Agile Data Science - Data Visualization علم البيانات الرشيقة - تصور البيانات الرسومات البيانية
Agile Data Science - Data Visualization علم البيانات الرشيقة - تصور البيانات الرسومات البيانية
علم البيانات الرشيقة - تصور البيانات
Agile Data Science - Data Visualization علم البيانات الرشيقة - تصور البيانات الرسومات البيانية.
هل الرسومات البيانية او التصويرية Data Visualization هي منهجية في التطوير السريع agile?
الأسئلة المفتوحة مضيعة للوقت في التطوير الرشيق Agile
إعطاء الأولوية لتحديد رسالة التصور التطوير الرشيق agile
لذلك التصور يلعب دور مهم في منهجية التطوير الرشيق agile
يلعب تصور البيانات دورًا مهمًا جدًا في علم البيانات. يمكننا اعتبار تصور البيانات كوحدة نمطية لعلوم البيانات. يتضمن علم البيانات أكثر من مجرد بناء النماذج التنبؤية. يتضمن شرح النماذج واستخدامها لفهم البيانات واتخاذ القرارات. يعد تصور البيانات جزءًا لا يتجزأ من تقديم البيانات بأكثر الطرق إقناعًا.
من وجهة نظر علم البيانات ، يعد تصور البيانات ميزة تسليط الضوء على التغييرات والاتجاهات.
ضع في اعتبارك الإرشادات التالية لتصور البيانات الفعال -
بيانات الموقع على طول المقياس المشترك.
يعد استخدام الأشرطة أكثر فعالية مقارنة بالدوائر والمربعات.
يجب استخدام اللون المناسب لمخططات التشتت.
استخدم المخطط الدائري لإظهار النسب.
يعتبر تصور Sunburst أكثر فاعلية للمخططات الهرمية.
يحتاج Agile إلى لغة برمجة نصية بسيطة لتصور البيانات ومع علم البيانات بالتعاون ، فإن Python هي اللغة المقترحة لتصور البيانات.
مثال 1
يوضح المثال التالي تصور بيانات الناتج المحلي الإجمالي المحسوب في سنوات محددة. "Matplotlib" هي أفضل مكتبة لتصور البيانات في Python. تركيب هذه المكتبة موضح أدناه -
ضع في اعتبارك الكود التالي لفهم هذا -
import matplotlib.pyplot as plt years = [1950, 1960, 1970, 1980, 1990, 2000, 2010] gdp = [300.2, 543.3, 1075.9, 2862.5, 5979.6, 10289.7, 14958.3] # create a line chart, years on x-axis, gdp on y-axis plt.plot(years, gdp, color='green', marker='o', linestyle='solid') # add a title plt.title("Nominal GDP") # add a label to the y-axis plt.ylabel("Billions of $") plt.show()
مخرجات الكود في تصور البيانات التطوير الرشيق agile
يولد الكود أعلاه الناتج التالي -
هناك العديد من الطرق لتخصيص المخططات باستخدام تسميات المحاور وأنماط الخطوط وعلامات النقاط. دعنا نركز على المثال التالي الذي يوضح تصورًا أفضل للبيانات. يمكن استخدام هذه النتائج للحصول على إخراج أفضل.
مثال 2
import datetime import random import matplotlib.pyplot as plt # make up some data x = [datetime.datetime.now() + datetime.timedelta(hours=i) for i in range(12)] y = [i+random.gauss(0,1) for i,_ in enumerate(x)] # plot plt.plot(x,y) # beautify the x-labels plt.gcf().autofmt_xdate() plt.show()
انتاج |
يولد الكود أعلاه الناتج التالي -
التسميات: Agile Data Science تعلم دروس منهجية التطوير علم البيانات الرشيقة الآجيل
<< الصفحة الرئيسية