Datenvisualisierung und Entscheidungsfindung

Name: Datenvisualisierung und Entscheidungsfindung
Author: Bill Hood

Nutzung von Diagrammen, um fundierte Geschäftsentscheidungen zu treffen, unter Verwendung von Balken-, Wärme- und Liniendiagrammen

Preview the first lesson free — get full access to all 3 lessons.

Demo anfragen Anmelden

Kurs: On-Demand

Hallo. In dieser Lektion werden wir alles zusammenführen. Unser Kunde hat uns beschrieben, dass er diese fünf hat Maschinen namens ABCD und E. In Ordnung. Dieser Hersteller hat keine visuelle Darstellung davon Produktionsprozess oder -fähigkeiten. Einfach überhaupt nichts. Unser Ziel ist es, den Prozess bildlich darzustellen. In Ordnung. Jede Maschine hat eine bestimmte Teilerate pro Stunde Wir werden auch eine Python-Liste erstellen. Beachten Sie nun, dass unser Satz fünf sein muss diese und davon gibt es fünf. Jede Maschine arbeitet täglich so viele Stunden. Und noch einmal, das ist alles entsprechend. Mit anderen Worten, diese 12 Stunden beziehen sich auf ein Dies 14 Stunden Einsatzfähigkeit pro Tag liegen bei Respekt vor b und so weiter. Jede Maschine hat eine Umschaltzeit in Stunden. Und das heißt, zwischen den Teilen brauchen sie im Koffer 2 Stunden bei Maschine A bzw. 4 Stunden bei Maschine E für die Umschaltung. Jede Maschine hat einen Zeitplan. Ein herzustellendes Teil und eine zu produzierende Nummer. Und was wir tun werden, ist, das in ein Tupel zu packen. Wir haben fünf Maschinen. Hier ist also unsere erste Art einer schönen großen Python-Operation. Wir werden für jeden von uns einen Zeitplan erstellen Maschinen, und das werden wir anhand eines Produktplans sehen. Im Fall der A-Maschine ist also die Herstellung von Teil A geplant. B und C, und es würde jeweils wieder 500.856 Hundert ergeben. Also Teil A, 500. Teil B, 850. Teil C, 600. Die B-Maschine wird die Teile C, D und E herstellen. Die C-Maschine würde die Teile A, B und C herstellen. Die D-Maschine würde de machen. Und A, die E-Maschine würde ein B und ein C machen. Und hier sind die jeweiligen Zählungen. Jetzt. Was machen wir hier? Wir orientieren uns eigentlich nur an den Anforderungen des Unternehmens. Das Unternehmen verfügt über diese fünf Maschinen. Das Unternehmen muss diese drei Teile erstellen. Und alles, was wir wirklich tun, ist, Python zu nehmen und es zu formen das Geschäft. Jetzt. Wir lieben Pandas. Wir lieben Datenrahmen. Rate mal? Dies bewirkt dies. Durch die Verwendung einer Pandas-Datenrahmenoption oder eines Pandas-Steuerelements können wir dies einfach tun Zeigen Sie einfach auf unseren A-Zeitplan und schieben Sie ihn in einen Datenrahmen. Das ist sehr praktisch für uns. Und genau das wollen wir mit diesem Befehl hier tun: diese Reihe von Befehlen. Was bedeutet das nun auch? Nun, wir haben fünf davon. Wir müssen das fünfmal machen. Wir werden also diese fünf Datenrahmen erstellen. Jeder dieser Datenrahmen wird den Zeitplan haben. Also säen wir jedes davon. In Ordnung. Als nächstes müssen wir den Maschinenpreis festlegen da drin. Weil Die Maschine A produziert 40 Teile pro Stunde. Maschine B kann nur 20 Teile pro Stunde produzieren. Maschine C, aber ein anderer Tarif. Wir müssen das also berücksichtigen, um dies zu erreichen Berechnen Sie richtig, wie lange es dauern wird. Fügen wir also eine neue Spalte für den Maschinenpreis hinzu. Und lasst uns das einfach aus dieser Liste hier herausholen. Und Sie können sehen, dass wir es einfach durchdrehen und pumpen diese Daten in unseren Datenrahmen. Und jetzt, was wir auch tun, haben wir mit der Schaffung eines begonnen Tupel, schob es in einen Datenrahmen. Jetzt beleben wir diesen Datenrahmen, indem wir neue Spalten hinzufügen. Fügen wir eine weitere Spalte für „Umschalten“ und eine weitere für hinzu Betriebsstunden. Und noch einmal: Der Grund, warum wir das tun würden, ist, dies zu berücksichtigen Überlegen Sie, wie lange die Maschine pro Tag läuft um herauszufinden, wie lange die verstrichene Zeit dieses Laufs ist wird sein. Also gut, fügen wir noch ein paar Spalten hinzu und fangen an Schauen Sie sich diese Daten an. Fügen wir eine Spalte für die Produktionszeit hinzu. Und das ist unser erstes Berechnungsfeld. Was wir hier also tun werden, ist, dass wir es noch einmal tun: Alles erledigt mal fünf, denn diese fünf haben wir verschiedene Maschinen und wir haben für jede dieser Maschinen diesen Zeitplan Maschinen. Und was wir hier tun werden, ist, etwas einzufügen Produktionszeit als Verhältnis der Anzahl dividiert durch die Rate. Nun, wenn man 500 Teile produzieren muss und es 500 produziert Teile pro Stunde, dann würde das einer Produktionsstunde in entsprechen wie wir rechnen wollen würden. Also machen wir das für alle diese Teile. Das gibt uns die Möglichkeit, die Rohproduktionszeit zu berechnen, Das wäre diese Plus-Umschaltung. Das fügt also dieses Feld hinzu. Das letzte Feld, das wir erstellen können, ist eine abgelaufene Produktion Zeit, die ein Verhältnis davon ist, wie lange die Maschine pro Tag läuft, oder wie lange es dauert, das im Verhältnis zum Wie zu produzieren Lange läuft es an einem 24-Stunden-Tag. Lassen Sie uns fortfahren und einfach den Datenrahmen ausdrucken. Und es ist nur der erste, Datenrahmen A. Und lassen Sie uns diesen Code hier ausführen. Schau dir das an. Alles klar, hier ist unser Datenrahmen. Yay. Und schauen Sie, was wir haben. Wir haben alle diese Berechnungen durchgeführt. Wir begannen, wenn Sie sich erinnern, mit dem Zeitplan. In Ordnung. Und das war es. Wir haben mit Maschine A begonnen, und das werden wir auch tun Schauen Sie sich a, B und C für 500.856 Hundert an. Schauen wir uns also an, was wir hier haben. Ja, schauen Sie sich die ursprüngliche Zählung an. Produkt A, 500. Produkt b 850. Produkt C, 600. Maschinenpreis, 40. Macht das nun Sinn? Schauen wir uns den Maschinenpreis hierfür an und wir werden es herausfinden. Wir kehren hier zum Original zurück. Ja, der Maschinenpreis für Maschine A beträgt 40. Das würde also Sinn machen. Alles klar, es hat die Produktionszeit berechnet, das Rohmaterial Produktionszeit, also die Umstellung plus Produktion Zeit: 14,5 Stunden. Das ist großartig. Und dann würde eine Zeitspanne dies berücksichtigen dieser läuft nur 12 Stunden am Tag. In diesem Fall müssen sie also 30 Stunden Zeit haben verstrichene Zeit, um die Hälfte der Zeit auszugleichen, in der sie es nicht sind läuft. Und in diesem Fall würde die Erstellung des Produkts 29 Stunden dauern 46, gefolgt von diesem Produkt nach 46 Stunden und diesem dritten Produkt nach 34 Stunden. Also nah genug dran, um das grafisch darzustellen. Lass uns einen Blick darauf werfen. Und im Grunde sagen wir einfach: Hey, die Daten sind fertig. Wir verweisen auf den Datenrahmen DFA und zeichnen diesen auf und sehen, was wir haben. Und ich mag es. Schau dir das an. Also gleich zu Beginn ein paar Codezeilen. Und wir können sehen, dass wir unsere Variablen haben. Es hat sie gestapelt, weil wir es darum gebeten haben. Und das ist wirklich nur eine erste Tabelle, nur um sicherzugehen Alles funktioniert und ist betriebsbereit und sieht großartig aus. Aber wir müssen uns jetzt einarbeiten, und wir haben einen Rahmen dafür in dem wir uns vertiefen können. Beachten Sie also, dass unser Datenrahmen alle diese grundlegenden Antworten enthält. Es ermöglicht uns, alle möglichen coolen Sachen wie diese zu machen. Angenommen, wir wollten noch eins machen Diagramm daraus und einer Teilmenge. Mit anderen Worten, wir wollen nun die X-Achse darauf festlegen Produkt und die Y, die verstrichene Produktionszeit sein soll. Lassen Sie uns das also ausführen und wir werden feststellen, dass wir ein anders aussehendes Diagramm erhalten vergleicht die verstrichene Produktionszeit pro Produkt. Hier also Produkt A, B und C. Lassen Sie uns hier den nächsten Schritt machen und einen Blick auf ein anderes Verhältnis werfen Das wo wir jetzt das Produkt nehmen und es mit dem vergleichen Produktionszeit hier. Und machen Sie das hier. Schauen wir uns die Rohproduktionszeit pro Produkt an. Also werden wir das durchführen. Und im Grunde sollten Sie dazu jetzt Folgendes beachten Da wir diese Daten eingerichtet haben, können wir alles Mögliche tun Verschiedene Diagramme, um zu verstehen, ob unsere Produktion Der Prozess funktioniert so, wie er sollte. Also gut, damit ist diese Lektion abgeschlossen. In der nächsten Lektion werden wir uns mit der Entscheidungsfindung befassen Heatmaps. Danke schön.

Mittelstufe Anbieter : Bill Hood 3 Lektionen · 17m auf Arabisch, Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Chinese

Kursbeschreibung

In diesen Lektionen lernen Sie, eine geschäftliche Herausforderung mit Python zu modellieren. Wir beginnen mit der Anwendung der Grundregeln des Unternehmens auf Python-Listen und andere Variablen, die wir programmatisch in unseren Entwurf einbeziehen und dann als Geschäftsregeln verwenden können. In unserem Beispiel kann ein Fertigungsunternehmen eine Reihe von verschiedenen Produkten auf einer Reihe von Maschinen herstellen. Jede Maschine hat eine Reihe von Attributen, wie z. B. die Rüstzeit und die Geschwindigkeit der Maschine in Form von Teilen pro Stunde, die sich auf die Gesamtzeit für die Herstellung des Produkts auswirken, die wir als Histogramm darstellen werden.

Dann werden wir die Einführung einer mathematischen Korrelation zur Darstellung einer Heatmap betrachten, die eine neue Art der Visualisierung ermöglicht, die beste Korrelation. Sie werden verschiedene Attribute neuer Autos wie Gewicht, Leistung, Kraftstoffverbrauch, Anzahl der Zylinder und Beschleunigung miteinander in Beziehung setzen und dann die Korrelation auf einer Wärmekarte darstellen. Abschließend werden wir eine Übung durchführen, die den Vergleich mit einfachen Liniendiagrammen erforscht.

Was Sie lernen werden

Modellieren Sie eine geschäftliche Herausforderung in Python mit Listen, Tupeln, Arrays und anderen Variablen, um Geschäftsregeln programmatisch zu codieren
Zeichnen Sie Maschinenattribute wie Einrichtungszeit und Teile-pro-Stunde-Geschwindigkeit als Histogramm, um die Produktionszeit zu bewerten
Erstellen Sie eine Heatmap mit mathematischer Korrelation, um die beste Korrelation zwischen Datenattributen zu identifizieren
Korrelieren Sie Fahrzeugattribute wie Gewicht, Leistung, Kraftstoffverbrauch, Anzahl der Zylinder und Beschleunigung auf einer Heatmap
Vergleichen Sie Daten mit einfachen Liniendiagrammen
Beurteilen Sie, wenn ein Datensatz sich selbst für einen bestimmten Diagrammtyp eignet

Wichtige Erkenntnisse

Grundlegende Geschäftsregeln können auf Python-Listen und andere Variablen angewendet werden, sodass sie programmatisch in ein Design einbezogen und als Geschäftsregeln verwendet werden.
Maschinenattribute wie Einrichtungszeit und Geschwindigkeit in Teilen pro Stunde beeinflussen die Gesamtzeit zur Herstellung eines Produkts, die als Histogramm dargestellt werden kann.
Die Einführung einer mathematischen Korrelation ermöglicht eine Heatmap-Visualisierung, die die beste Korrelation zwischen Attributen hervorhebt.
Plot-Daten können mit einer Python-Liste oder einem Tupel von Daten ergänzt werden.
Die Auswahl eines Diagrammtyps hängt davon ab, ob sich ein bestimmter Datensatz für diesen Diagrammtyp eignet.

Häufig gestellte Fragen

Was werde ich in diesem Kurs tun lernen?

Sie lernen, eine geschäftliche Herausforderung mit Python zu modellieren, Geschäftsregeln auf Python-Listen und Variablen anzuwenden und Daten als Histogramme (Balkendiagramme), Heatmaps und Liniendiagramme zu zeichnen, um die Entscheidungsfindung zu unterstützen.

Welche Diagrammtypen werden in dem Kurs behandelt?

Der Kurs behandelt Plotentscheidungen mit Balkendiagrammen (Histogrammen), Heatmaps und Liniendiagrammen.

Welche Python-Datenstrukturen werden verwendet?

Der Kurs behandelt die Verwendung von Python-Variablen, einschließlich Listen, Tupeln und Arrays, und zeigt, wie man Plot-Daten mit einer Python-Liste oder einem Tupel ergänzt.

Worauf basiert das Heatmap-Beispiel?

Es korreliert mehrere Attribute neuer Automobile wie Gewicht, Leistung, Kraftstoffverbrauch, Anzahl der Zylinder und Beschleunigung und zeichnet die Korrelation dann auf einer Heatmap.

Welche Fähigkeiten hilft dieser Kurs zu entwickeln?

Er entwickelt Fähigkeiten in automatisiertem Geschäftsdesign, Geschäftsanalyse, Geschäftsmodellierung, Geschäftsprozessmodellierung, Geschäftssimulation und Prozessmodellierung.