Коя графика за какъв въпрос

Накратко: Видът графика се избира по въпроса: подредени стълбове за сравнение, линия за промяна във времето и пак стълбове, а не кръг, за дял от цялото.

Проблем

Четири въпроса, едни данни

Управителят има четири въпроса за годината:

1. Кои продукти носят най-много пари?
2. Как върви оборотът ден след ден?
3. Каква част от оборота е всяка категория?
4. Колко е обичайната поръчка?

Данните са едни и същи: поръчките и редовете им. Графиката обаче е различна за всеки въпрос. Една графика, която отговаря на всичките, няма. Има графика, която отговаря добре на един въпрос, и много, които отговарят на него зле.

Идеята

Първо въпросът, после графиката

Не започвай от „искам кръг“ или „искам линия“. Започни от въпроса и виж какъв вид е:

• сравнение („кое е повече“): стълбове, подредени по стойност; при дълги имена хоризонтални (ax.barh);
• промяна във времето („как върви“): линия;
• дял от цялото („каква част“): пак подредени стълбове, в проценти; кръгът се чете по-трудно;
• разпределение („колко е обичайното, колко се пръска“): хистограма, в следващия урок;
• връзка („растат ли заедно“): разсейване (scatter), също в следващия урок.

Да видим първите три със същите данни.

Идеята

Сравнение: подредени хоризонтални стълбове

„Кои продукти носят най-много?“ е сравнение между 25 продукта. Имената им са дълги, затова стълбовете са хоризонтални: ax.barh(имена, стойности). Имената стоят отляво и се четат, без да се въртят.

Подреждането с sort_values() прави графиката класация. barh рисува първия ред най-долу, затова възходящият ред слага най-големия най-горе. figsize=(7, 7) дава на фигурата размер в инчове: 25 стълба искат височина.

Pythonданни: таблиците на магазина

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
products = pd.read_csv('products.csv')
# Оборотът е без отказаните поръчки.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
lines['product'] = lines['product_id'].map(products.set_index('id')['name'])
by_product = lines.groupby('product')['revenue'].sum().sort_values()
print(by_product.tail(3).round(2))
fig, ax = plt.subplots(figsize=(7, 7))
ax.barh(by_product.index, by_product.values)
ax.set_title('Оборот по продукти за годината')
ax.set_xlabel('Оборот, €')
fig.tight_layout()

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') products = pd.read_csv('products.csv') # Оборотът е без отказаните поръчки. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] lines['product'] = lines['product_id'].map(products.set_index('id')['name']) by_product = lines.groupby('product')['revenue'].sum().sort_values() print(by_product.tail(3).round(2)) fig, ax = plt.subplots(figsize=(7, 7)) ax.barh(by_product.index, by_product.values) ax.set_title('Оборот по продукти за годината') ax.set_xlabel('Оборот, €') fig.tight_layout()

▶ ИзпълниВърни кода

Сиренето носи най-много: 10 325,30 €. След него са кафето на зърна (9 585,10 €) и кашкавалът (8 616,50 €). Подредени, стълбовете отговарят на въпроса още преди да прочетеш числата.

По-точно, за любопитните

Без sort_values() продуктите идват по азбучен ред от groupby. Азбуката е удобна, когато търсиш един продукт по име. За въпроса „кое е най-много“ трябва ред по стойност.

Пробвай

Най-продаваните на бройки

Кои 10 продукта са продадени в най-много бройки за годината? Запиши ги в top (продуктът е индексът, бройките са стойността) и ги начертай като хоризонтални стълбове с най-големия най-горе.

Pythonданни: таблиците на магазина

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
products = pd.read_csv('products.csv')
# Оборотът е без отказаните поръчки.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
lines['product'] = lines['product_id'].map(products.set_index('id')['name'])
top = ...
fig, ax = plt.subplots()
...

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') products = pd.read_csv('products.csv') # Оборотът е без отказаните поръчки. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] lines['product'] = lines['product_id'].map(products.set_index('id')['name']) top = ... fig, ax = plt.subplots() ...

Провери▶ Изпълни

Идеята

Промяна във времето: линия

„Как върви оборотът ден след ден?“ е промяна във времето. Линията свързва всеки ден със следващия и окото следи посоката. 365 стълба биха били ограда, в която не се вижда нищо.

Оборотът по дни скача заради седмичния ритъм. Втора линия със средното за 7 дни (rolling(7) от урока за датите) показва посоката под шума:

Pythonданни: таблиците на магазина

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
products = pd.read_csv('products.csv')
# Оборотът е без отказаните поръчки.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
lines['product'] = lines['product_id'].map(products.set_index('id')['name'])
when = pd.to_datetime(lines['ordered_at'])
daily = lines.set_index(when)['revenue'].resample('D').sum()
print(len(daily), daily.idxmax().date(), round(daily.max(), 2))
fig, ax = plt.subplots(figsize=(9, 4))
ax.plot(daily.index, daily.values, linewidth=0.8, label='по дни')
ax.plot(daily.index, daily.rolling(7).mean(), linewidth=2, label='средно за 7 дни')
ax.legend()
ax.set_title('Оборот по дни, €')
ax.set_ylabel('Оборот, €')
fig.tight_layout()

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') products = pd.read_csv('products.csv') # Оборотът е без отказаните поръчки. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] lines['product'] = lines['product_id'].map(products.set_index('id')['name']) when = pd.to_datetime(lines['ordered_at']) daily = lines.set_index(when)['revenue'].resample('D').sum() print(len(daily), daily.idxmax().date(), round(daily.max(), 2)) fig, ax = plt.subplots(figsize=(9, 4)) ax.plot(daily.index, daily.values, linewidth=0.8, label='по дни') ax.plot(daily.index, daily.rolling(7).mean(), linewidth=2, label='средно за 7 дни') ax.legend() ax.set_title('Оборот по дни, €') ax.set_ylabel('Оборот, €') fig.tight_layout()

▶ ИзпълниВърни кода

Дните са 365. Най-силният е 26 декември 2025 с 852,90 €. Тънката линия е зъбеста всяка седмица, а дебелата показва големия върх през декември и спадовете през януари и септември. По хоризонталата са дати: ordered_at е превърнат в дата с pd.to_datetime и matplotlib сам слага месеците.

Идеята

Малки графики една до друга

В предния урок седемте категории в една ос се преплитаха. Друг начин е всяка категория да е в своя малка графика, а графиките да стоят една до друга. Това се казва малки графики (small multiples).

plt.subplots(2, 3) дава фигура с 2 реда и 3 колони оси. axes е масив от NumPy с форма (2, 3), а axes.flat ги дава една по една. sharey=True дава на всички една и съща вертикална скала. fig.suptitle е заглавие на цялата фигура. По хоризонталата е само номерът на месеца (pv.index.str[5:]), за да се събере:

Pythonданни: таблиците на магазина

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
products = pd.read_csv('products.csv')
# Оборотът е без отказаните поръчки.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
lines['product'] = lines['product_id'].map(products.set_index('id')['name'])
categories = pd.read_csv('categories.csv')
cat_of = products.set_index('id')['category_id']
cat_name = categories.set_index('id')['name']
lines['category'] = lines['product_id'].map(cat_of).map(cat_name)
pv = lines.pivot_table(index='month', columns='category', values='revenue', aggfunc='sum')
fig, axes = plt.subplots(2, 3, figsize=(10, 6), sharey=True)
for ax, name in zip(axes.flat, pv.columns):
    ax.plot(pv.index.str[5:], pv[name])
    ax.set_title(name)
fig.suptitle('Оборот по месеци, €')
fig.tight_layout()
print(axes.shape)

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') products = pd.read_csv('products.csv') # Оборотът е без отказаните поръчки. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] lines['product'] = lines['product_id'].map(products.set_index('id')['name']) categories = pd.read_csv('categories.csv') cat_of = products.set_index('id')['category_id'] cat_name = categories.set_index('id')['name'] lines['category'] = lines['product_id'].map(cat_of).map(cat_name) pv = lines.pivot_table(index='month', columns='category', values='revenue', aggfunc='sum') fig, axes = plt.subplots(2, 3, figsize=(10, 6), sharey=True) for ax, name in zip(axes.flat, pv.columns): ax.plot(pv.index.str[5:], pv[name]) ax.set_title(name) fig.suptitle('Оборот по месеци, €') fig.tight_layout() print(axes.shape)

▶ ИзпълниВърни кода

С обща скала височините се сравняват: млечните са най-високо през цялата година, а кухнята е ниско с един връх през декември. Всяка линия се чете сама, без легенда и без цветове за разпознаване.

Идеята

Дял от цялото: стълбове срещу кръг

„Каква част от оборота е всяка категория?“ е въпрос за дял. Често за него се рисува кръгова диаграма (pie chart). Ето кръга и подредените стълбове с едни и същи числа, една до друга. plt.subplots(1, 2) дава две оси: тук ги кръщаваме left и right:

Pythonданни: таблиците на магазина

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
products = pd.read_csv('products.csv')
# Оборотът е без отказаните поръчки.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
lines['product'] = lines['product_id'].map(products.set_index('id')['name'])
categories = pd.read_csv('categories.csv')
cat_of = products.set_index('id')['category_id']
cat_name = categories.set_index('id')['name']
lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Подаръчна карта')
by_cat = lines.groupby('category')['revenue'].sum()
share = (by_cat / by_cat.sum() * 100).sort_values()
print(share.round(1))
fig, (left, right) = plt.subplots(1, 2, figsize=(11, 4.5))
left.pie(share.values, labels=share.index)
left.set_title('Кръг')
right.barh(share.index, share.values)
right.set_title('Подредени стълбове')
right.set_xlabel('Дял от оборота, %')
fig.suptitle('Делът на категориите в оборота')
fig.tight_layout()

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') products = pd.read_csv('products.csv') # Оборотът е без отказаните поръчки. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] lines['product'] = lines['product_id'].map(products.set_index('id')['name']) categories = pd.read_csv('categories.csv') cat_of = products.set_index('id')['category_id'] cat_name = categories.set_index('id')['name'] lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Подаръчна карта') by_cat = lines.groupby('category')['revenue'].sum() share = (by_cat / by_cat.sum() * 100).sort_values() print(share.round(1)) fig, (left, right) = plt.subplots(1, 2, figsize=(11, 4.5)) left.pie(share.values, labels=share.index) left.set_title('Кръг') right.barh(share.index, share.values) right.set_title('Подредени стълбове') right.set_xlabel('Дял от оборота, %') fig.suptitle('Делът на категориите в оборота') fig.tight_layout()

▶ ИзпълниВърни кода

От кръга се вижда, че млечните са най-голямото парче, малко над една четвърт. Почистването (9,8%) и кухнята (10,2%) обаче изглеждат еднакви. Хлябът (11,9%) също е близо до тях. Стълбовете вдясно ги нареждат и разликите се виждат.

1. Погледни само кръга вляво. Кое е по-голямо: кухнята или почистването?

Кухнята, с 10,2% срещу 9,8%: но го казват стълбовете, не кръгътПочистванетоРавни са

Провери

Идеята

Защо кръгът подвежда

Стълбовете се сравняват по дължина от една и съща линия. Окото прави това точно. Кръгът кара окото да сравнява ъгли и площи на парчета, които са завъртени различно. Това окото прави зле, особено при близки дялове.

Кръгът има и други проблеми:

• над 4–5 парчета надписите се трупат;
• два кръга един до друг (декември срещу година) почти не се сравняват;
• цветът е единственото, което свързва парчето с името.

Кръгът върши работа в един случай: две-три парчета и въпрос „повече или по-малко от половината?“. За всичко друго подредените стълбове казват същото по-ясно.

Идеята

Разпределение и връзка

Остават два вида въпроси. За тях трябват графики, които идват в следващия урок:

• разпределение: „колко е обичайната поръчка?“ Отговорът не е едно число, а как се пръскат 10 459 поръчки: колко са малки, колко са големи. Това показва хистограмата;
• връзка: „поръчките с повече редове по-скъпи ли са?“ Всяка поръчка става точка с две числа. Облакът от точки е разсейване (scatter).

1. Управителят пита: „Колко е обичайната поръчка: повечето около 5 € ли са, или около 20 €?“ Каква графика отговаря?

Кръг по категорииЛиния по месециХистограма: колко поръчки има във всеки интервал от стойности

2. „Поръчките с повече редове по-скъпи ли са?“ Каква графика отговаря?

Линия по дниРазсейване (scatter): точка за всяка поръчка, редове по хоризонталата, сума по вертикалатаСтълбове по продукти

Провери

Упражнение

Какво носи декември

Декември е най-силният месец. Повече поръчки ли има, или по-големи? Запиши в orders_n броя поръчки за всеки месец (без отказаните), в avg средната поръчка в евро, и ги начертай като две линии в две оси една до друга, всяка със заглавие.

Pythonданни: таблиците на магазина

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
products = pd.read_csv('products.csv')
# Оборотът е без отказаните поръчки.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
lines['product'] = lines['product_id'].map(products.set_index('id')['name'])
orders_n = ...
revenue = lines.groupby('month')['revenue'].sum()
avg = ...
fig, (left, right) = plt.subplots(1, 2, figsize=(10, 4))
...

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') products = pd.read_csv('products.csv') # Оборотът е без отказаните поръчки. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] lines['product'] = lines['product_id'].map(products.set_index('id')['name']) orders_n = ... revenue = lines.groupby('month')['revenue'].sum() avg = ... fig, (left, right) = plt.subplots(1, 2, figsize=(10, 4)) ...

Провери▶ Изпълни

Каква част от оборота през декември 2025 е всяка категория, с подаръчната карта? Запиши в share дела в проценти, подреден, и го начертай като хоризонтални стълбове с най-големия най-горе.

Pythonданни: таблиците на магазина

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv('year_orders.csv')
items = pd.read_csv('year_items.csv')
products = pd.read_csv('products.csv')
# Оборотът е без отказаните поръчки.
sold = orders[orders['status'] != 'cancelled']
lines = items.merge(sold, left_on='order_id', right_on='id')
lines['revenue'] = lines['quantity'] * lines['unit_price']
lines['month'] = lines['ordered_at'].str[:7]
lines['product'] = lines['product_id'].map(products.set_index('id')['name'])
categories = pd.read_csv('categories.csv')
cat_of = products.set_index('id')['category_id']
cat_name = categories.set_index('id')['name']
lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Подаръчна карта')
dec = ...
share = ...
fig, ax = plt.subplots()
...

import pandas as pd import matplotlib.pyplot as plt orders = pd.read_csv('year_orders.csv') items = pd.read_csv('year_items.csv') products = pd.read_csv('products.csv') # Оборотът е без отказаните поръчки. sold = orders[orders['status'] != 'cancelled'] lines = items.merge(sold, left_on='order_id', right_on='id') lines['revenue'] = lines['quantity'] * lines['unit_price'] lines['month'] = lines['ordered_at'].str[:7] lines['product'] = lines['product_id'].map(products.set_index('id')['name']) categories = pd.read_csv('categories.csv') cat_of = products.set_index('id')['category_id'] cat_name = categories.set_index('id')['name'] lines['category'] = lines['product_id'].map(cat_of).map(cat_name).fillna('Подаръчна карта') dec = ... share = ... fig, ax = plt.subplots() ...

Провери▶ Изпълни

Тест

Провери се

1. Искаш да сравниш оборота на 25 продукта с дълги имена. Кое е най-четимо?

ax.bar по азбучен редКръг с 25 парчетаax.barh с подредени стойности: имената са отляво, най-големият е най-горе

2. Начертал си top = units.nlargest(10) с ax.barh. Защо най-продаваният продукт е най-долу?

barh рисува първия ред най-долу, а nlargest слага най-големия първиЗащото бройките са цели числаbarh подрежда по азбука

3. Брой поръчки и средна поръчка в евро по месеци. Защо в две оси една до друга, а не в една?

Защото са 12 месецаМерките са различни: около 700–1 200 поръчки и около 10–13 €. В една ос средната поръчка е плоска линия долуmatplotlib не може две линии в една ос

4. Какво прави sharey=True в plt.subplots(2, 3, sharey=True)?

Слага обща легендаВсичките 6 оси са с една и съща вертикална скала, затова височините се сравняватВсички оси показват едни и същи данни

5. Кое е първото нещо, което решаваш, преди да начертаеш графика?

ЦветоветеДали да е с pandas или с matplotlibВъпросът, на който тя отговаря

Провери

Започни урока отначало

Свързани уроци

• Нужно отпреди: Съединяване: merge · Широко и дълго: pivot_table и melt · Дати и времеви редове · Първата графика
• Продължава в: Разпределения · Честни графики · Защо оборотът падна?
• Задачи по темата: Графики