الرسوم البيانية باستخدام pandas و matplotlib

لديك أرقام تجيب عن سؤال رئيس النمو، وقريبًا ستعرضها. جدول من 24 رقمًا شهريًا يجعل الناس يضيّقون أعينهم؛ أما رسم خطي للأرقام نفسها فيُظهر قفزة نوفمبر قبل أن يقرأ أحد أي محور. الرسوم البيانية ليست زينة تُضاف في النهاية. إنها الطريقة التي سيستهلك بها معظم الناس تحليلك، والرسم الجيد كثيرًا ما يكون هو الرسالة كلها.

كود الرسوم في هذا الدرس مخصّص لـ Jupyter notebook الخاص بك: كتل Run في هذه الدورة تعرض نصًا مطبوعًا لا صورًا. أما تجهيز البيانات فيعمل هنا كالمعتاد.

اختر الرسم من السؤال

معظم الرسوم البيانية في العمل واحد من هذه الأربعة. الرسوم الدائرية تقارن بشكل سيئ بعد شريحتين أو ثلاث؛ ورسم الأعمدة المرتّبة يقول الشيء نفسه بوضوح أكبر. والرسوم ذات المحورين الرأسيين المختلفين تدعو القارئ إلى مقارنة خطوط على مقاييس لا علاقة بينها، ففضّل رسمين مكدّسين أحدهما فوق الآخر.

جهّز البيانات ثم ارسم

الرسم البياني يريد جدولًا صغيرًا: صف لكل نقطة أو عمود، مرتّبًا ومسمّى مسبقًا. بناؤه عمل pandas عادي، ويعمل هنا:

import pandas as pd

items = pd.read_csv("order_items.csv")
orders = pd.read_csv("orders.csv", parse_dates=["order_date"])
items["revenue"] = items["quantity"] * items["unit_price"] * (1 - items["discount"])
orders = orders.merge(items.groupby("order_id", as_index=False)["revenue"].sum(), on="order_id", validate="one_to_one")
orders = orders[orders["status"] != "cancelled"]

monthly = orders.set_index("order_date").resample("ME")["revenue"].sum()
by_year = monthly.groupby([monthly.index.year, monthly.index.month]).sum().unstack(level=0)
by_year.index.name = "month"
print(by_year.round(0))

تنقل unstack(level=0) السنة إلى الأعمدة، فيصبح هناك عمود لكل سنة وصف لكل شهر: الشكل المطلوب بالضبط لرسم فيه خط لكل سنة. ومقارنة السنوات على محور واحد من يناير إلى ديسمبر هي طريقة رؤية الموسمية: إذا ارتفع الخطان كلاهما في نوفمبر، فقفزة نوفمبر نمط لا مصادفة.

ارسمه باستخدام pandas و matplotlib

تستدعي methods .plot في pandas مكتبة matplotlib نيابةً عنك. أنشئ الـ figure والـ axes بنفسك، كي تستطيع إنهاء الرسم كما يجب:

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(8, 4))
by_year.plot(ax=ax, marker="o")
ax.set_title("November is the peak in both years; 2025 runs about 2.7x 2024")
ax.set_xlabel("Month")
ax.set_ylabel("Revenue (USD)")
ax.yaxis.set_major_formatter("${x:,.0f}")
ax.set_xticks(range(1, 13))
ax.legend(title="Year")
fig.tight_layout()
fig.savefig("monthly_revenue.png", dpi=150, bbox_inches="tight")

تعيد plt.subplots() كائن figure (الصورة كلها) وكائن axes (منطقة رسم واحدة بمحوريها الأفقي والرأسي). ترسم by_year.plot(ax=ax) خطًا لكل عمود على تلك الـ axes، وكل استدعاء ax.set_... يحسّنها. ونص التنسيق الممرَّر إلى set_major_formatter يحوّل قيم العلامات على المحور إلى دولارات بفواصل الآلاف. وتكتب savefig الملف الذي تلصقه في شريحة العرض؛ وbbox_inches="tight" تقصّ الهوامش الفارغة.

ولمقارنة الفئات، رتّب أولًا واستخدم أعمدة أفقية كي تبقى التسميات الطويلة مقروءة:

# sales: the line-level table you built in Lesson 4.2
revenue_by_country = sales.groupby("country")["revenue"].sum().sort_values()

fig, ax = plt.subplots(figsize=(7, 4))
bars = ax.barh(revenue_by_country.index, revenue_by_country.values)
ax.bar_label(bars, fmt="${:,.0f}", padding=3)
ax.set_title("UAE and UK lead revenue; Jordan trails")
ax.set_xlabel("Revenue 2024-2025 (USD)")
fig.tight_layout()

وللتوزيع، مدرّج تكراري لقيم الطلبات مع تحديد الوسيط:

fig, ax = plt.subplots(figsize=(7, 4))
orders["revenue"].plot.hist(bins=40, ax=ax)
ax.axvline(orders["revenue"].median(), linestyle="--", label="median $147")
ax.set_xlabel("Order value (USD)")
ax.legend()

وللعلاقات، يضع مخطط الانتشار (scatter plot) عمودًا رقميًا على كل محور. مع آلاف النقاط تتكدّس في كتلة واحدة، فاجعلها صغيرة وشبه شفافة، وكثيرًا ما يكون أوضح أن ترسم ملخّصًا بدلًا من ذلك، مثل معدّل الشراء لكل عدد من الصفحات المعروضة:

# assumes fig, ax = plt.subplots() and churn.csv / web_sessions.csv loaded as churn / sessions
churn.plot.scatter(x="tenure_days", y="total_spent", s=8, alpha=0.3, ax=ax)

rate = sessions.groupby("pages_viewed")["purchased"].mean()
rate.loc[:15].plot(ax=ax, marker="o")   # one point per page count, up to 15

السطر الأول هو النمط لأي عمودين رقميين، وهنا مدة بقاء كل عميل مقابل إجمالي إنفاقه من churn.csv؛ والسطران الآخران يحوّلان 6,000 جلسة إلى خمس عشرة نقطة مقروءة، كل منها معدّل تحويل.

افحص الرسم قبل أن تشاركه

الرسوم البيانية تخفي الأخطاء ببراعة. قبل أن يغادر رسم الـ notebook الخاص بك، قارنه بالجدول الذي جاء منه: عدد الأعمدة أو النقاط، والفترة الأولى والأخيرة (الشهر الجزئي في النهاية يبدو انهيارًا، كما حذّر الدرس 4.4)، وقيمة أو اثنتين تستطيع قراءتهما من الرسم ومقارنتهما برقم مطبوع. ثم انظر إليه مرة كما ينظر غريب: هل يستطيع من لم يرَ البيانات قط أن يقول ما يُظهره في جملة واحدة؟ إن لم يستطع، فغيّر العنوان أو ترتيب الفرز أو نوع الرسم، لا القارئ.

ستقابل أيضًا seaborn، وهي مكتبة مبنية على matplotlib بإعدادات افتراضية إحصائية جيدة. كل ما هنا ينطبق عليها: ترسم على الـ ax نفسها، وتنطبق القواعد نفسها عن خطوط الأساس والعناوين.

في تمرين هذا الدرس تختار الرسوم المناسبة لمجموعة من الأسئلة. وفي الدرس التالي تجمع كل شيء معًا وتجيب عن سؤال الربع الرابع من البداية إلى النهاية.