Visualisation sous Python - correction

Analyse de Données Massives - Master 1ère année

import numpy
import pandas
import matplotlib.pyplot as plt
import seaborn

%matplotlib inline

A faire

A partir du jeu de données Computers présent dans le module pydataset, vous devez répondre aux questions suivantes, avec bokeh et seaborn. Vous pourrez trouver des informations sur ce jeu de données en exécutant data("Computers", show_doc = True) dans le notebook.

ordis = pandas.read_csv("Computers.csv")
ordis.head()

	price	speed	hd	ram	screen	cd	multi	premium	ads	trend
0	1499	25	80	4	14	no	no	yes	94	1
1	1795	33	85	2	14	no	no	yes	94	1
2	1595	25	170	4	15	no	no	yes	94	1
3	1849	25	170	8	14	no	no	no	94	1
4	3295	33	340	16	14	no	no	yes	94	1

1. Représenter graphiquement la variable price (histogramme, boîte à moustaches, ...)

f, (p1, p2) = plt.subplots(2, sharex = True)
seaborn.distplot(ordis.price, ax = p1, color = "orange")
seaborn.boxplot(ordis.price, ax = p2, color = "orange")
plt.show()

2. Représenter le lien entre la variable price et les variables

• speed
• hd
• ram
• cd
• premium
• screen

Pour cela, nous allons créer 2 fonctions pour visualiser les liens entre la variable price et respectivement une variable qualitative et une variable quantitative.

def lienPriceQuali(nom_quali, ax = None):
    if (ax):
        seaborn.boxplot(x = nom_quali, y = "price", data = ordis, zorder = 1, ax = ax)
    else:
        ax = seaborn.boxplot(x = nom_quali, y = "price", data = ordis, zorder = 1)
    ax.axhline(numpy.median(ordis.price), ls = "--", linewidth = 2, 
               zorder = 2, color = "gray")
    ax.set(xlabel = "", ylabel = "", title = nom_quali)
lienPriceQuali("speed")

def lienPriceQuanti(nom_quanti, ax = None):
    if (ax):
        seaborn.regplot(nom_quanti, "price", data = ordis, ci = None, ax = ax)
    else:
        ax = seaborn.regplot(nom_quanti, "price", data = ordis, ci = None)
    ax.axhline(numpy.mean(ordis.price), ls = "--", linewidth = 2, 
               zorder = 2, color = "gray")
    ax.set(xlabel = "", ylabel = "", title = nom_quanti)
lienPriceQuanti("hd")

Avec ces 2 fonctions, nous pouvons maintenant faire un graphique condensant les informations concernant ces 6 variables. Celui-ci sera ainsi plus facilement présentable.

f, p = plt.subplots(2, 3, sharey = True, figsize = (15, 6))
plt.subplots_adjust(hspace = .5)
lienPriceQuali("speed", ax = p[0, 0])
lienPriceQuanti("hd", ax = p[0, 1])
lienPriceQuali("ram", ax = p[0, 2])
lienPriceQuali("cd", ax = p[1, 0])
lienPriceQuali("premium", ax = p[1, 1])
lienPriceQuali("screen", ax = p[1, 2])

3. Représenter sur price l'impact de ces couples de variables

• speed et hd

t = pandas.crosstab(pandas.cut(ordis.hd, 6, precision = 0), ordis.speed,
                    values = ordis.price, aggfunc = numpy.mean)
seaborn.heatmap(t, cmap = "Blues", cbar_kws = { 'label' : 'mean price' })
plt.show()

• hd et screen

seaborn.lmplot("hd", "price", data = ordis, hue = "screen", 
               col = "screen", size = 10)
plt.show()

/home/jollois/.local/lib/python3.6/site-packages/seaborn/regression.py:546: UserWarning: The `size` paramter has been renamed to `height`; please update your code.
  warnings.warn(msg, UserWarning)

• speed et premium

fig = plt.figure(figsize = (15, 5))
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)

seaborn.pointplot("speed", "price", data = ordis, hue = "premium", ax =  ax2)
seaborn.boxplot("speed", "price", data = ordis, hue = "premium", ax = ax1)
plt.show()

• hd et premium

seaborn.lmplot("hd", "price", data = ordis, hue = "premium", 
               col = "premium", col_wrap = 2)

ordis2 = ordis.assign(hd_cut = pandas.cut(ordis.hd, 6))
seaborn.factorplot("hd_cut", "price", data = ordis2, hue = "premium", kind = "box", 
                   size = 10, aspect = 2)
plt.show()

/home/jollois/.local/lib/python3.6/site-packages/seaborn/categorical.py:3666: UserWarning: The `factorplot` function has been renamed to `catplot`. The original name will be removed in a future release. Please update your code. Note that the default `kind` in `factorplot` (`'point'`) has changed `'strip'` in `catplot`.
  warnings.warn(msg)
/home/jollois/.local/lib/python3.6/site-packages/seaborn/categorical.py:3672: UserWarning: The `size` paramter has been renamed to `height`; please update your code.
  warnings.warn(msg, UserWarning)

4. Proposer des représentations graphiques, toujours pour décrire price en fonction d'autres variables, mais prenant en compte plus de trois variables

# à vous de tester

anscombe

Représenter sur un même graphique (avec un découpage donc) les quatre séries des données anscombe.

anscombe = pandas.read_csv("anscombe.csv")
anscombe

	x1	x2	x3	x4	y1	y2	y3	y4
0	10	10	10	8	8.04	9.14	7.46	6.58
1	8	8	8	8	6.95	8.14	6.77	5.76
2	13	13	13	8	7.58	8.74	12.74	7.71
3	9	9	9	8	8.81	8.77	7.11	8.84
4	11	11	11	8	8.33	9.26	7.81	8.47
5	14	14	14	8	9.96	8.10	8.84	7.04
6	6	6	6	8	7.24	6.13	6.08	5.25
7	4	4	4	19	4.26	3.10	5.39	12.50
8	12	12	12	8	10.84	9.13	8.15	5.56
9	7	7	7	8	4.82	7.26	6.42	7.91
10	5	5	5	8	5.68	4.74	5.73	6.89

On modifie la forme des données pour avoir tous les x et y dans une même colonne, en ajoutant d'une part le numéro de la série (1, 2, 3 ou 4 donc), et l'indice (la position) du point dans la série (entre 0 et 7 donc).

from functools import reduce
ans_bis = reduce(lambda a,b: pandas.concat([a, b]),
                 [pandas.DataFrame({"x": anscombe["x" + j], 
                                    "y": anscombe["y" + j], 
                                    "i": j}) 
                  for j in [str(i) for i in range(1, 5)]]).reset_index()
ans_bis.head()

	index	x	y	i
0	0	10	8.04	1
1	1	8	6.95	1
2	2	13	7.58	1
3	3	9	8.81	1
4	4	11	8.33	1

On peut maintenant simplement créer les 4 graphiques, via la fonction FacetGrid().

p = seaborn.FacetGrid(ans_bis, col = "i", col_wrap = 2, height = 3, aspect = 2)
p.set(xlim = (ans_bis.x.min() - 1, ans_bis.x.max() + 1))
p.map(seaborn.regplot, "x", "y", ci = False,
      scatter_kws = {"color": "orange", "s": 200}, line_kws = {"color": "steelblue"})
plt.show()