مصورسازی داده چیست؟
چرا مصورسازی داده مهم است، اصول مصورسازی مؤثر، آشنایی با matplotlib و انواع پایه نمودارها
چرا مصورسازی داده؟
مغز انسان برای پردازش تصویر ساخته شده است، نه جدول اعداد! یک نمودار خوب می‌تواند در چند ثانیه چیزی را منتقل کند که در جدول هزار سطری پنهان است. به همین دلیل مصورسازی، زبان مشترک دانشمند داده با بقیه دنیاست.
کاربردهای مصورسازی:
- کاوش: دیدن توزیع، روند و رابطه‌ها قبل از تحلیل (EDA بصری)
- ارتباط: انتقال یافته‌ها به مدیر و مشتری
- پایش: داشبوردهای لحظه‌ای وضعیت کسب‌وکار
- تشخیص: کشف داده پرت و خطاها در یک نگاه
مثال: قدرت یک نگاه
این اعداد را مقایسه کنید: [۱۲، ۱۵، ۱۴، ۱۳، ۱۶، ۱۵، ۸۵]. در متن، عدد ۸۵ شاید به‌سادگی از چشم شما بگذرد؛ اما در نمودار میله‌ای، یک میله بلند غیرعادی فوراً خودش را نشان می‌دهد!
اصول مصورسازی مؤثر
- هدف را مشخص کنید: مقایسه؟ روند؟ توزیع؟ نسبت؟ هر هدف، نمودار خودش را می‌خواهد
- ساده بمانید: حذف هر چیز غیرضروری (خطوط اضافی، افکت‌های سه‌بعدی)
- عنوان و برچسب بگذارید: نمودار بدون برچسب، مثل نقشه بدون نام شهر است
- رنگ معنادار: رنگ برای انتقال پیام، نه تزئین؛ حداکثر ۵-۷ رنگ
- صادق باشید: محورها را از عدد دلخواه شروع نکنید تا تفاوت‌ها بزرگ‌تر به‌نظر برسند!
انواع پایه نمودار
| نمودار | بهترین کاربرد | مثال |
|---|---|---|
| خطی (Line) | روند در طول زمان | فروش ماهانه |
| میله‌ای (Bar) | مقایسه دسته‌ها | فروش هر شهر |
| پراکندگی (Scatter) | رابطه دو متغیر | قد و وزن |
| هیستوگرام (Hist) | توزیع یک متغیر | توزیع نمرات |
| جعبه‌ای (Box) | خلاصه توزیع + داده پرت | مقایسه حقوق دپارتمان‌ها |
| دایره‌ای (Pie) | نسبت‌ها (فقط موارد کم!) | سهم بازار |
matplotlib — کتابخانه استاندارد
در پایتون، matplotlib پرکاربردترین کتابخانه ترسیم است. الگوی پایه:
import matplotlib.pyplot as plt
plt.plot(x, y) # رسم
plt.title("عنوان") # عنوان
plt.xlabel("محور x") # برچسب محور
plt.ylabel("محور y")
plt.show() # نمایشدر Jupyter، خروجی زیر خود سلول نمایش داده می‌شود و با plt.savefig("chart.png") هم می‌توانید ذخیره کنید.
نکته: نمودار دایره‌ای فقط وقتی خوب است که ۲ تا ۴ بخش داشته باشد؛ با بخش‌های زیاد، خواندنش سخت می‌شود. در آن صورت میله‌ای افقی بهتر است.
جمع‌بندی
- مصورسازی، زبان مشترک تحلیلگر و مخاطب است
- انتخاب نمودار تابع هدف است: روند ← خطی، مقایسه ← میله‌ای، رابطه ← پراکندگی، توزیع ← هیستوگرام
- سادگی، برچسب درست و صداقت محورها، اصل‌های طلایی هستند
- matplotlib ابزار استاندارد پایتون است
این مبحث بخشی از دوره آموزش کامل علم داده است.