Capitolo 16. Visualizzazione dei dati
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
I capitoli precedenti ti hanno fornito tutti gli strumenti necessari per trasformare i dati grezzi in un DataFrame raffinato. Ma come si fa a trasformare un DataFrame in qualcosa di significativo?
Un modo per farlo è la visualizzazione dei dati e Python offre una pletora di pacchetti, tra cui Matplotlib per il plottaggio a basso livello, hvPlot per le visualizzazioni rapide, Bokeh per i grafici interattivi, plotnine per sfruttare la grammatica della grafica in Python e Altair per utilizzare le capacità di plottaggio integrate in Polars. LaFigura 16-1 dà un'idea dell'elaborato panorama di Python per la visualizzazione dei dati.
Questo è sia una benedizione che una maledizione, perché è probabile che esista un pacchetto adatto alle tue esigenze, ma è difficile scegliere il pacchetto giusto. Inoltre, ogni pacchetto ha le sue caratteristiche, i suoi presupposti e le sue insidie.
La visualizzazione dei dati non è solo una questione di belle immagini, ma è una parte fondamentale della scienza dei dati. Trasformando un DataFrame in forma grafica, migliori la tua capacità di comprendere le tendenze, individuare gli outlier e raccontare storie che possono influenzare il processo decisionale. Le visualizzazioni dei dati efficaci chiariscono l'oscuro e semplificano il complicato, rendendo i tuoi dati più accessibili. ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access