Семестр 3 · Модуль 3 · Неделя 7

Matplotlib и Seaborn: честные графики

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

2 ч теории. Презентация — 30 мин мини-лекция, далее live-coding и задачи семинара. Данные — titanic.csv (модуль 2).

Прежде чем начать: откройте Jupyter и загрузите titanic.csv через pd.read_csv — сегодня мы впервые увидим свои данные.

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 бы вы показали «средний возраст по классу каюты» человеку, который не читает таблицы?

Два API Matplotlib: pyplot и объектный

import matplotlib.pyplot as plt
plt.plot(x, y)              # «быстрый» стиль
plt.title('...')
plt.show()

fig, ax = plt.subplots()  # объектный
ax.plot(x, y)
ax.set_title('...')
fig.savefig('plot.png')

pyplot (plt.plot) — «последняя активная ось»; годится для интерактива и консоли.
Объектный API (fig, ax) — полный контроль: несколько осей, подписи, сохранение. Предпочтителен для задач модуля.

Почему plt.xlabel(...) после fig, ax = plt.subplots() — смешение стилей и источник ошибок?

Анатомия рисунка: Figure и Axes

Figure — «холст» целиком (весь рисунок, можно несколько осей).
Axes — один подграфик со своими осями, подписями, линиями.

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')

Одна Figure — много Axes. Каждый Axes можно настраивать независимо: title, xlabel, ylabel, legend, grid.

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

plot и scatter: тренд и связь двух величин

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)

данные: titanic.csv, 40 пассажиров

plot — для временны́х рядов и трендов; scatter — для связи двух количественных величин.

Какая закономерность видна на графике: возраст и цена связаны? Почему нельзя утверждать «цена растёт с возрастом»?

bar: сравнение категорий — с осью Y от 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')

доля выживших = mean(Survived) по классам

Правило: у bar-диаграммы ось Y начинается с нуля. Обрезанная ось set_ylim(0.2, 0.5) «раздувает» разницу между столбцами.

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

hist и boxplot: распределение одной величины

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')

38 пассажиров с известным возрастом

hist — форма распределения, мода, асимметрия.
boxplot — медиана, квартили, выбросы. Удобен для сравнения групп (например, возраст по полу).

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

Subplots 2×2: сетка осей, часть 1

fig, axes = plt.subplots(2, 2, figsize=(9.5, 7))
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')
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')

Сетка создаётся одним вызовом; каждая ось настраивается независимо по индексу axes[i, j]. Продолжение — следующий слайд.

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

…и заполняем оставшиеся оси (продолжение)

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.tight_layout()
fig.savefig('figures/dashboard.png', dpi=110)

дашборд 2×2, файл dashboard.png

Итог — дашборд из четырёх подписанных графиков. Это артефакт недели: так же вы соберёте EDA-ноутбук в проекте модуля.

Зачем нужен fig.tight_layout() перед сохранением?

Подписи, легенда, сетка — обязательная часть

Каждый график имеет set_title, set_xlabel, set_ylabel — с единицами: «возраст, лет», «цена, у.е.».
Легенда — только если серий больше одной; для неё нужен label= в каждой серии + ax.legend().
ax.grid() — сетка для чтения значений; ax.set_xticks / set_xlim — контроль шкалы.
fig.suptitle — общий заголовок всего рисунка.

ax.legend()
ax.grid(alpha=0.3)
ax.set_xticks([1, 2, 3])

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

Сохранение: savefig — только до show

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!

fig.savefig('fare.png') # после plt.show() # → пустой/белый файл: figure уже закрыт

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

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

Честная визуализация: масштаб не должен врать

слева — обрезанная ось (манипуляция); справа — ось с нуля

Оба графика построены на одних данных (число выживших по классам).
Слева set_ylim(4, 9) — столбцы «почти равны», но разрыв визуально утроен.
Справа ось с нуля — честная картина: 1-й класс ≈ 5, 3-й ≈ 8.

Правила честности: бары с нуля; не обрезать ось без маркера разрыва; не скрывать выбросы; подписывать единицы. Полный разбор — неделя 8.

Какую историю рассказывает обрезанный график, а какую — честный? Кто из читателей поверит первому?

Seaborn: heatmap корреляций

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.corr() считает только числовые колонки

df.corr() — матрица парных корреляций числовых колонок.
annot=True — значения в ячейках; цвет — знак и сила связи.
Вывод по нашим данным: Fare и Survived коррелируют слабо (r ≈ −0.22).

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

Seaborn: boxplot и pairplot из DataFrame

sns.boxplot(data=df, x='Sex', y='Age')
sns.pairplot(df[['Age', 'Fare', 'Pclass', 'Survived']].dropna(),
             hue='Survived', diag_kind='hist')

pairplot: попарные scatter + распределения по выживаемости

Seaborn — «статистическая надстройка» над Matplotlib: принимает DataFrame напрямую, добавляет стиль по умолчанию и сразу рисует группировку по hue.

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 (чек-лист ревью).
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 sns.heatmap(df.corr()) без понимания, что корреляция — по числовым колонкам.
График строится в цикле, но все линии рисуются 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»? Что скажете?

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.

Переход: на семинаре вы соберёте дашборд 2×2, тепловую карту и научитесь «чинить» манипулирующие графики.

Что дальше

Семинар недели 7: три уровня задач — «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 (autograder + чек-лист).
К концу недели вы умеете строить подписанные честные графики и сохранять их в файл.

Готовы? Откройте семинар-7.md, скопируйте titanic.csv в data/ и выполните базовую задачу.