การสร้างภาพข้อมูลที่สมบูรณ์และตอบสนองอย่างเต็มที่ด้วย Lux

คุณเคยพบกับสถานการณ์ที่คุณต้องเขียนโค้ดหลายบรรทัดเพียงเพื่อพล็อตและแสดงภาพข้อมูลของคุณหรือไม่? แล้วเวลานั้นที่คุณต้องเขียนโค้ดหลายบรรทัดเพียงเพื่อพล็อตกราฟไม่กี่กราฟ (เส้น แท่ง พาย etc) ล่ะ? หากคำตอบคือใช่ เช่นเดียวกับฉัน ฉันก็จะมีข่าวดีมาแจ้ง!

ด้วยโค้ดเพียงบรรทัดเดียว คุณสามารถพล็อตกราฟและการแสดงภาพชุดข้อมูลของคุณได้อย่างครบถ้วน ไม่ใช่แค่บรรทัดเดียว ขอแนะนำ ลักซ์! ไม่เพียงแต่ให้ชุดการแสดงข้อมูลที่สมบูรณ์เท่านั้น แต่ยังแนะนำโครงเรื่องที่อาจเป็นประโยชน์สำหรับคุณอีกด้วย

เอกสารอย่างเป็นทางการสรุป Lux ได้อย่างสมบูรณ์แบบ:

Lux เป็นไลบรารี Python ที่อำนวยความสะดวกในการสำรวจข้อมูลที่รวดเร็วและง่ายดายโดยทำให้กระบวนการแสดงภาพและการวิเคราะห์ข้อมูลเป็นแบบอัตโนมัติ เพียงพิมพ์ดาต้าเฟรมในสมุดบันทึก Jupyter Lux แนะนำชุดการแสดงภาพที่เน้นแนวโน้มและรูปแบบที่น่าสนใจในชุดข้อมูล การแสดงภาพจะแสดงผ่าน "วิดเจ็ตแบบโต้ตอบ" ซึ่งช่วยให้ผู้ใช้สามารถเรียกดูคอลเลกชันการแสดงภาพจำนวนมากได้อย่างรวดเร็วและทำความเข้าใจกับข้อมูลของตน

เริ่มต้นกับลักซ์

สิ่งแรกที่เราต้องทำคือติดตั้ง Lux โดยใช้ pip หรือ conda ฉันอยากจะแนะนำให้ใช้ conda เพื่อที่เราจะได้หลีกเลี่ยงการขัดแย้งกันในการพึ่งพา

conda install -c conda-forge lux-api
OR
pip install lux-api

หากคุณใช้โน้ตบุ๊ก Jupyter คุณสามารถเปิดใช้งาน Lux ได้ดังนี้:

jupyter nbextension install --py luxwidget
jupyter nbextension enable --py luxwidget

หรือใน Jupyterlab:

jupyter labextension install @jupyter-widgets/jupyterlab-manager
jupyter labextension install luxwidget

การใช้ Lux บนโน้ตบุ๊ก

ตอนนี้เราได้ตั้งค่า Lux และเปิดใช้งานบนโน้ตบุ๊ก Jupyter แล้ว เราสามารถเริ่มต้นด้วยการนำเข้าไลบรารีได้

import pandas as pd
import lux

จากนั้น เรามาลองโหลดดาต้าเฟรมตัวอย่างกัน

df = pd.read_csv("https://github.com/lux-org/lux-datasets/blob/master/data/hpi_full.csv?raw=True")

การพิมพ์ดาต้าเฟรม df จะให้ข้อมูลต่อไปนี้แก่เรา

สังเกตปุ่ม Toggle Pandas/Lux ? ลองคลิกดูสักครั้ง สังเกตว่ามีแปลงใหม่โผล่ออกมาไหม? มันทำให้เรามี

  • ความสัมพันธ์ระหว่างตัวแปรในดาต้าเฟรม

  • การกระจายตัวของตัวแปร

  • การวิเคราะห์ทางภูมิศาสตร์ ของ dataframe สังเกตว่า Lux สามารถระบุคอลัมน์ country และพล็อตการกระจายเชิงพื้นที่ของตัวแปรโดยไม่ต้องมีพิกัดที่ชัดเจนได้อย่างไร เจ๋งมาก!

สิ่งที่น่าสนใจก็คือแนวคิดของเจตนา

สมมติว่าคุณต้องการเข้าใจว่า ความไม่เท่าเทียมกัน และ อายุขัย เกี่ยวข้องกันอย่างไร เราสามารถระบุเจตนาใน Lux ได้ดังนี้

df.intent = ["Inequality","AvrgLifeExpectancy"]

และเมื่อพิมพ์ dataframe df เราก็จะได้

สังเกตว่าประเทศในยุโรปมีความเหลื่อมล้ำต่ำและอายุขัยยืนยาวอย่างไร ในขณะที่ประเทศในแอฟริกาตอนใต้ทะเลทรายซาฮารากลับตรงกันข้าม

ในแท็บ Filter คุณสามารถเจาะลึกไปยังภูมิภาคย่อยใดๆ เพื่อการวิเคราะห์เพิ่มเติมได้

สรุปข้อสังเกต

ฉันชอบความเรียบง่ายและชาญฉลาดของ Lux! มันสามารถช่วยคุณประหยัดเวลาได้มากในการพยายามวิเคราะห์ชุดข้อมูลของคุณ ไม่เพียงเท่านั้น Lux ยังฉลาดพอที่จะเข้าใจเจตนาของคุณและสร้างภาพข้อมูลที่เกี่ยวข้อง! หากคุณสนใจที่จะเรียนรู้เพิ่มเติมเกี่ยวกับ Lux โปรดดูตัวอย่าง "สมุดบันทึก"

และเช่นเคย หากคุณชอบโพสต์นี้ โปรดพิจารณาสมัครรับ จดหมายข่าวทางอีเมล ของฉัน โดยฉันจะสรุปเคล็ดลับการเขียนโปรแกรมและการวิจัย AI เป็นภาษาอังกฤษธรรมดาและการแสดงภาพที่สวยงามเป็นประจำ