Bokeh Scatter Plot Example – Visualisasi data adalah aspek penting dari semua aplikasi AI dan pembelajaran mesin. Anda dapat memperoleh wawasan penting tentang data Anda menggunakan berbagai gambar grafis. Dalam tutorial ini, kita akan membahas beberapa opsi untuk visualisasi data dengan Python. Kami akan menggunakan dataset MNIST dan library Tensorflow untuk pemrosesan angka dan manipulasi data. Untuk mengilustrasikan metode yang berbeda untuk membuat berbagai jenis plot, kita akan menggunakan pustaka Python, yaitu matplotlib, Seaborn dan Bokeh.

Dalam posting ini kita akan menggunakan matplotlib, seaborn dan boca. Semua perpustakaan eksternal yang perlu diinstal. untuk menginstalnya menggunakan

Bokeh Scatter Plot Example

Kami juga akan menggunakan set digit tulisan tangan MNIST untuk tujuan demonstrasi. Kami akan mengunduhnya dari Tensorflow dan menjalankan algoritma PCA di atasnya. Jadi kita juga perlu menginstal Tensorflow dan Pandas:

Heatmaps 10 Python Libraries

Perpustakaan. Untuk mempermudah, kami hanya akan menyimpan subset data yang berisi tiga digit pertama. Kami juga akan mengabaikan rangkaian pengujian untuk saat ini.

Seaborn benar-benar pelengkap matplotlib. Jadi, Anda perlu memahami bagaimana matplotlib menangani plot bahkan jika Anda menggunakan Seaborn.

Matplotlib menyebut kanvasnya sebagai bentuk. Anda dapat membagi bentuk menjadi beberapa bagian yang disebut subplot, sehingga Anda dapat menempatkan dua visualisasi secara berdampingan.

Sebagai contoh, mari kita visualisasikan 16 gambar pertama dari dataset MNIST kita menggunakan matplotlib. Kami akan membuat 2 baris dan 8 kolom menggunakan

Python Data Visualization: Bokeh Cheat Sheet

Buat objek sumbu untuk setiap blok. Setiap gambar kemudian dipetakan ke setiap sumbu objek menggunakan

Di sini kita dapat melihat beberapa properti matplotlib. matplotlib memiliki bentuk dan sumbu default. Ada beberapa fungsi yang didefinisikan dalam matplotlib di bawah

Submodul untuk memplot pada sumbu default. Jika kita ingin menggambar pada sumbu tertentu, kita dapat menggunakan fungsi plot di bawah objek sumbu. Operasi manipulasi bentuk bersifat prosedural. Ini berarti matplotlib mengingat struktur data secara internal dan tindakan kita akan mengubahnya. Tuhan

Fungsi ini hanya menampilkan hasil dari serangkaian operasi. Berkat ini, kami secara bertahap dapat menyempurnakan banyak detail tentang karakter. Pada contoh di atas, kami telah menyembunyikan “centang” (yaitu penanda pada sumbu) dengan menyetel

Python Visualization Packages For Data Scientists

Sebagai contoh, kami menerapkan PCA ke dataset MNIST dan mengekstrak tiga komponen pertama dari setiap gambar. Pada kode di bawah ini, kita menghitung vektor eigen dan nilai eigen dari dataset, kemudian memproyeksikan data setiap gambar ke arah vektor eigen dan menyimpan hasilnya di

Choosing One Of Many Python Visualization Tools

Matplotlib juga memungkinkan Anda membuat plot pencar 3D. Untuk melakukan ini, Anda harus terlebih dahulu membuat objek sumbu dengan proyeksi 3D. Gambar pencar 3D kemudian dibuat menggunakan

Dengan koordinat x, y dan z sebagai tiga argumen pertama. Kode di bawah ini menggunakan data yang diproyeksikan sepanjang vektor eigen yang sesuai dengan tiga nilai eigen terbesar. Alih-alih membuat legenda, kode ini membuat bilah berwarna.

Fungsinya hanya menempatkan titik dalam ruang 3D. Setelah itu, kita masih dapat mengubah bagaimana bentuk ditampilkan, seperti label setiap sumbu dan warna latar belakang. Namun dalam grafik 3D, salah satu parameter umum adalah jendela tampilan, yaitu sudut pandang kita pada ruang 3D. Mengontrol jendela tampilan

Sudut pandang dikendalikan oleh sudut elevasi (yaitu, sudut terhadap bidang horizontal) dan sudut azimut (yaitu, rotasi pada bidang horizontal). Secara default, matplotlib menggunakan sudut elevasi 30 derajat dan azimut -60 derajat, seperti yang ditunjukkan di atas.

A Walkthrough Of Bokeh For Data Visualization

Metode ini secara otomatis membuat legenda dan menggunakan simbol yang berbeda untuk kelas yang berbeda saat merencanakan titik. Secara default, plot dibuat pada “sumbu saat ini” dari matplotlib jika objek sumbu tidak ditentukan dalam

Seaborn memiliki dua keunggulan dibandingkan matplotlib: Pertama, kami memiliki gaya yang dipoles secara default. Misalnya, jika kita membandingkan gaya titik di dua plot sebar di atas, plot Seaborn memiliki batas di sekitar titik untuk mencegah banyak titik bergabung. Memang, jika kita menjalankan baris berikut sebelum memanggil fungsi matplotlib apa pun:

Kita masih bisa menggunakan fungsi matplotlib, tapi kita akan mendapatkan bentuk yang lebih baik menggunakan gaya Seaborne. Kedua, lebih nyaman menggunakan Seaborn jika kita menggunakan Pandas DataFrame untuk menyimpan data kita. Sebagai contoh, mari kita ubah data MNIST kita dari Tensor ke PandaFrame:

Visualization In Zeppelin With Lightning And Bokeh

Seaborn sebagai shell untuk beberapa fungsi matplotlib tidak sepenuhnya menggantikan matplotlib. Misalnya, Seaborn tidak mendukung plot 3D, dan untuk tujuan tersebut kita masih perlu menggunakan fungsi matplotlib.

Plot yang dibuat oleh matplotlib dan Seaborn adalah gambar statis. Jika Anda perlu memperbesar, menggeser, atau mengubah tampilan bagian dari pemandangan, Anda harus menggunakan Bokeh sebagai gantinya.

Membuat bagan sebar bokeh juga mudah. Kode berikut membuat plot pencar dan menambahkan legenda. Tuhan

Pustaka Bokeh membuka jendela browser baru untuk menampilkan gambar. Anda dapat berinteraksi dengan grafik dengan mengubah skala, menggulir, dan opsi lain yang muncul di bilah alat di sebelah grafik yang dirender. Anda juga dapat menyembunyikan bagian dari spread dengan mengklik legenda.

Plotting With Glyphs

Bokeh akan membuat plot dalam HTML dengan Javascript. Semua tindakan kontrol cerita Anda ditangani oleh beberapa fungsi Javascript. Hasilnya akan terlihat seperti ini:

Gambar sebar 2D yang dibuat dengan efek bokeh di jendela browser baru. Perhatikan berbagai opsi untuk berinteraksi dengan plot di sebelah kanan.

Jika Anda memvisualisasikan bagan Bokeh di Jupyter Notebook, Anda dapat melihat bahwa bagan dibuat di jendela browser baru. Untuk menempatkan grafik di notebook Jupyter, Anda harus memberi tahu Boca bahwa Anda berada di lingkungan notebook dengan melakukan hal berikut sebelum fungsi Boca:

Perhatikan juga bahwa kita menggambar pencar tiga karakter dalam satu lingkaran, satu karakter pada satu waktu. Hal ini diperlukan untuk membuat legenda interaktif, karena setiap saat

How To Get Bokeh To Scale Scatter Plot Size According To Zoom

Objek baru disebut. Jika kita menggunakan pembuatan semua titik pencar sekaligus seperti yang ditunjukkan di bawah ini, mengklik legenda akan menyembunyikan dan menampilkan semuanya, bukan hanya titik salah satu karakter.

Sebelum kita melihat bagaimana kita dapat memvisualisasikan data garis, mari kita buat beberapa data untuk ilustrasi. Di bawah ini adalah klasifikasi sederhana menggunakan perpustakaan Keras yang akan kita pelajari untuk mempelajari klasifikasi angka tulisan tangan. Benda bersejarah telah dikembalikan

Introduction To Plotting With Bokeh — Be/bi 103 A Documentation

Juga, kita dapat melakukan hal yang sama di Seaborn. Seperti yang kita lihat di scatterplot, kita bisa melewatkan data Seaborn sebagai rangkaian nilai baik secara eksplisit atau menggunakan Pandas DataFrame. Mari kita plot kerugian pelatihan dan kehilangan validasi menggunakan pandas DataFrame:

Secara default, Seaborn akan memahami label kolom dari DataFrame dan menggunakannya sebagai legenda. Di atas kami memberikan label baru untuk setiap plot. Juga, sumbu x dari grafik garis diambil secara default dari indeks DataFrame, yang dalam kasus kami adalah bilangan bulat dari 0 hingga 9, seperti yang dapat kita lihat di atas.

Seperti contoh pencar Seaborn di atas, jika kita ingin mengontrol koordinat x dan y dengan tepat.

Bokeh juga dapat membuat grafik multi-garis, seperti yang ditunjukkan pada kode di bawah ini. Seperti yang kita lihat dalam contoh hamburan, kita harus secara eksplisit menentukan koordinat x dan y dan mengeksekusi satu baris pada satu waktu. lagi

Some Data Points Are Not Plotted When Using `invert_axes=true` When One Axis Is Categorical · Issue #3748 · Holoviz/holoviews · Github

Setiap alat yang kami sajikan di atas memiliki lebih banyak fungsi untuk mengontrol detail pemrosesan. Penting untuk mencari dokumentasi mereka yang relevan untuk menemukan cara mengampelas area Anda. Sama pentingnya, lihat kode contoh dalam dokumentasi mereka untuk melihat bagaimana Anda dapat meningkatkan rendering Anda.

Tanpa terlalu banyak detail, berikut adalah beberapa ide yang dapat Anda tambahkan ke visualisasi Anda:

Sebelum saya mengakhiri postingan ini, berikut adalah contoh bagaimana kita bisa membuat visualisasi side-by-side di matplotlib, salah satunya dibuat menggunakan Seaborn:

Setara Bokeh adalah membuat setiap subplot secara individual dan kemudian mengatur tata letak saat kita merender

How To Add Legend Inside Python’s Bokeh Circle Plot

Cara membuat scatter plot, scatter plot, scatter plot adalah, scatter plot spss