{"id":14293,"url":"\/distributions\/14293\/click?bit=1&hash=05c87a3ce0b7c4063dd46190317b7d4a16bc23b8ced3bfac605d44f253650a0f","hash":"05c87a3ce0b7c4063dd46190317b7d4a16bc23b8ced3bfac605d44f253650a0f","title":"\u0421\u043e\u0437\u0434\u0430\u0442\u044c \u043d\u043e\u0432\u044b\u0439 \u0441\u0435\u0440\u0432\u0438\u0441 \u043d\u0435 \u043f\u043e\u0442\u0440\u0430\u0442\u0438\u0432 \u043d\u0438 \u043a\u043e\u043f\u0435\u0439\u043a\u0438","buttonText":"","imageUuid":""}
Разработка
NTA

Инструменты Python для визуализации результатов опросов/тестов

Одна из ключевых задач в анализе данных — сопоставление и визуализация разных наборов информации. Зачастую нам приходится иметь дело с результатами проведенных опросов, заполненными чек-листами по и т.д.

В этой статье мы расскажем о возможностях языка Python для визуализации пересечений множеств, об основных плюсах и минусах представленных методов.

Рассмотрим в качестве примера опрос для сотрудников по внутренним сервисам, т.к. в нем возможны совершенно разные вопросы, которые могут предполагать множественный выбор ответа, а не только «да» или «нет».

Допустим, что мы опросили 100 респондентов, причем у них было только 3 варианта ответа. На выходе мы получили следующую картину:

50 ответов – А и В;

25 ответов – А и С;

25 ответов – только А.

Гистограмма

На получившейся диаграмме мы видим, что ответ А выбрали 100 респондентов, ответ В – 50 и ответ С – 25, но она не показывает нам информацию о пересечении респондентов, выбравших кроме ответа А, ответы В или С. Кроме того, по этой диаграмме можно сделать ошибочное заключение, что в опросе приняли участие 175 респондентов.

Для решения этой проблемы лучше использовать диаграммы Венна – инструмент Python Matplotlib-Venn.

import pandas as pd import numpy as np import matplotlib.pyplot as plt from matplotlib_venn import venn3, venn3_circles from matplotlib_venn import venn2, venn2_circles

Подготавливаем и загружаем данные для анализа. В нашем вопросе 6 вариантов ответа, их мы распределяем по 6 столбцам. При выборе варианта ответа информация появится в поле, в обратном случае – поле останется пустым. Таким образом, мы получим 6 списков с информацией об индексах, выбравших тот или иной вариант респондентов.

df = pd.read_csv ('Service_opros.csv') nm = 'Какими сервисами Вы пользовались?' d1 = df[~df[nm].isnull()].index.tolist() # A d2 = df[~df[nm+'_1'].isnull()].index.tolist() # B d3 = df[~df[nm+'_2'].isnull()].index.tolist() # C d4 = df[~df[nm+'_3'].isnull()].index.tolist() # D d5 = df[~df[nm+'_4'].isnull()].index.tolist() # E d6 = df[~df[nm+'_5'].isnull()].index.tolist() # F

Диаграммы Венна очень просты и удобны. Мы передаем наборы с данными для последующего изучения. Venn2 используем при наложении двух наборов, Venn3 – трех. Разберем на примере трех наборов данных:

venn3([set(d1), set(d2), set(d5)], set_colors=('#3E64AF', '#3EAF5D', '#D74E3B'), set_labels = ('A', 'B', 'E'), alpha=0.75) venn3_circles([set(d1), set(d2), set(d5)], lw=0.7) plt.show()

На диаграмме Венна показано, что по результатам опроса 895 респондентов выбрали сервис B, 164 респондента – сервис A и 111 респондентов – E. При этом мы видим, пересечение ответов: 127 респондентов использовали A и B, 79 – B и E, 37 – A и E, а также 30 респондентов, которые выбрали все три сервиса.

Купить рекламу Отключить

Если мы решим показать пересечение более трех наборов данных с помощью этого инструмента, то столкнемся со сложностями в восприятии итоговых диаграмм:

По рисунку сложно определить, сколько респондентов при опросе выбрали только 2 варианта A и C, на их пересечении также изображены варианты B и D. Обратите внимание, что размер пересечений на изображении не соответствует действительности. Например, респондентов, выбравших вариант B (895) и их должно быть больше, чем выбравших вариант С (211), но на диаграмме они равны.

Для решения данной проблемы воспользуемся Графиками UpSet, они не так просты для восприятия как диаграммы Венна, но решают вопрос визуализации пересечения нескольких наборов данных.

upset_df = pd.DataFrame() col_names = ['A', 'B', 'C', 'D', 'E', 'F'] nm = 'Какими сервисами Вы пользовались?' for idx, col in enumerate(df[[nm, nm+'_1', nm+'_2', nm+'_3', nm+'_4', nm+'_5']]): temp = [] for i in df[col]: if str(i) != 'nan': temp.append(True) else: temp.append(False) upset_df[col_names[idx]] = temp upset_df['c'] = 1 example = upset_df.groupby(col_names).count().sort_values('c') example

Построим диаграмму:

upsetplot.plot(example['c'], sort_by="cardinality") plt.title('Какими сервисами Вы пользовались?', loc='left') plt.show()
График UpSet

Столбцы вверху диаграммы показывают количество повторений комбинации вариантов. Матрица внизу – какую комбинацию описывает каждый столбец, а горизонтальная гистограмма – размер каждого отдельного набора.

Мы видим, что наиболее часто (800 респондентов) выбирали только ответ В, при этом ответ встречался более, чем 1000 раз. Следующий по популярности набор ответов среди респондентов – не выбран ни один ответ (примерно 200 человек так поступили), а реже всех встречался ответ F.

Стоит отметить, что один из вариантов вообще не отображался на диаграммах Венна: не выбран ни один ответ, а сейчас эта информация достаточно наглядно представлена.

На наш взгляд, диаграммы Венна удобны при работе с небольшим набором множеств, а графики Upset более наглядны, когда множеств три и более.

9 показов
2.6K открытий
0
Комментарии
Написать комментарий...
-3 комментариев
Раскрывать всегда