Pada tulisan ini akan dibahas bagaimana menampilkan visualiasi data dengan Matplotlib dalam bentuk bar chart atau diagram batang.

Import Library

Kode program berikut ini digunakan untuk melakukan import library yang akan digunakan.

import matplotlib.pyplot as plt
import pandas as pd

Mengambil data

Data yang digunakan kali ini adalah data dari monster Pokemon. Setelah data diambil maka ditambahkan 1 kolom yang bernama Count. Kolom ini berisi angka 1 yang akan digunakan untuk menghitung nantinya.

df = pd.read_csv('https://raw.githubusercontent.com/Onestringlab/notebook/main/pokemon_data.csv')
df['Count'] = 1
df.head()

Menyiapkan data

Diagram batang yang akan dibuat adalah mencari jumlah Type 1 dari seluruh data monster Pokemon yang ada. Langkah pertama yang dilakukan adalah melalukan grouping pada berdasarkan data Type 1. Grouping dilakukan dengan menggunakan perintah group by. Penjelasan mengenai group by dapat dilihat pada Group by Pandas DataFrame Untuk Perhitungan Data. Setelah dilakukan grouping maka langkah berikutnya adalah diurutkan berdasarkan jumlah terkecil sampai terbesar. Berikut kode programnya.

data = df.groupby(['Type 1']).count().reset_index()
data.sort_values('Count', ascending=True, inplace=True)
data.head()

Membuat Bar Chart

Berikut kode program untuk membuat bar char atau diagram batang.

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.bar(data['Type 1'],data['Count'])
plt.xticks(rotation=90)
plt.show()

Memberi warna dan judul

Berikut ini cara memberi warna dan judul pada diagram batang.

fig = plt.figure(figsize=(6,4))
ax = plt.axes()

colors = ['#0000FF' for _ in range(len(data))]
colors[-1] = '#FF0000'

plt.ylabel('Jumlah')
plt.title('Pokemon Type 1')

ax.bar(data['Type 1'],data['Count'], color=colors)
plt.xticks(rotation=90)
plt.show()

Membuat Diagram Batang Multi Kategori

Pada bagian ini akan dibuat diagram batang yang memiliki multi kategori. Diagram batang yang akan dibuat adalah untuk mengetahui berapa jumlah monster legendary pada kategorical Type 1. Visualiasi ini akan ditampilkan dalam bentuk stack atau tumpukkan dan dalam bentuk batang yang terpisah.

Menyiapkan Data

Melakukan group by dengan 2 kategori.

data = df.groupby(['Type 1', 'Legendary']).count()[['Count']].reset_index()
data = data.set_index(['Type 1', 'Legendary']).Count
data.head()

Membuat Stacked Bar Chart

data.unstack().plot(kind = 'bar', stacked = True)

Membuat Unstacked Bar Chart

data.unstack().plot(kind = 'bar', stacked = False)

Kesimpulan

Proses melakukan visualisasi data dalam bentuk diagram batang dengan menggunakan Matplotlib dapat dikatakan sangat mudah. Namun, tentu saja cara yang sudah dijelaskan hanya merupakan salah satu dari sekian banyak cara yang disediakan oleh Matplotlib itu sendiri terkait diagram ini. Kunjungi tautan ini untuk mengetahui tema data science lainnya.

The post Belajar Data Science – Visualisasi Data dengan Bar Chart Matplotlib appeared first on Onestring Lab.

Contoh Kasus

Diketahui daftar harga Bitcoin yang dicatat setiap akhir minggu (Minggu) di 2018 dan 2019. Buat visualisasi yang memungkinkan Anda menjawab pertanyaan: Tahun apa, 2018 atau 2019, yang cenderung memberikan pengembalian yang lebih baik bagi pemegang Bitcoin?

Import Library Matplolib

Pada bagian ini akan diperlihat kode program untuk import libary Pandas dan Matplotlib.

import matplotlib.pyplot as plt
import pandas as pd
import numpy as npt

Data Harga Bitcoin

Berikut ini merupakan data harga bitcoin dalam setiap minggunya. Data terdiri dari 104 minggu dalam kurun waktu selama 2 tahun yaitu tahun 2018 dan 2019.

prices = [
14292.2, 12858.9, 11467.5, 9241.1, 8559.6, 11073.5, 9704.3 , 11402.3, 
8762.0, 7874.9, 8547.4, 6938.2, 6905.7, 8004.4, 8923.1, 9352.4, 9853.5, 
8459.5, 8245.1, 7361.3, 7646.6, 7515.8, 6505.8, 6167.3, 6398.9, 6765.5, 
6254.8, 7408.7, 8234.1, 7014.3, 6231.6, 6379.1, 6734.8, 7189.6, 6184.3, 
6519.0, 6729.6, 6603.9, 6596.3, 6321.7, 6572.2, 6494.2, 6386.2, 6427.1, 
5621.8, 3920.4, 4196.2, 3430.4, 3228.7, 3964.4, 3706.8, 3785.4, 3597.2, 
3677.8, 3570.9, 3502.5, 3661.4, 3616.8, 4120.4, 3823.1, 3944.3, 4006.4, 
4002.5, 4111.8, 5046.2, 5051.8, 5290.2, 5265.9, 5830.9, 7190.3, 7262.6, 
8027.4, 8545.7, 7901.4, 8812.5, 10721.7, 11906.5, 11268.0, 11364.9 , 
10826.7, 9492.1, 10815.7, 11314.5, 10218.1, 10131.0, 9594.4, 10461.1, 
10337.3, 9993.0, 8208.5, 8127.3, 8304.4, 7957.3, 9230.6, 9300.6, 8804.5, 
8497.3, 7324.1, 7546.6, 7510.9, 7080.8, 7156.2, 7321.5, 7376.8
]

Membuat data Weeks

Sebelum membuat dataframe yang akan menjadi sumber data utama diperlukan tambahan 1 buah variabel yaitu Week. Variabel ini akan menjadi sumbu X dan harga bitcoin akan menjadi sumbu Y. Setelah variabel Week terbentuk maka proses selanjutnya adalah membuat dataframe dari kedua variabel tersebut. Berikut ini kode programnya.

weeks = list(range(1, len(prices)+1))
df = pd.DataFrame({'Week': weeks, 'Price': prices })
df.head()

Membagi dataframe menjadi 2 bagian

Pada bagian ini data akan dibagi menjadi 2 bagian yaitu pekan ke 1-52 menjadi dataframe tahun 2018 dan pekan 53-104 menjadi dataframe tahun 2019. Berikut ini kode programnya.

df2018 = df[0:52]
df2018.head()

df2019 = df[52:104]
df2019.head()

Membuat visualisasi data dengan Matplotlib

Pada bagian ini akan dijelaskan mengenai cara membuat diagram garis.

Membuat tempat visualisasi data

fig = plt.figure()
ax = plt.axes()

Menambahkan line chart

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'])

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2019['Week'],df2019['Price'])

Menggabungkan 2 Line Chart

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'])
ax.plot(df2019['Week'],df2019['Price'])

Memberikan title dan label pada line chart

Judul dapat ditambahkan pada diagram yang dibuat. Perintah set_title() digunakan untuk menampilkan judul pada diagram. Untuk label sumbu x digunakan perintah set_xlabel() sedangkan sumbu y digunakan perintah set_ylabel().

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'])
ax.plot(df2019['Week'],df2019['Price'])
ax.set_title('Bitcoin Price 2018- 2019')
ax.set_ylabel('Price')
ax.set_xlabel('Week')

Merubah warna dan tipe garis

Pada bagian ini dicontohkan untuk merubah warna garis dan tipe garis yang digunakan. Label 2018 diberi kode “co” yang artinya “c” itu cyan dan “o” itu jenis garis ang dalam bentuk bulat. Sedangkan label 2019 memilki kode “m^” yang artinya m itu magentha dan “^” itu jenis garis yang dalam bentuk segitiga

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'],'co')
ax.plot(df2019['Week'],df2019['Price'],'m^')
ax.set_title('Bitcoin Price 2018- 2019')
ax.set_ylabel('Price')
ax.set_xlabel('Week')

Mengatur ukuran sumbu X dan Y pada line chart

Untuk dapat melihat diagram lebih jelas dapat dilakukan dengan mengatur range nilai data. Pada contoh telihat bahwa x bernilai dari 0-104 , sedangkan nilai y memiliki rentan darii 1000-20000.

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'],'co')
ax.plot(df2019['Week'],df2019['Price'],'m^')
ax.set_xlim(0,104)
ax.set_ylim(1000,20000)
ax.set_title('Bitcoin Price 2018- 2019')
ax.set_ylabel('Price')
ax.set_xlabel('Week')

Menambahkan legend label

Legend pada diagram merupakan keterangan yang menunjukkan warna atau pola yang digunakan pada setiap label. Pada contoh terdapat 2 label yaitu 2018 dan 2019.

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'],'c+', label="2018")
ax.plot(df2019['Week'],df2019['Price'],'m2', label="2019")
ax.set_xlim(0,104)
ax.set_ylim(0,20000)
ax.set_title('Bitcoin Price 2018- 2019')
ax.set_ylabel('Price')
ax.set_xlabel('Week')
ax.legend(loc="upper center", ncol=2, shadow=True, borderpad=1);

Kesimpulan Line Chart – Visualisasi Data

Jawaban dari soal yang telah diberikan adalah tahun 2019. Pada tahun 2019 terlihat harga dari bitcoin meningkat pesat. Namun, pada pertengahan tahun terlihat menurun walaupun turunnya landai saja. Harga bitcoin di tahun 2018 cenderung terus menurun dari awal tahun sampai dengan akhir tahun.

Proses melakukan visualisasi data dengan menggunakan Matplotlib dapat dikatakan sangat mudah. Namun, tentu saja cara yang sudah dijelaskan hanya merupakan salah satu dari sekian banyak cara yang disediakan oleh Matplotlib itu sendiri. Pada artikel ini hanya membahas satu bentuk visualisasi data yaitu grafik garis. Kunjungi tautan ini untuk mengetahui tema data science lainnya.

The post Belajar Data Science – Visualisasi Data dengan Line Chart Matplotlib appeared first on Onestring Lab.