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