Skip to content

Latest commit

 

History

History
256 lines (141 loc) · 9.35 KB

speed-up-eda-with-the-intelligent-lux-37f96542527b.md

File metadata and controls

256 lines (141 loc) · 9.35 KB
Raw

使用智能 Lux 加速 EDA

原文：https://pub.towardsai.net/speed-up-eda-with-the-intelligent-lux-37f96542527b?source=collection_archive---------0-----------------------

科林·伯伦斯来自的图片

数据分析

使用新的 Python 库 Lux 自动化您的可视化数据探索💡。

在 EDA 期间，你有没有厌倦过哪怕是为了一个简单的图，也要写多行代码？

您是否曾希望 jupyter 笔记本本身拥有基于推荐的交互式图表？

如果这是一个很大的是！

谢天谢地！我们现在有了新的 Python 库， Lux。

本文根据Doris Lee Jung-Lin 的*sessioninWiCDS*2021。**

LUX是一个用于智能视觉发现的 Python API，自带了一个内置的交互式 jupyter widget 。

  • Lux 可以成为您的智能助手，使探索性数据分析的可视化方面实现自动化。
  • 数据框显示在 jupyter 笔记本上后，只需点击一下，它就能提供强大的可视化抽象。
  • Lux 是一种非常丰富的基于用户意图的语言。

Lux 库的主要意图是让可视化像加载数据帧一样简单。

交互式 Lux 小部件帮助用户快速浏览数据并查看重要的趋势和模式。它为用户提供建议以供进一步分析。Lux 还可以为那些你不清楚的数据创建可视化效果。

来源:作者图片

与 熊猫 配合得很好，你不必担心修改代码。事实上，Lux 是以这样一种方式开发的，它保留了 pandas 数据帧的语义。这意味着它的行为与熊猫指令本身同步。

太棒了，对吧！

让我们开始吧，让我们的智能视觉助手由 Lux 驱动。

安装要求

  1. Lux 可以通过 PyPI 安装。
*****pip install lux-api*****

2.如果使用 conda ，Lux 可以通过，

*****conda install -c conda-forge lux-api*****

3.对于 jupyter 笔记本中的设置，您还需要添加以下扩展。

*****jupyter nbextension install --py luxwidget
jupyter nbextension enable --py luxwidget*****

就是这样！我们准备好出发了…

个案研究

让我们考虑一个示例数据集来探索 Lux 库的特性。

我将使用来自 Kaggle 数据库的研究生入学数据集。

该数据集包含几个参数，这些参数在申请硕士课程时被认为是重要的。

数据字典

  1. GRE 成绩(满分 340 )
  2. 托福成绩(满分 120 )
  3. 大学评级(满分 5 分)
  4. 目的陈述和推荐信实力(满分 5 分)
  5. 本科 GPA(满分 10 分)
  6. 研究经验(0 或 1 )
  7. 录取几率(范围从 0 到 1 )

1.导入所有必需的库

既然软件包已经成功安装。我们只需将 lux 库导入到我们的 jupyter 笔记本中。

2.加载数据集并检查简明摘要

让我们加载数据集并检查前 5 行。

来源:作者图片

检查数据集的形状。

*****(400, 9)*****

总共有 400 行和 9 列。

删除第一列Serial No.并用info()检查数据集的简明摘要

来源:作者图片

我们观察到数据集中所有 8 列的数据类型都是数字。

3.Lux 的视觉数据探索💡

现在，我们来显示数据框并探索 Lux 微件。

来源:作者图片

当数据框显示时，Lux 默认为我们提供了 3 个标签，分别是关联、分布和发生。

让我们来了解一下这些

  1. 相关性

来源:作者图片

“相关性”选项卡显示数据集中存在的定量变量之间的关系。

它显示的顺序是从最相关的到最不相关的。

来源:作者图片

2。分布

来源:作者图片

“分布”选项卡显示数据集中定量变量的直方图。

它的显示顺序是从高倾斜到低倾斜。

来源:作者图片

3。事件

来源:作者图片

“事件”选项卡显示分类属性的条形图。

它遵循的顺序是最不均匀分布到均匀分布。

尽管我们的数据集不包含任何分类数据类型的特征。对于那些它认为可能对我们的分析有用的特性，它推荐了条形图。

4.基于用户意图的可视化和推荐。

假设您想了解某个特定特性或多个特性的更多信息。在intent的帮助下，您可以获得与这些属性相关的所有可视化效果

lux 小部件不仅显示该功能的可视化效果。而且还会在Filter和Enhance选项的帮助下为您提供进一步分析的额外建议。

  1. 增强

lux 的增强功能为用户指定的可视化预期属性添加了一个附加属性。

它允许用户将添加属性的效果与预期的可视化效果进行比较。这类似于添加色调。

2。过滤器

该过滤器让用户可视化不同数据子集的预期属性。

下面的例子让我们更好的理解。

考虑一个属性 CGPA，****

*****df.intent=[“CGPA”]
df*****

1.增强一个属性的建议

当预期属性为 CGPA 时，增强选项卡建议，来源:作者提供的图片

当给定输入是一个特征“CGPA”时,增强选项卡将预期变量“CGPA”固定在 x 轴上，并通过与不同属性进行比较给出建议。

2.针对一个属性的过滤建议

当目标属性为 CGPA 时的过滤器选项卡建议，来源:按作者分类的图像

过滤器选项卡将预期变量“CGPA”固定在 x 轴上，并通过与数据集的不同子部分进行比较，为我们提供建议。****

考虑两个属性“托福成绩”和“ GRE 成绩”，****

*****df.intent=[“TOEFL Score”,”GRE Score”]
df*****

1.针对两个属性的增强建议

当预期属性是 TOEFEL 分数和 GRE 分数时，增强选项卡推荐，来源:作者图片

*******增强标签当给定的输入是两个属性“托福成绩”、“GRE 成绩”时。它将预期变量“托福分数”固定在 x 轴上，将“GRE 分数”固定在 y 轴上。然后通过与不同属性的比较，给我们推荐。***

2.过滤 建议为两个属性

当预期属性为 TOEFEL 分数和 GRE 分数时，筛选选项卡建议，来源:作者图片

*******过滤标签当给定输入是两个属性“托福成绩”、“GRE 成绩”时。它将预期变量“托福分数”固定在 x 轴上，将“GRE 分数”固定在 y 轴上。然后，它通过将两者与数据的不同子部分进行比较来给出建议。***

来源:作者图片

5.导出可视化效果。

Lux 让分享可视化变得非常容易。要将可视化导出为静态 HTML，必须使用以下命令。

*****df.save_as_html(“File name.html”)*****

结论

新的 Python 开源库无疑使数据探索变得更加容易。这篇文章展示了 Lux 是如何用最少的代码实现大部分可视化自动化的。它还解释了勒克司图书馆的一些突出特点。

Lux 项目现状:目前 Lux 处于早期开发阶段。

资源

要了解更多关于 Lux 库的信息，你可以在 lux-API 找到详细信息。

你也可以在活页夹上尝试他们的动手练习或教程。

希望你喜欢阅读这篇文章！

请随时查看我在pranaviduvva at medium上的其他文章。

感谢阅读！