Когда дело доходит до визуализации данных, мы часто фокусируемся на основном сюжете и самих данных. Однако силу названий сюжетных линий не следует недооценивать. Заголовки подсюжетов обеспечивают контекст, подчеркивают ключевые идеи и направляют читателей через несколько визуализаций в рамках одного сюжета. В этой статье блога мы рассмотрим различные методы использования заголовков подграфиков для улучшения визуализации данных. Итак, давайте углубимся и узнаем, как вывести визуальное повествование на новый уровень!

import matplotlib.pyplot as plt
fig, axes = plt.subplots(2, 2)
axes[0, 0].plot(x, y)
axes[0, 0].set_title("Revenue Growth")
axes[0, 1].scatter(x, y)
axes[0, 1].set_title("Customer Segmentation")
axes[1, 0].bar(x, y)
axes[1, 0].set_title("Product Sales")
axes[1, 1].hist(data)
axes[1, 1].set_title("Distribution Analysis")
plt.show()

Метод 2. Увлекательные вопросы

library(ggplot2)
plot1 <- ggplot(data, aes(x = variable1, y = variable2)) +
  geom_point() +
  labs(title = "Are Variable1 and Variable2 correlated?")
plot2 <- ggplot(data, aes(x = variable3, y = variable4)) +
  geom_bar() +
  labs(title = "Which Variable3 category has the highest count?")
plot_grid(plot1, plot2, nrow = 1)

Метод 3: рассказывание историй

import seaborn as sns
fig, axes = plt.subplots(1, 3, figsize=(12, 4))
sns.lineplot(data=df, x="date", y="temperature", ax=axes[0])
axes[0].set_title("Temperature Fluctuations")
sns.boxplot(data=df, x="season", y="temperature", ax=axes[1])
axes[1].set_title("Seasonal Comparison")
sns.barplot(data=df, x="year", y="temperature", ax=axes[2])
axes[2].set_title("Yearly Trends")
plt.tight_layout()
plt.show()