
منتشرشده در: towardsdatascience به تاریخ ۱۵ ژوئن ۲۰۲۱
لینک منبع Creating Shareable Data Visualization Reports
ایجاد تجسم دادهها برای تجزیه و تحلیل دادهها را می توان با استفاده از کتابخانههای مختلف پایتون انجام داد. ما فقط نیاز به ایجاد تصاویر مختلف مانند نمودارهای میلهای، هیستوگرامها و غیره داریم. طیف گستردهای از کتابخانههای پایتون برای تجسمهای داده وجود دارد که میتواند N تعداد تجسمها را ایجاد کند اما مشکل این تجسمها این است که شما نمیتوانید آنها را در فرمت گزارش به اشتراک بگذارید یا آنها را در گزارشها تعبیه کنید.
ایجاد تصویرسازی دادهها در ارائه یک ارائه و یا به اشتراک گذاری آن با مشتریان و یا به اشتراک گذاری آن با رئیستان به شما کمک میکند. زمانی که شما گزارشی تهیه میکنید که شامل تجسمها و نشانهها باشد، تاثیر خوبی ایجاد میکند. همچنین میتوانید این گزارشها را به اشتراک بگذارید.
دیتاپین یک کتابخانه پایتون منبع باز است که برای ایجاد تصویرسازی دادهها، گزارشهای تجزیه و تحلیل استفاده میشود که در آن ما میتوانیم تمام تجسمها و تجزیه و تحلیل خود را در یک گزارش واحد جمع کنیم که میتواند در سرور دیتاپین منتشر شود و به راحتی به اشتراک گذاشته شود.
بیایید شروع کنیم …
قبل از اینکه گزارشهای خود را تهیه کنید، ابتدا باید حسابی در Datapane تهیه کنید تا بتوانیم گزارشهای خود را در آن حساب منتشر کرده و ارتباط خود را با هر کسی به اشتراک بگذاریم. برای ایجاد حساب میتوانید از طریق لینک زیر بروید. به محض اینکه حسابی را ایجاد کردید میتوانید کلید دسترسی Datapane را ببینید که ما از آن برای انتشار گزارشهای خود از دفترچه Jupyter خود استفاده خواهیم کرد.
در Datapane | تحلیل در پایتون. درDatapane به اشتراک بگذارید.
با نصب Datapane با استفاده از pip شروع میکنیم. فرمانی که در زیر داده شدهاست این کار را خواهد کرد.
pip install datapane
پس از نصب این سیستم، توکن (کلید دسترسی) مورد استفاده برای انتشار گزارشها به حساب خود را نیز بارگذاری خواهیم کرد.
!datapane login --token=<YOUR TOKEN>
در این مرحله، ما کتابخانههای مورد نیاز را برای ایجاد تصویرسازی وارد میکنیم.
import datapane as dp
import pandas as pd
import seaborn as sns
ما با وارد کردن مجموعه داده مورد نیاز شروع خواهیم کرد. برای این مقاله، ما از یک مجموعه داده که در حال حاضر در کتابخانه سیبورن به نام نکات تعریف شدهاست، استفاده میکنیم.
df = sns.load_dataset('tips')
df.head()

اکنون ما برخی از تجسمها را ایجاد خواهیم کرد که به گزارشهای خود اضافه خواهیم کرد.
plot1 = sns.regplot(x="total_bill", y="tip", data=df)
plot2 = df.hist()
plot 3 = df.boxplot(column=['total_bill'])
این گام نهایی است، که در آن ما گزارش را تهیه و منتشر خواهیم کرد.
report = dp.Report(
dp.Text("Visualization Report"),
dp.Plot(plot1),
dp.Plot(plo2),
dp.Plot(plot3)
)report.publish(name='My First Report', open=True)
بعد از انتشار گزارش میتوانید آن را در لینک ارائهشده به شما مجسم کنید و میتوانید آن را با هر کسی در ایمیل خود به اشتراک بگذارید.
این کار را با مجموعه دادههای مختلف امتحان کنید و گزارشها بصری زیبایی برای تجزیه و تحلیل دادهها ایجاد کنید. در صورتی که مشکلی پیدا کردید لطفا در بخش پاسخ به من اطلاع دهید.
این مقاله در همکاری با پیوش اینگل است.
از خواندن متشکرم!
این متن با استفاده از ربات ترجمه مقاله علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه میتواند دارای برخی اشکالات ترجمه باشد.
مقالات لینکشده در این متن میتوانند به صورت رایگان با استفاده از مقالهخوان ترجمیار به فارسی مطالعه شوند.