने के लिए निर्देशिका के साथ हमारे डेटा सेट को जोड़ सकते हैं:

 RegionProfit = stat.join(spr, how='inner')

सभी जोड़तोड़ के बाद हमारा डेटा इस तरह दिखता है:

	2000.0	2001.0	2002.0	2003.0	2004.0	2005.0	2006.0	2007.0	2008.0	2009.0	2010.0	2011.0	कोड
बेलगोरोद क्षेत्र	1555	2121	2762	3357	4069	5276	7083	9399	12,749	14147	16,993	18800	RU-BEL
ब्रायण क्षेत्र	1312	1818	2452	3136	3725	4788	6171	7626	10083	11,484	13,358	15,348	RU-BRY
व्लादिमीर क्षेत्र	1280	1666	2158	2837	3363	4107	5627	7015	9480	10,827	12956	14312	RU-VLA
वोरोनिश क्षेत्र	1486	2040	2597	3381	4104	5398	6862	8307	10,587	11999	13883	15871	RU-VOR
इवानोव क्षेत्र	1038	1298	1778	2292	2855	3480	4457	5684	8343	9351	11124	13006	RU-IVA

तो चलो मानचित्र के प्रत्यक्ष निर्माण और उस पर डेटा के आवेदन पर आगे बढ़ते हैं। आरंभ करने के लिए, हमें अपने नक्शे के विवरण के साथ एक शब्दकोश बनाना होगा:

 geo_data = [{'name': 'rus', #  'url': 'RusMap/russia.json', #  TopoJSON    'feature': 'russia'}] #

अब हम अपना मैप ऑब्जेक्ट बनाते हैं और अपने डेटा को उसमें बांधते हैं। आप इसे मानचित्र () फ़ंक्शन के साथ कर सकते हैं:

 vis = vincent.Map(data=RegionProfit, geo_data=geo_data,scale=700, projection='conicEqualArea', rotate = [-105,0], center = [-10, 65], data_bind=2011, data_key='code', map_key={'rus': 'properties.region'})

फ़ंक्शन निम्न तर्कों को पैरामीटर के रूप में लेता है:

data - डेटा सेट
geo_data - हमारे मानचित्र के साथ ऑब्जेक्ट
प्रक्षेपण , - वह प्रक्षेपण जिसमें हमारा नक्शा प्रदर्शित किया जाएगा
घुमाएँ, केंद्र, पैमाने - प्रक्षेपण मापदंडों
data_bind - प्रदर्शित होने वाले डेटा वाला एक कॉलम
data_key - उस कोड के साथ फ़ील्ड जिसके द्वारा मानचित्र और डेटा लिंक किया जाएगा
map_key - शब्दकोश प्रकार {'मानचित्र के साथ ऑब्जेक्ट का नाम': 'उस संपत्ति का नाम जिसके द्वारा बाध्यकारी किया जाता है'}

लेकिन यहां हम अप्रत्याशितता की उम्मीद करते हैं: विन्सेन्ट के लेखक के संस्करण में, रोटेट पैरामीटर केवल पूर्णांक हो सकता है। हमारे नक्शे के एक सही प्रदर्शन के लिए, हमें इस पैरामीटर की क्षमता की आवश्यकता होती है जो किसी सूची में मान लेने में सक्षम हो। इसे ठीक करने के लिए, फ़ाइल % PYTHON_PATH% / \ lib \ साइट-संकुल \ vincent \ transforms.py पर जाएं , चर के प्रकार की जांच के लिए जिम्मेदार कोड का टुकड़ा बदलें:

 @grammar(int) def rotate(value): """The rotation of the projection""" if value < 0: raise ValueError('The rotation cannot be negative.')

पर:

 @grammar(list) def rotate(value): if len(value) != 2: raise ValueError('len(center) must = 2')

अब हमारी वस्तु सही तरीके से बनाई जाएगी। यह हमारी वस्तु को धुनता रहता है। शुरू करने के लिए, आइए माजू वस्तुओं के बीच हमारी सीमाओं को कम दिखाई दें। ऐसा करने के लिए, हमारे पास निशान हैं, जो मुख्य भवन तत्व हैं। वेगा के लिए प्रलेखन में उनके बारे में और पढ़ें। हमारे मामले में, कोड इस तरह दिखता है:

 vis.marks[0].properties.enter.stroke_opacity = vincent.ValueRef(value=0.5)

अब आइए समूह के आधार पर विभिन्न रंगों में रंगे जाने के लिए अपने मूल्यों को निर्धारित करें। आप डिस्प्ले (पिक्सेल, रंग, आकार) के मानों में डेटा मानों (संख्यात्मक, स्ट्रिंग, दिनांक आदि) का अनुवाद करने के लिए डिज़ाइन की गई तराजू वस्तुओं का उपयोग करके ऐसा कर सकते हैं। नीचे कोड:

 vis.scales['color'].type = 'threshold' #   vis.scales['color'].domain = [10000, 15000, 20000, 25000, 30000] #      vis.legend(title=u' .') #

खैर, कार्ड के बारे में क्या कॉन्फ़िगर किया गया है, अब आप देख सकते हैं कि हमें क्या मिला। जैसा कि ऊपर उल्लेख किया गया है, आप इसके लिए प्रदर्शन () फ़ंक्शन का उपयोग कर सकते हैं, लेकिन किसी अज्ञात कारण से यह मेरे लिए काम नहीं करता है, इसलिए मैंने पहली बार to_json () फ़ंक्शन का उपयोग करके इसे अंतिम जसन फ़ाइल में अपलोड किया:

 vis.to_json('example_map.json', html_out=True, html_path='example_map.html')

मापदंडों के रूप में, इसके लिए 3 पैरामीटर दिए गए हैं:

सारांश फ़ाइल का नाम
html_out इंगित करता है कि आपको html खोल फ़ाइल बनाने की भी आवश्यकता है
html_path - html फ़ाइल का पथ सेट करता है

हमारे html फ़ाइल को देखने के लिए आपको Python में शामिल एक सरल HTTP सर्वर की आवश्यकता है । कमांड लाइन पर इसे चलाने के लिए, कमांड चलाएँ:

 python -m SimpleHTTPServer 8000

परिणामस्वरूप, हमारा नक्शा इस तरह दिखेगा:

निष्कर्ष

आज मैंने पंडों का उपयोग करके डेटा की कल्पना करने का एक और तरीका दिखाने की कोशिश की। मैं यह भी ध्यान देना चाहूंगा कि विचाराधीन मॉड्यूल अपेक्षाकृत युवा है और अब सक्रिय रूप से विकसित हो रहा है। कमियों में से, मैं ध्यान दूंगा कि सभी वस्तुओं को प्रदर्शित नहीं किया जाता है जब उन्हें सीधे IPython में आउटपुट करने की कोशिश की जाती है और सिर्फ एक तस्वीर अपलोड करने में असमर्थता होती है, न कि एक json फ़ाइल, खासकर जब से ऐसे उपकरण vega के लिए विकसित किए जाते हैं।

एक साधारण पंडों का निर्माण + विन्सेन्ट मैपिंग

परिचय

डेटा विश्लेषण

बिल्डिंग cartograms

निष्कर्ष

More articles: