Scribd
Unggah
9 tayangan22 halaman

Visualisasi Data

Dokumen ini membahas tentang visualisasi data menggunakan library Matplotlib, termasuk cara menginstal, membuat objek Figure dan Axes, serta menambahkan data dan komponen visualisasi seperti legend dan title. Selain itu, dijelaskan berbagai jenis plot seperti bar chart, scatter plot, dan histogram, serta cara mengkustomisasi visualisasi dengan warna, marker, dan label sumbu. Contoh kode disertakan untuk membantu pemahaman tentang penerapan konsep-konsep tersebut.

Diunggah oleh

541231146
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PPTX, PDF, TXT atau baca online di Scribd
9 tayangan22 halaman

Visualisasi Data

Dokumen ini membahas tentang visualisasi data menggunakan library Matplotlib, termasuk cara menginstal, membuat objek Figure dan Axes, serta menambahkan data dan komponen visualisasi seperti legend dan title. Selain itu, dijelaskan berbagai jenis plot seperti bar chart, scatter plot, dan histogram, serta cara mengkustomisasi visualisasi dengan warna, marker, dan label sumbu. Contoh kode disertakan untuk membantu pemahaman tentang penerapan konsep-konsep tersebut.

Diunggah oleh

541231146
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PPTX, PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 22

Visualisasi data

Install Library Matplotlib


• Untuk dapat menggunakan liblary matplotlib, install
terlebih dahulu liblary tersebut dengan:
• pip install matplotlib
2 Komponenutama : Figure dan
Axes
• Figure, adalah window atau page atau
halaman dalam objek visual. kalau kita
ngegambar di kertas, maka kertas
tersebutlah yang di namakan figure.
• Axes, kedalam Figure kita
menambahkan Axes, Axes adalah
suatu area di dalam figure dimana data
akan di plot. Dalam Axes juga terdapat
berbagai macam komponen lagi seperti
x-axis, y-axis, dan lain sebagainya..
Komponen tambahan
• Artist. Artist adalah komponen yang digunakan untuk
memperindah objek visualisasi kita, seperti legend, title,
tick labels dan lainnya
Latihan
• import numpy as np
• import matplotlib.pyplot as plt

• # membuat objek figure


• fig = plt.figure()

• # menambahkan axes kedalam objek


figure kita dengan method add_subplot()
• ax = fig.add_subplot()

• # menampilkan objek visual


• plt.show()
• Sekarang kita akan tambahkan data kedalam objek tersebut dengan
memanggil method plot() dan memberikan data sebagai argument
method tersebut:
• # membuat objek figure
• fig = plt.figure()

• # membuat objek axes


• ax = fig.add_subplot()

• # membuat data
• data_x = [1, 2, 3, 4, 5]
• data_y = [10, 20, 25, 30, 15]

• # menambahkan dalam ke objek axes


• ax.plot(data_x, data_y)

• # menampilkan data
Efisiensi penulisan, menggabungkan
pembuatan objek Figure dan Axes dengan
sekali jalan
• # membuat objek figure dan axes
• fig, ax = plt.subplots()

• # membuat data
• data_x = [1, 2, 3, 4, 5]
• data_y = [10, 20, 25, 30, 15]

• # menambahkan dalam ke objek axes


• ax.plot(data_x, data_y)

• # menampilkan data
• plt.show()
Lebih dari satu data axes
• Memungkinkan untuk memplot lebih dari satu data kedalam suatu axes dengan cara
seperti ini:

• fig, ax = plt.subplots()
• data_x1 = [1, 2, 3, 4]
• data_y1 = [10, 20, 25, 30]
• data_x2 = [1, 2, 3, 4, 5]
• data_y2 = [5, 15, 20, 25, 30]
• ax.plot(data_x1, data_y1)
• ax.plot(data_x2, data_y2)
• plt.show()
Menyimpan dan menampilkan
gambar hasil plotting
• Tulis dibawah plt.show()
• #menyimpan hasil figure
• fig.savefig('coba.png')

• #menampilkan figure yang disimpan


• from IPython.display import Image
• Image('coba.png')
Customizing Visualization
• import matplotlib.pyplot as plt

• # membuat component figure dan axis


• fig, ax = plt.subplots()

• data_x = [1, 2, 3, 4, 5, 6, 7]
• data_y = [10, 20, 25, 30, 15, 18, 10]

• # memberikan data kedalam axis


• ax.plot(data_x, data_y)
• plt.show()
Linestyle
• import matplotlib.pyplot as plt

• # membuat component figure dan axis


• fig, ax = plt.subplots()

• data_x = [1, 2, 3, 4, 5, 6, 7]
• data_y = [10, 20, 25, 30, 15, 18, 10]

• # memberikan data kedalam axis


• ax.plot(data_x, data_y, marker='x', linestyle='--')
• plt.show()
Memilih Warna
• import matplotlib.pyplot as plt

• # membuat component figure dan axis


• fig, ax = plt.subplots()

• data_x = [1, 2, 3, 4, 5, 6, 7]
• data_y = [10, 20, 25, 30, 15, 18, 10]

• # memberikan data kedalam axis


• ax.plot(data_x, data_y, marker='D', linestyle='dotted',
color='#9934FF')
• plt.show()
Custom Axis Label and Title
• Axis terdapat 2, yaitu x-axis dan y-axis. untuk
mengubah x-axis dapat menggungkan method
set_xlabel(), untuk mengubah y-axis dapat
menggungkan set_ylabel().
• Title juga adalah komponen yang sangat penting untuk
menunjukan data apa yang sedang di visualisasikan.
Untuk mengubah title dapat menggunakan method
set_title().
Custom Axis Label and Title
• import matplotlib.pyplot as plt
• # membuat component figure dan axis
• fig, ax = plt.subplots()

• data_x = [1, 2, 3, 4, 5, 6, 7]
• data_y = [10, 20, 25, 30, 15, 18, 10]
• # memberikan data kedalam axis
• ax.plot(data_x, data_y, marker='D', linestyle='dotted',
color='#9934FF')
• # mengubah axis label dan title
• ax.set_xlabel('X Label Axis')
• ax.set_ylabel('Y Label Axis')
• ax.set_title('Title of Graph')
• plt.show()
Legend
• Legend adalah label data yang
muncul dalam sebuah plot.
dengan memberikan legend
akan lebih mempermudah kita
dalam membaca data.

• plt.figure(figsize=(7,6))
• plt.plot(x, np.sin(x), label='Sin x')
• plt.plot(x, np.cos(x), label='Cos x')
• plt.legend(loc='upper center')
• plt.show()
Marker Data Point
• import matplotlib.pyplot as plt

• # membuat component figure dan axis


• fig, ax = plt.subplots()

• data_x = [1, 2, 3, 4, 5, 6, 7]
• data_y = [10, 20, 25, 30, 15, 18, 10]

• # memberikan data kedalam axis


• ax.plot(data_x, data_y, marker='o')
• plt.show()
Contoh marker lain
• plt.figure(figsize=(8,7))
• x = np.random.RandomState(0)
• list_marker = ['o', 'p', 'v', '+', 'x']
• for marker in list_marker:
• plt.plot(x.rand(5), x.rand(5),
marker=marker, linestyle='None',
label=marker)
• plt.legend()
• plt.show()
Quantitative Comparison
1.Bar Chart
2.Scatter Plot
3.Histogram
Bar Chart
• # read data vgsales
• df = pd.read_csv('vgsales.csv')

• # extract data tentang banyaknya setiap jenis


genre dalam data
• data = df['Genre'].value_counts()
• category = data.index
• frequency = data.values
Method set_xticklabels() adalah untuk mengontrol
• # plot data komponen label data di sumbu x. di berikan label
nya dengan data category, dan di putar sebesar 90
• fig, ax = plt.subplots() derajat agar label tidak bertumpuk.
• ax.bar(category, frequency)
• ax.set_xticklabels(category, rotation=90)
Scatter Plot
• Scatter plot berguna untuk
melakukan perbandingan data
antara data bertipe numerik
• fig, ax = plt.subplots()

• # pembuatan plot
• ax.scatter(df['JP_Sales'], df['EU_Sales'], c='g')

• # axis labeling
• ax.set_xlabel('Penjualan di Jepang')
• ax.set_ylabel('Penjualan di Europa')
• ax.set_title('Penjualan Semua Video Games')
Histogram
memvisualisasikan distribusi data dari suatu data bertipe numerik dan continues. sedangan bar chart untuk
memvisualisasikan data bertipe kategori .
• action = df[df['Genre']=='Action']['Global_Sales']
• sport = df[df['Genre']=='Sports']['Global_Sales']

• fig, ax = plt.subplots(ncols=2, figsize=(16, 8))


• ax[0].hist(action, bins=50)
• ax[0].set_xlabel('Penjualan Global Game Action')
• ax[0].set_ylabel('Frekuensi')
• ax[0].set_title('Distribusi Game Action Global')

• ax[1].hist(sport, bins=50, color='g')


• ax[1].set_xlabel('Penjualan Global Game Sports')
• ax[1].set_ylabel('Frekuensi')
• ax[1].set_title('Distribusi Penjualan Game Sports Global')
• plt.show()
Hasil histogram

Anda mungkin juga menyukai