Vẽ biểu đồ đẹp bằng matplotlib, seaborn, plotly
data-visualization
Hướng dẫn tạo biểu đồ bằng Python với matplotlib, seaborn, plotly: chọn loại biểu đồ, làm hình xuất bản, áp dụng nguyên tắc dễ đọc và phối màu.
Tải miễn phí. Theo dõi Skilnexa một lần là mở khoá mọi lượt tải trên web.
Nó là gì
Hướng dẫn chọn loại biểu đồ đúng với dữ liệu rồi viết mã Python (matplotlib, seaborn, plotly) để vẽ. Dành cho người biết chút Python; người không biết lập trình vẫn đọc được phần chọn biểu đồ và nguyên tắc thiết kế.
Hoạt động ra sao
Bạn nói dữ liệu muốn thể hiện điều gì, ví dụ xu hướng theo thời gian hay so sánh giữa các nhóm. Skill gợi ý loại biểu đồ phù hợp và tránh loại gây hiểu nhầm như biểu đồ 3D. Đầu ra là đoạn mã có tiêu đề nêu kết luận, trục có nhãn, màu dễ phân biệt cho người mù màu, và danh sách kiểm tra trước khi chia sẻ.
Ví dụ ứng dụng
- Tình huống
- Kế toán trưởng cần vẽ doanh thu 12 tháng để báo cáo ban giám đốc, và không muốn biểu đồ gây hiểu nhầm.
- Bạn đưa vào
- Bảng doanh thu theo tháng và nhóm sản phẩm, lưu thành file CSV.
- Bạn nhận được
- Đoạn mã Python vẽ biểu đồ đường có tiêu đề nêu xu hướng, trục có nhãn, và danh sách kiểm tra trước khi gửi.
Ví dụ minh họa theo quy trình trong tài liệu gốc, chưa phải kết quả thử chạy.
Dùng khi nào
Khi cần biểu đồ doanh thu rõ ràng, người mù màu cũng đọc được.
Các phần chính trong hướng dẫn
- Chọn biểu đồ theo quan hệ dữ liệu
- Biết khi nào không nên dùng
- Dùng mẫu mã Python
- Vẽ biểu đồ đường và cột
- Vẽ biểu đồ phân bố và nhiệt
- Làm biểu đồ tương tác với Plotly
- Áp dụng nguyên tắc thiết kế
Xem mô tả gốc của tác giả (tiếng Anh)
Create effective data visualizations with Python (matplotlib, seaborn, plotly). Use when building charts, choosing the right chart type for a dataset, creating publication-quality figures, or applying design principles like accessibility and color theory.
Ví dụ yêu cầu
- ax.yaxis.set_major_formatter(mticker.FuncFormatter(lambda x, p: format_number(x, 'currency')))
- import plotly.express as px
- import plotly.graph_objects as go
Cùng nhóm Dữ liệu và phân tích
- Thiết kế thử nghiệm A/BLập kế hoạch thử nghiệm A/B: viết giả thuyết, các phiên bản, chỉ số đo, cỡ mẫu và thời gian chạy. Ra bản tóm tắt thử nghiệm và bảng đầu vào tính cỡ mẫu.
- Trả lời câu hỏi từ dữ liệu, từ tra nhanh đến báo cáoTrả lời câu hỏi dữ liệu: tra một chỉ số, tìm nguyên nhân tăng giảm, so sánh nhóm theo thời gian hoặc soạn báo cáo chính thức cho các bên liên quan.
- Phân tích hiệu quả chiến dịch marketingPhân tích chiến dịch bằng ghi nhận đa điểm chạm, phễu chuyển đổi và tính ROI, ROAS, CPA theo kênh. Kết quả dạng bảng đọc được hoặc JSON.
- Quản lý hành động khắc phục cho thiết bị y tếQuản lý quy trình CAPA (khắc phục và phòng ngừa) của hệ thống chất lượng thiết bị y tế: tìm nguyên nhân gốc, 5 Whys, xương cá, theo dõi và kiểm tra hiệu quả.
- Vẽ biểu đồ chất lượng cao bằng PythonBiến kết quả truy vấn hoặc bảng dữ liệu thành biểu đồ đẹp để in hay trình bày, gợi ý loại biểu đồ phù hợp, có thể tạo biểu đồ tương tác để rê chuột và phóng to.
- Vẽ hành trình khách hàng từ biết đến giới thiệuLập tệp customer-journey.md về các giai đoạn, điểm chạm, cảm xúc, điểm đau, cơ hội và chỉ số, kèm sơ đồ Mermaid, từ lần chạm đầu tới lúc khách giới thiệu người khác.
Phần giải thích do Skilnexa viết sau khi đọc toàn bộ tài liệu gốc của tác giả và đã đối chiếu lại với nội dung gốc. Chưa phải kết quả thử chạy, nên hãy thử bằng dữ liệu giả trước khi dùng cho việc thật.