4.1. Format chung của một biểu đồ trên matplotlib¶

Bộ dữ liệu mẫu được lựa chọn trong chương này là iris dataset. Đây là một bộ dữ liệu được sử dụng trong nhiều ví dụ minh hoạ về visualization. Bộ dữ liệu sẽ cho chúng ta biết kích thước dài, rộng của đài hoa và cánh hoa của 3 giống hoa iris là Setosa, Versicolor và Virginica. Cụ thể các trường như sau:

Sepal Length: Độ dài đài hoa
Sepal Width: Độ rộng đài hoa
Petal Length: Độ dài cánh hoa
Petal Width: Độ rộng cánh hoa

import pandas as pd

df_iris = pd.read_csv("https://raw.githubusercontent.com/phamdinhkhanh/datasets/master/iris_train.csv", header=0, index_col=None)
df_iris.head()

	Sepal.Length	Sepal.Width	Petal.Length	Petal.Width	Species
0	4.7	3.2	1.3	0.2	setosa
1	5.0	3.6	1.4	0.2	setosa
2	5.4	3.9	1.7	0.4	setosa
3	4.6	3.4	1.4	0.3	setosa
4	4.9	3.1	1.5	0.1	setosa

Thống kê mô tả các trường của bộ dữ liệu

df_iris.describe()

	Sepal.Length	Sepal.Width	Petal.Length	Petal.Width
count	105.000000	105.000000	105.000000	105.00000
mean	5.812381	3.076190	3.726667	1.18381
std	0.784305	0.455843	1.749080	0.74616
min	4.400000	2.200000	1.000000	0.10000
25%	5.200000	2.800000	1.600000	0.30000
50%	5.700000	3.000000	4.200000	1.30000
75%	6.300000	3.400000	5.100000	1.80000
max	7.900000	4.400000	6.900000	2.50000

Tiếp theo chúng ta sẽ xem độ dài cánh hoa trung bình ở mỗi loài là bao nhiêu:

import numpy as np

df_summary = df_iris[['Species', 'Petal.Length']].groupby('Species').mean()
x, y = list(df_summary.index), df_summary['Petal.Length'].values
print(x)
print(y)

['setosa', 'versicolor', 'virginica']
[1.47142857 4.18285714 5.52571429]

Vẽ một biểu đồ barchart đơn giản trên matplotlib và cùng phân tích cách thức dựng biểu đồ sẽ như thế nào?

import matplotlib.pyplot as plt

plt.figure(figsize=(16, 8))
plt.bar(x, y)
plt.xlabel('Species', fontsize=16)
plt.ylabel('cm', fontsize=16)
plt.title("Average of Petal Length", fontsize=18)

Text(0.5, 1.0, 'Average of Petal Length')

Các bạn sẽ hình dung các bước để vẽ biểu đồ trên matplotlib như sau:

Step 1: Thống kê dữ liệu và lựa chọn biểu đồ. Ở bước này chúng ta cần phải xác định được mục tiêu của phân tích là gì? Sau đó xác định loại biểu đồ phù hợp để làm nổi bật thông tin. Dạng biểu đồ nào sẽ được sử dụng cho những mục đích cụ thể nào sẽ được trình bày ở chương tiếp theo.

Step 2: Tiến hành visualization. Bước này đơn thuần là vận dụng matplotlib để vẽ biểu đồ. Hãy nhìn vào những câu lệnh ở ví dụ visualization trên. Nếu tinh tế bạn sẽ thấy chúng ta trải qua các bước:

Khởi tạo figure cho đồ thị: Muốn dựng một đồ thị thì trước tiên ta phải dựng khung cho nó thông qua hàm plt.figure(). Bên trong hàm này chúng ta khai báo kích thước (w, h) của đồ thị thông qua figuresize=(w, h).
Vẽ biểu đồ: Sau khi đã có khung hình rồi, chúng ta sẽ tiến hành vẽ đồ thị. Tuỳ vào tính chất của dữ liệu mà chúng ta sẽ quyết định lựa chọn loại đồ thị phù hợp như đồ thị barchart, line, scatter, pie, area, boxplot. Bên trong hàm vẽ đồ thị chúng ta sẽ khai báo trục x và y và điều chỉnh các định dạng font chữ, màu sắc, loại đường viền đồ thị cho hài hoà và đẹp mắt.
Khai báo tiêu đề: Chúng ta có thể tạo tiêu đề cho các trục x, y và tiêu đề của đồ thị.

Step 3: Sau khi dựng đồ thị xong thì bạn nên nêu ra những nhận xét, đánh giá được kết luận từ đồ thị. Đó là những thông tin hữu ích cho mô hình và việc ra quyết định.

Tiếp theo chúng ta sẽ tìm hiểu các biểu đồ cơ bản trên matplotlib, những cách customize sâu biểu đồ trên matplotlib và làm thế nào để tạo ra một biểu đồ đẹp.