15.5 تصوير البيانات
أهداف التعلم
في نهاية هذا القسم، ينبغي أن تكون قادرًا على
- شرح سبب أهمية التصوير في علم البيانات.
- اختيار التصوير المناسب لمهمة معينة.
- استخدام مكتبات Python للتصوير لإنشاء تصورات بيانية.
لماذا التصوير؟
يلعب تصوير البيانات دورًا حاسمًا في علم البيانات لفهمها. يمكن استخدام تصوير البيانات في جميع خطوات دورة حياة علم البيانات لتسهيل استكشاف البيانات، وتحديد الشذوذات، وفهم العلاقات والاتجاهات، وإنتاج التقارير. تُستخدم عدة أنواع من التصوير بشكل شائع:
| نوع التصوير | الوصف | الفوائد/الاستخدام الشائع |
|---|---|---|
| مخطط الأعمدة (Bar plot) | أعمدة مستطيلة | مقارنة القيم عبر فئات مختلفة. |
| مخطط الخطوط (Line plot) | سلسلة من نقاط البيانات المتصلة بقطع خطية | تصوير الاتجاهات والتغيرات. |
| مخطط الانتشار (Scatter plot) | نقاط بيانات فردية تمثل العلاقة بين متغيرين | تحديد الارتباطات والتجمعات والقيم الشاذة. |
| مخطط التكرار (Histogram plot) | أعمدة مستطيلة تمثل توزيع متغير مستمر عن طريق تقسيم نطاق المتغير إلى فئات (bins) وتمثيل تكرار أو عدد البيانات داخل كل فئة | تلخيص توزيع البيانات. |
| مخطط الصندوق (Box plot) | صندوق مستطيل مع أشرطة (whiskers) يلخص توزيع متغير مستمر، بما في ذلك الوسيط والربيعيات (quartiles) والقيم الشاذة | تلخيص توزيع البيانات ومقارنة المتغيرات المختلفة. |
مفاهيم تطبيقية
مقارنة طرق التصوير
أدوات تصوير البيانات
ثمة مكتبات Python عديدة لتصوير البيانات، تتيح إنشاء أنواع مختلفة من المخططات بإمكانيات متنوعة. من بين الأطر الأكثر شيوعًا Matplotlib و Plotly و Seaborn. فيما يلي تلخيص لبعض الوظائف المفيدة لـ Matplotlib.
| نوع المخطط | الأسلوب |
|---|---|
| مخطط الأعمدة | تستقبل الدالّة |
| مثال | الناتج |
import matplotlib.pyplot as plt
# البيانات
categories = ["Course A", "Course B", "Course C"]
values = [25, 40, 30]
# Create the bar chart
fig = plt.bar(categories, values)
# تخصيص المخطط
plt.title("Number of students in each course')
plt.xlabel("Courses")
plt.ylabel("Number of students")
# عرض المخطط
plt.show() |
|
| نوع المخطط | الأسلوب |
|---|---|
| مخطط الخطوط | تستقبل الدالّة |
| مثال | الناتج |
import matplotlib.pyplot as plt
# البيانات
month = ["Jan", "Feb", "Mar", "Apr", "May"]
inflation = [6.41, 6.04, 4.99, 4.93, 4.05]
# إنشاء المخطط الخطي
plt.plot(month, inflation, marker="o",
linestyle="-", color="blue")
# تخصيص المخطط
plt.title("Inflation trend in 2023")
plt.xlabel("Month")
plt.ylabel("Inflation")
# عرض المخطط
plt.show()
|
|
| نوع المخطط | الأسلوب |
|---|---|
| مخطط الانتشار | تستقبل الدالّة |
| مثال | الناتج |
import matplotlib.pyplot as plt
# البيانات
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [10, 8, 6, 4, 2, 5, 7, 9, 3, 1]
# إنشاء مخطط الانتشار
plt.scatter(x, y, marker="o", color="blue")
# تخصيص المخطط
plt.title("Scatter Plot Example")
plt.xlabel("X")
plt.ylabel("Y")
# عرض المخطط
plt.show() |
|
| نوع المخطط | الأسلوب |
|---|---|
| مخطط التكرار | تستقبل الدالّة |
| مثال | الناتج |
import matplotlib.pyplot as plt
import numpy as np
# البيانات: random 1000 samples
data = np.random.randn(1000)
# إنشاء المخطط التكراري
plt.hist(data, bins=30, edgecolor="black")
# تخصيص المخطط
plt.title("Histogram of random values")
plt.xlabel("Values")
plt.ylabel("Frequency")
# عرض المخطط
plt.show() |
|
| نوع المخطط | الأسلوب |
|---|---|
| مخطط الصندوق | تستقبل الدالّة |
| مثال | الناتج |
import matplotlib.pyplot as plt
import numpy as np
# البيانات: random 100 samples
data = [np.random.normal(0, 5, 100)]
# إنشاء المخطط الصندوقي
plt.boxplot(data)
# تخصيص المخطط
plt.title("Box Plot of random values")
plt.xlabel("Data Distribution")
plt.ylabel("Values")
# عرض المخطط
plt.show() |
|
مفاهيم تطبيقية
أساليب Matplotlib
استكشاف إضافي
يرجى الرجوع إلى دليل المستخدم التالي لمزيد من المعلومات حول مكتبات Matplotlib و Plotly و Seaborn.
ممارسة البرمجة مع غوغل
استخدم مستند بيئة غوغل كولاب أدناه لممارسة مهمة تصوير على مجموعة بيانات معينة.