Семестр 3 · Модуль 3 · Неделя 7

Matplotlib и Seaborn: честные графики на Titanic

Объектная модель Figure/Axes · виды графиков · subplots · подписи · сохранение · Seaborn: heatmap/pairplot · честная визуализация

2 ч теории · данные — titanic.csv (40 строк).

Прежде чем начать: откройте Jupyter и загрузите titanic.csv через pd.read_csv.

График — язык отчётов и научных статей

Визуализация — требование всех downstream-дисциплин: анализ данных, мат. статистика, ML, NLP.
Ваш EDA из модуля 2 станет видимым: «посчитали groupby — теперь покажите это глазами».
В компаниях любой отчёт начинается с графиков; в науке статья без рисунков не проходит ревью.
Seaborn и Matplotlib — стандарт де-факто научного стека Python.

Какие данные вы считали в модуле 2? Как показать средний возраст по классу каюты человеку, который не читает таблицы?

Что вернул `groupby('Pclass')['Survived'].mean()` в модуле 2?

rate = df.groupby('Pclass')['Survived'].mean()
rate

Не открывая конспект: это Series или DataFrame? Сколько в нём элементов? Какие у него индексы?

К концу лекции вы сможете: выбирать, строить, подписывать, сохранять

Выбирать тип графика под вопрос (plot/scatter/bar/hist/boxplot);
Строить дашборд 2×2 и подписывать каждую ось с единицами;
Сохранять график в PNG/PDF в правильном порядке;
Строить heatmap корреляций и pairplot через Seaborn.

Риск недели: неподписанные графики. График без подписей — это не график, а картинка. Сегодня сделаем так, чтобы этот риск вас не касался.

Из чего соберётся первый блок проекта модуля 3?

Два API: pyplot — быстрый, объектный — управляемый

# pyplot: «последняя активная ось»
import matplotlib.pyplot as plt
plt.plot(x, y)
plt.title('...')
plt.show()

# объектный: явная ссылка на оси
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('...')
fig.savefig('plot.png')

Правило: pyplot — быстрый стиль для интерактива; объектный API (fig, ax) — полный контроль: несколько осей, подписи, сохранение. Для задач модуля предпочтителен объектный.

А что будет, если после fig, ax = plt.subplots() вызвать plt.xlabel(...)?

Figure — холст, Axes — подграфик: одна фигура, много осей

Figure — «холст» целиком: весь рисунок, может содержать несколько осей.
Axes — один подграфик со своими осями, подписями, линиями.
Каждый Axes настраивается независимо: title, xlabel, ylabel, legend, grid.

fig, axes = plt.subplots(2, 2, figsize=(9.5, 7))
# axes — массив 2×2; figsize — размер холста в дюймах
axes[0, 0].set_title('левый верхний')
axes[1, 1].set_title('правый нижний')

Сколько «графиков» в plt.subplots(2, 3) и какая форма у axes?

`plt.xlabel` после `fig, ax` — смешение стилей

fig, ax = plt.subplots()
ax.plot(x, y)
plt.xlabel('возраст, лет')   # ← смешение стилей

Правило: выбрали объектный API — используем только ax./fig. методы.

Не запуская: что произойдёт? (а) ошибка, (б) подпись попадёт на последнюю активную ось, (в) ничего страшного.

plot — тренд/порядок: цена билета по списку

fig, ax = plt.subplots()
ax.plot(df.index, df['Fare'], color='#7c3aed', marker='o', markersize=3)
ax.set_title('Цена билета по списку')
ax.set_xlabel('пассажир (номер в списке)')
ax.set_ylabel('цена, у.е.')
ax.grid(alpha=0.3)
fig.savefig('figures/plot_fare.png', dpi=150, bbox_inches='tight')

Источник: titanic.csv, 40 пассажиров. Линия с маркерами скачет без выраженного тренда; пики ~230–250 у пассажиров №3, №30, №38. Одна серия — легенда не нужна.

Каким типом графика вы бы показали связь возраста и цены билета?

scatter — связь двух величин: возраст × цена

fig, ax = plt.subplots()
ax.scatter(df['Age'], df['Fare'], s=40, alpha=0.75, color='#2563eb')
ax.set_xlabel('возраст, лет')
ax.set_ylabel('цена билета, у.е.')
ax.set_title('Возраст и цена билета')
ax.grid(alpha=0.3)

Источник: titanic.csv, 40 пассажиров (38 с известным возрастом; 2 пропуска отброшены автоматически). Облако широкое, без выраженного наклона — связь слабая.

Какая закономерность видна? Почему нельзя утверждать «цена растёт с возрастом»?

bar — сравнение категорий, ось Y с нуля

rate = df.groupby('Pclass')['Survived'].mean()
fig, ax = plt.subplots()
ax.bar([1, 2, 3], rate, color='#059669')
ax.set_ylim(0, 1)            # честная ось с нуля
ax.set_xticks([1, 2, 3])
ax.set_xlabel('класс каюты')
ax.set_ylabel('доля выживших')
ax.set_title('Выживаемость по классу')

Источник: titanic.csv, доля = mean(Survived) по классам. Ось Y от 0 до 1; set_ylim(0, 0.5) «раздул» бы разницу между столбцами.

Почему set_ylim(0.3, 0.5) на этом графике — манипуляция? Что она скрывает?

hist — форма распределения: возраст

fig, ax = plt.subplots()
ax.hist(df['Age'].dropna(), bins=12, color='#d97706', edgecolor='white')
ax.set_xlabel('возраст, лет')
ax.set_ylabel('число пассажиров')
ax.set_title('Распределение возраста')

Источник: titanic.csv, 38 пассажиров с известным возрастом (.dropna()); 12 корзин, интервалы 9.3–49.2. Мода — интервал 32.6–35.9 (7), вторичные пики 16–19 и 22.6–25.9 (по 6).

Сколько пассажиров младше ~20 лет? Как это понять из гистограммы?

boxplot — медиана, квартили, выбросы

import seaborn as sns
fig, ax = plt.subplots()
sns.boxplot(data=df, x='Sex', y='Age', ax=ax)
ax.set_xlabel('пол')
ax.set_ylabel('возраст, лет')
ax.set_title('Возраст по полу')

Источник: titanic.csv, Age без пропусков. Мужчины (n=24): медиана 25.8; женщины (n=14): медиана 32.4. Разброс сопоставим, «усатых» выбросов почти нет.

Чем boxplot лучше hist для сравнения возраста по полу?

Какой график под какой вопрос

Вопрос к данным	Тип графика	Ось X / Ось Y (с единицами)
Как меняется величина по порядку/времени?	`plot`	порядок/время · значение
Связаны ли две количественные величины?	`scatter`	x · y
Сравнить категории	`bar` (ось Y с нуля!)	категория · значение
Как распределена одна величина?	`hist`	интервалы · число наблюдений
Распределение по группам, выбросы	`boxplot`	группа · значение

Шпаргалка на весь семестр: выбор типа графика — половина честной визуализации.

Цена билета по классу каюты — какой тип и почему не scatter?

Live-coding 1: scatter «возраст × цена» с подписями

Задача: построить scatter возраста и цены билета на titanic.csv объектным API: fig, ax = plt.subplots() → ax.scatter(...) → подписи с единицами → ax.grid(alpha=0.3) → fig.savefig('figures/scatter_age_fare.png', dpi=150) → показать график. Комментируйте вслух каждое решение.

Что вернёт plt.subplots()? Зачем .dropna()? Какой единицы нет на оси Y?

`plt.subplots(2, 2)` — сетка одним вызовом

fig, axes = plt.subplots(2, 2, figsize=(9.5, 7))
# axes — массив 2×2; обращение по индексам
axes[0, 0].hist(df['Age'].dropna(), bins=10, color='#d97706', edgecolor='white')
axes[0, 0].set_title('Распределение возраста')
axes[0, 0].set_xlabel('возраст, лет'); axes[0, 0].set_ylabel('число')

Правило: сетка создаётся одним вызовом; каждая ось настраивается независимо по индексу axes[i, j]. axes — это numpy-массив, индексация как в модуле 1; на сетке 2×2 запись axes[1] — ошибка.

Какой график вы разместите в axes[1, 0], если нужно показать связь возраста и цены билета?

Дашборд 2×2: четыре подписанных графика

rate = df.groupby('Pclass')['Survived'].mean()
axes[0, 1].bar([1, 2, 3], rate, color='#059669')
axes[0, 1].set_ylim(0, 1); axes[0, 1].set_xticks([1, 2, 3])
axes[0, 1].set_title('Выживаемость по классу')
axes[0, 1].set_xlabel('класс'); axes[0, 1].set_ylabel('доля выживших')
axes[1, 0].scatter(df['Age'], df['Fare'], s=30, alpha=0.7, color='#2563eb')
axes[1, 0].set_title('Возраст × цена билета')
axes[1, 0].set_xlabel('возраст, лет'); axes[1, 0].set_ylabel('цена, у.е.')
sns.boxplot(data=df, x='Sex', y='Age', ax=axes[1, 1])
axes[1, 1].set_title('Возраст по полу')
axes[1, 1].set_xlabel('пол'); axes[1, 1].set_ylabel('возраст, лет')
fig.suptitle('Дашборд: Titanic', fontsize=14)
fig.tight_layout()
fig.savefig('figures/dashboard.png', dpi=110)

Файл figures/dashboard.png (dpi=110): (0,0) гистограмма возраста · (0,1) bar долей выживших · (1,0) scatter возраст × цена · (1,1) boxplot по полу. Каждый подграфик подписан; общий заголовок fig.suptitle, fig.tight_layout() до savefig.

Зачем нужен fig.tight_layout() перед сохранением?

Настройка: title, оси, grid, xticks — чек-лист подписи

Каждый график имеет set_title, set_xlabel, set_ylabel — с единицами: «возраст, лет», «цена, у.е.».
ax.grid() — сетка для чтения значений; ax.set_xticks/set_xlim — контроль шкалы.
fig.suptitle — общий заголовок всего рисунка.
Чек-лист перед сдачей: «заголовок · оси с единицами · легенда (если >1 серии) · масштаб».

Норма: неподписанный график не считается сданным. Это пункт чек-листа ревью, а не пожелание.

Чего не хватает на графике с заголовком, но без подписей осей?

Легенда — только при >1 серии, `label=` в каждой

fig, ax = plt.subplots()
ax.plot(x, y1, label='выжившие')
ax.plot(x, y2, label='не выжившие')
ax.set_xlabel('возраст, лет')
ax.set_ylabel('число пассажиров')
ax.legend()
ax.set_title('Сравнение распределений возраста')

Две серии (label='выжившие' / 'не выжившие') + ax.legend(). Легенда — только при >1 серии; без label= была бы пустой рамкой.

Чем ax.legend() без label= отличается от легенды с заданными метками?

Порядок: настроил → сохранил → показал

fig, ax = plt.subplots()
ax.plot(df.index, df['Fare'], color='#7c3aed')
ax.set_title('Цена билета по списку')
ax.set_xlabel('пассажир (номер)'); ax.set_ylabel('цена, у.е.')
fig.savefig('figures/fare.png', dpi=150, bbox_inches='tight')   # ДО show!

Правила: порядок всегда — настроили → сохранили → показали. dpi=150 — качество; bbox_inches='tight' — без полей; PDF — векторный, для отчётов.

А что будет, если вызвать savefig ПОСЛЕ show?

`savefig` после `show` → пустой файл

fig, ax = plt.subplots()
ax.plot(df.index, df['Fare'])
plt.show()
fig.savefig('fare.png')   # ПОСЛЕ show!
# результат: пустой/белый файл — figure уже закрыта

Разбор: plt.show() в интерактивном бэкенде завершает жизненный цикл фигуры; savefig после этого записывает пустой холст. Это «тихая» ошибка — проверяем результат, а не код:

from pathlib import Path
Path('figures/fare.png').stat().st_size   # 0 или несколько байт — пустой файл

Как проверить, что файл сохранился, не открывая его глазами?

Predict: «что внутри файла?»

fig, ax = plt.subplots()
ax.hist(df['Age'].dropna())
fig.savefig('figures/a.png', dpi=150)
plt.show()
fig.savefig('figures/b.png', dpi=150)
print(Path('figures/a.png').stat().st_size > 1000,
      Path('figures/b.png').stat().st_size > 1000)

Не запуская: что напечатается? (а) True True, (б) True False, (в) False False.

Обрезанная ось vs ось с нуля: одна история, две версии

ax.set_ylim(4, 9): столбец класса 2 (значение 2) вообще вне диапазона; разница 5 и 8 «раздута».

ax.set_ylim(0, 25): честное соотношение 5 : 2 : 8. Источник: titanic.csv.

Что скрывает левый график? Какую историю рассказывает каждая версия?

Первые правила честности: бары с нуля, не обрезать, подписывать

Бары строятся с оси 0.
Ось Y нельзя обрезать произвольно; если обрезка нужна — ставится маркер разрыва.
Подписывать единицы измерения на осях.
Не скрывать выбросы.

Это требование к коду, а не этикет — на ревью масштаб осей проверяется. Полный разбор — неделя 8.

Почему честный график строится с нуля, даже если «некрасиво»?

Seaborn histplot/displot — распределение из DataFrame

import seaborn as sns
sns.histplot(data=df, x='Age', bins=12)          # гистограмма с ядровым сглаживанием
sns.displot(data=df, x='Age', hue='Survived', kde=True)  # распределения по группам

sns.displot(data=df, x='Age', hue='Survived', kde=True): два наложенных распределения с KDE; легенда «0»/«1». Источник: titanic.csv.

Что добавляет hue='Survived'?

Seaborn boxplot — группировка из коробки

sns.boxplot(data=df, x='Sex', y='Age')

Что изменится, если в x= поставить 'Pclass'?

`sns.heatmap(df.corr())` — корреляции числовых колонок

import seaborn as sns
fig, ax = plt.subplots(figsize=(6.2, 4.6))
sns.heatmap(df[['Age', 'Fare', 'Pclass', 'Survived']].corr(),
            annot=True, fmt='.2f', cmap='coolwarm', ax=ax)
ax.set_title('Корреляции признаков Titanic')

df[['Age','Fare','Pclass','Survived']].corr();

annot=True,
    fmt='.2f'

. Ключевые: Fare–Survived −0.22, Age–Fare −0.22; диагональ 1.00. df.corr() «съедает» нечисловые колонки — Name и Sex не попали.

Почему в df.corr() не попали колонки Name и Sex? Что с ними сделать, чтобы учесть?

Какие корреляции реально есть: Fare–Survived r ≈ −0.22

Самые сильные по модулю: Fare–Survived (r ≈ −0.22), Age–Fare (r ≈ −0.22), остальные ещё слабее (|r| < 0.15).
Вывод: в этих данных нет признака, сильно предсказывающего выживание.
Корреляция ≠ причинность: даже значимая связь Fare и Survived могла бы объясняться третьим фактором (класс каюты).

Правильная формулировка: «связаны», а не «влияет». Знак «−» значит обратную связь, а не «плохую».

Можно ли по этой матрице утверждать «цена билета влияет на выживание»?

`pairplot(hue='Survived')` — разделимость классов

sns.pairplot(df[['Age', 'Fare', 'Pclass', 'Survived']].dropna(),
             hue='Survived', diag_kind='hist')

sns.pairplot(df[['Age','Fare','Pclass','Survived']].dropna(),
    hue='Survived', diag_kind='hist')

. Сетка 4×4: вне диагонали — попарные scatter, на диагонали — гистограммы; видно, какой признак лучше разделяет классы. .dropna() обязателен.

Какой вопрос к данным можно быстро ответить, глядя на pairplot с hue='Survived'?

Типичные ошибки недели 7

Неподписанные графики — нет title/xlabel/ylabel. График без подписей не считается сданным.
savefig после show — пустой/белый файл.
Смешение стилей — plt.xlabel после создания axes.
Легенда без меток — label= не задан.
Обрезанная ось Y у bar — «раздутая» разница между категориями.
df.corr().plot() и heatmap без понимания, что корреляция — по числовым колонкам.
Цикл строит график в одни оси — нужны новые subplot или цвет/метка каждой серии.

Студент показал график с заголовком, но без подписей осей. Примете ли вы его как «сданный»?

Вопросы для проверки понимания

Зачем нужен объект Axes и чем ax.plot лучше plt.plot?
Как создать сетку 2×2 и подписать каждый график?
Как сохранить график в PNG высокого качества — и почему именно до show?
Почему нельзя обрезать ось Y у bar-диаграммы?
Какие колонки попадают в df.corr() и что показывает heatmap?

Ответьте письменно за 3 минуты — это мини-самооценка перед семинаром.

Проект модуля: дашборд + heatmap — блок 1

Проект модуля 3 (неделя 9): численный анализ (SciPy) + парсер логов (regex) + визуализация в одном ноутбуке.
Этап недели 7: «дашборд и heatmap» — визуальный слой проекта. Дашборд 2×2 и тепловая карта корреляций — то, что вы сегодня собрали.
Критерий приёмки из ТЗ: «каждый график подписан, ось Y честная, heatmap корреляций есть и прокомментирована».

Проект как пазл: визуализация (неделя 7) + числа (неделя 8) + текст (неделя 9) → один ноутбук.

Что из сегодняшнего войдёт в финальный ноутбук module3_project.ipynb?

Итоги: 5 навыков · семинар · ДЗ · one-minute paper

Сегодня вы научились: (1) выбирать тип графика под вопрос; (2) строить дашборд 2×2 с подписями; (3) сохранять график в правильном порядке; (4) строить heatmap и pairplot; (5) объяснять, почему bar строится с нуля.
Чек-лист перед сдачей любого графика: «заголовок · оси с единицами · легенда (если >1 серии) · масштаб».
Семинар недели 7: «Разбор интерфейса» (базовый), «Тепловая карта + Seaborn» (стандартный), «Дашборд 2×2 + Challenge» (продвинутый).
ДЗ недели 7: визуализировать EDA своего датасета из модуля 2 — 3+ графика и heatmap корреляций, всё в figures/.
One-minute paper: запишите одной фразой главное, что понял сегодня, и один вопрос, что остался.

Откройте семинар-7.md, скопируйте titanic.csv в data/ и начните с базовой задачи.