দুটি সংযুক্ত বিন্দুর সারিযুক্ত এই প্লটের নাম কী?

Question

আমি ইআইএ রিপোর্ট পড়ছি এবং এই চক্রান্তটি আমার দৃষ্টি আকর্ষণ করেছে। আমি এখন একই ধরণের প্লট তৈরি করতে সক্ষম হতে চাই।

এটি দু'বছরের (১৯৯০-২০১।) মধ্যে শক্তি উত্পাদনশীলতার বিবর্তন দেখায় এবং এই দুটি সময়ের মধ্যে পরিবর্তনের মান যুক্ত করে।

এই ধরণের প্লটের নাম কী? আমি কীভাবে এক্সেলে একই প্লট (বিভিন্ন দেশ সহ) তৈরি করতে পারি?

Comments

কি এই PDF উৎস? আমি এই চিত্রটি দেখতে পাচ্ছি না।

— গুং - মনিকা পুনরায়

আমি সাধারণত এটি ডট প্লট বলি।

— স্ট্যাটাস স্টুডেন্ট

আরেকটি নাম ললিপপ প্লট , বিশেষত যখন পর্যবেক্ষণগুলির জোড় করে ডেটা দেখানো হচ্ছে।

— আডিন

মনে হচ্ছে একটি ডাম্বেল প্লটের মতো।

— ব্যবহারকারী 2974951

Answer 1

@ গুংয়ের উত্তরটি চার্টের ধরণ সনাক্তকরণ এবং ওপির অনুরোধ অনুযায়ী এক্সেলে কীভাবে প্রয়োগ করা যায় তার একটি লিঙ্ক সরবরাহ করার ক্ষেত্রে সঠিক। তবে অন্যেরা কীভাবে আর / টিডিয়োভার্স / জিজিপ্লাটে এটি করতে চান তা জানতে নীচের সম্পূর্ণ কোডটি রয়েছে:

library(dplyr)   # for data manipulation
library(tidyr)   # for reshaping the data frame
library(stringr) # string manipulation
library(ggplot2) # graphing

# create the data frame 
# (in wide format, as needed for the line segments):
dat_wide = tibble::tribble(
  ~Country,   ~Y1990,   ~Y2015,
  'Russia',  71.5, 101.4,
  'Canada',  74.4, 102.9,
  'Other non-OECD Europe/Eurasia',  60.9, 135.2,
  'South Korea',   127, 136.2,
  'China',  58.5, 137.1,
  'Middle East', 170.9, 158.8,
  'United States', 106.8,   169,
  'Australia/New Zealand', 123.6, 170.9,
  'Brazil', 208.5, 199.8,
  'Japan',   181, 216.7,
  'Africa', 185.4,   222,
  'Other non-OECD Asia', 202.7,   236,
  'OECD Europe', 173.8, 239.9,
  'Other non-OECD Americas', 193.1, 242.3,
  'India', 173.8, 260.6,
  'Mexico/Chile', 221.1, 269.8
)

# a version reshaped to long format (for the points):
dat_long = dat_wide %>% 
  gather(key = 'Year', value = 'Energy_productivity', Y1990:Y2015) %>% 
  mutate(Year = str_replace(Year, 'Y', ''))

# create the graph:
ggplot() +
  geom_segment(data = dat_wide, 
               aes(x    = Y1990, 
                   xend = Y2015, 
                   y    = reorder(Country, Y2015), 
                   yend = reorder(Country, Y2015)),
               size = 3, colour = '#D0D0D0') +
  geom_point(data = dat_long,
             aes(x      = Energy_productivity, 
                 y      = Country, 
                 colour = Year),
             size = 4) +
  labs(title = 'Energy productivity in selected countries \nand regions',
       subtitle = 'Billion dollars GDP per quadrillion BTU',
       caption = 'Source: EIA, 2016',
       x = NULL, y = NULL) +
  scale_colour_manual(values = c('#1082CD', '#042B41')) +
  theme_bw() +
  theme(legend.position = c(0.92, 0.20),
        legend.title = element_blank(),
        legend.box.background = element_rect(colour = 'black'),
        panel.border = element_blank(),
        axis.ticks = element_line(colour = '#E6E6E6'))

ggsave('energy.png', width = 20, height = 10, units = 'cm')

এটি মান লেবেল যুক্ত করতে এবং একের ক্ষেত্রে যেখানে মানগুলি অদলবদল করে, সেইরকম রঙের হাইলাইট করতে বাড়ানো যেতে পারে।

Answer 2

এটি একটি বিন্দু চক্রান্ত। একে কখনও কখনও "ক্লিভল্যান্ড ডট প্লট" বলা হয় কারণ এখানে বিন্দু দিয়ে তৈরি হিস্টোগারের একটি বৈকল্পিক রয়েছে যা লোকেরা মাঝে মধ্যে ডট প্লটও বলে call এই নির্দিষ্ট সংস্করণটি প্রতি দেশ (দুই বছরের জন্য) দুটি বিন্দু প্লট করে এবং তাদের মধ্যে আরও ঘন রেখা আঁকবে। দেশগুলি পরবর্তী মান অনুসারে বাছাই করা হয়। প্রাথমিক উল্লেখটি হ'ল ক্লেভল্যান্ডের ভিজ্যুয়ালাইজিং ডেটা বই । গুগলিং আমাকে এই এক্সেল টিউটোরিয়ালে নিয়ে যায় ।

---

আমি ডেটা স্ক্র্যাপ করেছি, যদি কেউ তাদের সাথে খেলতে চায়।

                       Country  1990  2015
                        Russia  71.5 101.4
                        Canada  74.4 102.9
 Other non-OECD Europe/Eurasia  60.9 135.2
                   South Korea 127.0 136.2
                         China  58.5 137.1
                   Middle East 170.9 158.8
                 United States 106.8 169.0
         Australia/New Zealand 123.6 170.9
                        Brazil 208.5 199.8
                         Japan 181.0 216.7
                        Africa 185.4 222.0
           Other non-OECD Asia 202.7 236.0
                   OECD Europe 173.8 239.9
       Other non-OECD Americas 193.1 242.3
                         India 173.8 260.6
                  Mexico/Chile 221.1 269.8

Comments

বিটিডাব্লু, "স্ক্র্যাপ" এর অর্থ প্লটের বিন্দুগুলি যে মানগুলির প্রতিনিধিত্ব করে তা অনুমান করা। FWIW, আমি ওয়েব প্লট ডিজিটাইজার ব্যবহার করেছি ।

— গুং - মনিকা পুনরায়

অথবা। তুচ্ছভাবে, ডট চার্ট। পূর্ববর্তীগুলি মাটিতে পাতলা মনে হলেও বিদ্যমান। উদাহরণস্বরূপ Snedecor, GW 1937 দেখুন। পরিসংখ্যানগত পদ্ধতি কৃষি ও জীববিজ্ঞানের পরীক্ষায় প্রয়োগ করা হয়েছে । আমেস, আইএ: কলেজিয়েট প্রেস। এই গ্রাফটি এই সুপরিচিত পাঠ্যের পুনর্বিবেচনার পরে কিছু সময়ে ফেলে দেওয়া হয়েছিল; এটি সহ-লেখক ডাব্লুজি কোচরানের সাথে সংস্করণগুলিতে উপস্থিত হবে না

— নিক কক্স ২

Answer 3

কেউ কেউ এটিকে দুটি গ্রুপ সহ একটি (অনুভূমিক) ললিপপ প্লট বলে ।

এখানে কিভাবে ব্যবহার পাইথন এই চক্রান্ত করা হয় matplotlibএবং seaborn(শুধুমাত্র শৈলী জন্য ব্যবহৃত), থেকে অভিযোজিত https://python-graph-gallery.com/184-lollipop-plot-with-2-groups/ এবং অনুরোধ মন্তব্যগুলিতে ওপি।

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="whitegrid")  # set style

df = ...
df = df.set_index("Country").sort_values("2015")
df["change"] = df.apply(lambda df2: "{:+.0%}".format(df2["2015"] / df2["1990"] - 1), axis=1)
print(df)

#                                 1990   2015 change
# Country                                           
# Russia                          71.5  101.4   +42%
# Canada                          74.4  102.9   +38%
# Other non-OECD Europe/Eurasia   60.9  135.2  +122%
# South Korea                    127.0  136.2    +7%
# China                           58.5  137.1  +134%
# Middle East                    170.9  158.8    -7%
# United States                  106.8  169.0   +58%
# Australia/New Zealand          123.6  170.9   +38%
# Brazil                         208.5  199.8    -4%
# Japan                          181.0  216.7   +20%
# Africa                         185.4  222.0   +20%
# Other non-OECD Asia            202.7  236.0   +16%
# OECD Europe                    173.8  239.9   +38%
# Other non-OECD Americas        193.1  242.3   +25%
# India                          173.8  260.6   +50%
# Mexico/Chile                   221.1  269.8   +22%

plt.figure(figsize=(12,6))
y_range = range(1, len(df.index) + 1)
plt.hlines(y=y_range, xmin=df['1990'], xmax=df['2015'], color='grey', alpha=0.4, lw=3)
plt.scatter(df['1990'], y_range, color='blue', s=100, label='1990')
plt.scatter(df['2015'], y_range, color='black', s=100 , label='2015')
for (_, row), y in zip(df.iterrows(), y_range):
    plt.annotate(row["change"], (max(row["1990"], row["2015"]) + 2, y))
plt.legend(loc=2)

plt.yticks(y_range, df.index)
plt.title("Energy productivity in selected countries and regions, 1990 and 2015\nBillion dollars GDP per quadrillion BTU", loc='left')
plt.xlim(50, 300)
plt.gcf().subplots_adjust(left=0.35)
plt.tight_layout()
plt.show()