📊 நாள் 49 · AI-யுடன் விளக்கப்படங்கள் (Data Visualization)
விளக்கப்படங்கள் உருவாக்குதல் (Charts using AI)
Bar Chart, Pie Chart, Scatter Plot, Line Chart, Histogram — செய்யறிவு (AI) மூலம் தரவுகளைக் கவர்ச்சியான வரைபடங்களாக மாற்றும் நுட்பங்கள்.
🖼️ “ஒரு படம் ஆயிரம் சொற்களுக்குச் சமம்” — விளக்கப்படங்கள் தரவுகளைக் காட்சிப்படுத்தி, போக்குகளையும் தொடர்புகளையும் உடனடியாகப் புரிய வைக்கின்றன. “காட்சி” என்பது கற்றலின் முக்கியப் பகுதி.
📘 49.0 அறிமுகம்
தரவுப் பகுப்பாய்வில் எண்களாக இருப்பதை விட, வரைபடங்களாக (Charts) இருக்கும் தரவுகள் மிக எளிதாகப் புரிகின்றன. பட்டை வரைபடம் (Bar Chart), வட்ட விளக்கப்படம் (Pie Chart), சிதறல் வரைபடம் (Scatter Plot) போன்றவை தரவுகளில் மறைந்திருக்கும் போக்குகளையும் தொடர்புகளையும் கண்ணுக்குப் புலப்படுத்துகின்றன. AI இந்த விளக்கப்படங்களுக்கான Python குறியீடுகளை நொடிகளில் உருவாக்கித் தருகிறது.
📊 49.1 விளக்கப்படங்களின் (Charts) வகைகள், பயன்பாடுகள்
| விளக்கப்பட வகை | தமிழ்ப் பெயர் | எப்போது பயன்படுத்துவது | எடுத்துக்காட்டு |
|---|---|---|---|
| Bar Chart | பட்டை வரைபடம் | வெவ்வேறு பிரிவுகளுக்கிடையே ஒப்பீடு செய்ய | வெவ்வேறு மாதங்களில் விற்பனை ஒப்பீடு |
| Pie Chart | வட்ட விளக்கப்படம் | முழுமையின் (Whole) பகுதிகளைக் காட்ட | UG vs PG மாணவர்களின் பரவல் |
| Histogram | அதிர்வெண் வரைபடம் | ஒரு மாறியின் பரவலைக் காட்ட | மதிப்பெண்களின் பரவல் (50-60, 60-70) |
| Scatter Plot | சிதறல் வரைபடம் | இரண்டு மாறிகளுக்கும் இடையே உள்ள தொடர்பைக் காட்ட | Study Hours vs Marks |
| Line Chart | கோடு வரைபடம் | காலப்போக்கில் ஏற்படும் மாற்றங்களைக் காட்ட | பல ஆண்டுகளில் மாணவர் சேர்க்கை |
⚙️ 49.2 செய்யறிவு உதவியுடன் விளக்கப்படங்கள் உருவாக்குதல் – 3 படிகள்
🔹 படி 1: தரவுத் தொகுப்பை (CSV/Excel) AI-யிடம் பதிவேற்றுக (ChatGPT Plus / Claude / Google Colab).
🔹 படி 2: தெளிவான விளக்கப்படத் தூண்டலை (Prompt) வழங்குக — விளக்கப்பட வகை, X/Y அச்சுகள், தலைப்பு, நிறம் ஆகியவற்றைக் குறிப்பிடுக.
🔹 படி 3: AI தரும் Python குறியீட்டை Google Colab-இல் ஒட்டி இயக்கி, வரைபடத்தைச் சேமிக்கவும் (Save image as).
📝 தூண்டல் வடிவம் (Prompt Template):
“நான் பதிவேற்றியுள்ள தரவுத் தொகுப்பில், [நெடுவரிசை A], [நெடுவரிசை B] உள்ளன. [Bar Chart / Pie Chart / Scatter Plot] உருவாக்கும் Python குறியீட்டைத் தருக. தலைப்பு: [வரைபடத் தலைப்பு], X-அச்சு: [X-பெயர்], Y-அச்சு: [Y-பெயர்], நிறம்: [blue/green/skyblue]. matplotlib / seaborn பயன்படுத்துக.”
“நான் பதிவேற்றியுள்ள தரவுத் தொகுப்பில், [நெடுவரிசை A], [நெடுவரிசை B] உள்ளன. [Bar Chart / Pie Chart / Scatter Plot] உருவாக்கும் Python குறியீட்டைத் தருக. தலைப்பு: [வரைபடத் தலைப்பு], X-அச்சு: [X-பெயர்], Y-அச்சு: [Y-பெயர்], நிறம்: [blue/green/skyblue]. matplotlib / seaborn பயன்படுத்துக.”
📌 49.3 எடுத்துக்காட்டுகள் – AI-யுடன் விளக்கப்படங்கள்
📊 Bar Chart (பட்டை வரைபடம்)
தூண்டல்: “monthly_sales.csv-ல் Month vs Sales Bar Chart”
தூண்டல்: “monthly_sales.csv-ல் Month vs Sales Bar Chart”
✅ தலைப்பு: Monthly Sales Comparison
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('monthly_sales.csv')
plt.bar(df['Month'], df['Sales'], color='skyblue')
plt.title('Monthly Sales Comparison')
plt.xlabel('Month')
plt.ylabel('Sales (in ₹)')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
import matplotlib.pyplot as plt
df = pd.read_csv('monthly_sales.csv')
plt.bar(df['Month'], df['Sales'], color='skyblue')
plt.title('Monthly Sales Comparison')
plt.xlabel('Month')
plt.ylabel('Sales (in ₹)')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
🥧 Pie Chart (வட்ட விளக்கப்படம்)
தூண்டல்: “student_program.csv-ல் Program நெடுவரிசையின் பரவல்”
தூண்டல்: “student_program.csv-ல் Program நெடுவரிசையின் பரவல்”
✅ தலைப்பு: Student Distribution by Program
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('student_program.csv')
program_counts = df['Program'].value_counts()
plt.pie(program_counts, labels=program_counts.index, autopct='%1.1f%%', startangle=90)
plt.title('Student Distribution by Program')
plt.axis('equal')
plt.show()
import matplotlib.pyplot as plt
df = pd.read_csv('student_program.csv')
program_counts = df['Program'].value_counts()
plt.pie(program_counts, labels=program_counts.index, autopct='%1.1f%%', startangle=90)
plt.title('Student Distribution by Program')
plt.axis('equal')
plt.show()
🔵 Scatter Plot (சிதறல் வரைபடம்)
தூண்டல்: “study_hours_vs_marks.csv-ல் Study_Hours vs Marks”
தூண்டல்: “study_hours_vs_marks.csv-ல் Study_Hours vs Marks”
✅ தொடர்பு மதிப்பு: 0.85 (Strong Positive Correlation)
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
df = pd.read_csv('study_hours_vs_marks.csv')
sns.scatterplot(x='Study_Hours', y='Marks', data=df, color='green')
plt.title('Correlation between Study Hours and Marks')
plt.xlabel('Study Hours per Day')
plt.ylabel('Marks (out of 100)')
plt.show()
import seaborn as sns
import matplotlib.pyplot as plt
df = pd.read_csv('study_hours_vs_marks.csv')
sns.scatterplot(x='Study_Hours', y='Marks', data=df, color='green')
plt.title('Correlation between Study Hours and Marks')
plt.xlabel('Study Hours per Day')
plt.ylabel('Marks (out of 100)')
plt.show()
✍️ 49.4 பயிற்சி 29 – மூன்று வெவ்வேறு விளக்கப்படங்களை உருவாக்குதல்
📋 வழிமுறை:
- உங்கள் ஆய்வுத் தரவுகளைக் கொண்ட CSV கோப்பைத் தயார் செய்க.
- Google Colab-ஐத் திறந்து (colab.research.google.com), புதிய Notebook உருவாக்குக.
- உங்கள் CSV கோப்பை Colab-இல் பதிவேற்றுக (Files → Upload).
- கீழ்க்காணும் தூண்டல்களைப் பயன்படுத்தி AI-யிடம் (ChatGPT/Gemini) Python குறியீட்டைக் கேட்கவும்.
- AI தந்த குறியீட்டை Colab-இல் ஒட்டி, ▶ (Play) அழுத்தி இயக்கவும்.
- வரைபடத்தில் வலது கிளிக் → “Save image as” மூலம் சேமிக்கவும்.
🔸 மாதிரித் தூண்டல்கள்:
• Bar Chart: “நான் பதிவேற்றியுள்ள தரவுத் தொகுப்பில், [நெடுவரிசை A], [நெடுவரிசை B] ஆகியவற்றுக்கு இடையே ஒரு Bar Chart உருவாக்கும் Python குறியீட்டைத் தருக.”
• Pie Chart: “நான் பதிவேற்றியுள்ள தரவுத் தொகுப்பில், [நெடுவரிசை A] நெடுவரிசையில் உள்ள மதிப்புகளின் பரவலைக் காட்டும் Pie Chart உருவாக்கும் குறியீட்டைத் தருக.”
• Scatter Plot: “நான் பதிவேற்றியுள்ள தரவுத் தொகுப்பில், [நெடுவரிசை X], [நெடுவரிசை Y] ஆகியவற்றுக்கு இடையே ஒரு Scatter Plot உருவாக்கும் Python குறியீட்டைத் தருக.”
• Bar Chart: “நான் பதிவேற்றியுள்ள தரவுத் தொகுப்பில், [நெடுவரிசை A], [நெடுவரிசை B] ஆகியவற்றுக்கு இடையே ஒரு Bar Chart உருவாக்கும் Python குறியீட்டைத் தருக.”
• Pie Chart: “நான் பதிவேற்றியுள்ள தரவுத் தொகுப்பில், [நெடுவரிசை A] நெடுவரிசையில் உள்ள மதிப்புகளின் பரவலைக் காட்டும் Pie Chart உருவாக்கும் குறியீட்டைத் தருக.”
• Scatter Plot: “நான் பதிவேற்றியுள்ள தரவுத் தொகுப்பில், [நெடுவரிசை X], [நெடுவரிசை Y] ஆகியவற்றுக்கு இடையே ஒரு Scatter Plot உருவாக்கும் Python குறியீட்டைத் தருக.”
📌 49.5 இறுதியாக
விளக்கப்படங்கள் (Charts) தரவுகளைக் காட்சிப்படுத்தி, புரிந்துகொள்ள மிகவும் எளிதாக்குகின்றன. AI-யின் உதவியுடன், பைத்தான் நிரலாக்கம் தெரியாவிட்டாலும் கவர்ச்சியான, அர்த்தமுள்ள விளக்கப்படங்களை உருவாக்க முடியும். வரைபடங்களின் நிறம், தலைப்பு, அளவு ஆகியவற்றைத் தனிப்பயனாக்கவும் AI உதவுகிறது.
🎯 இப்பாடத்தில் நாம் கற்றுக்கொண்ட முக்கியக் கருத்துகள்
- விளக்கப்பட வகைகள்: Bar Chart, Pie Chart, Scatter Plot, Line Chart, Histogram — ஒவ்வொன்றின் தனித்துவமான பயன்பாடுகள்.
- AI உதவியுடன் குறியீடு உருவாக்கம்: தூண்டலில் (Prompt) விளக்கப்பட வகை, நெடுவரிசைகள், தலைப்புகள், நிறங்களைக் குறிப்பிட்டுப் Python குறியீட்டைப் பெறுதல்.
- Google Colab-இல் இயக்குதல்: AI தந்த குறியீட்டை Colab-இல் இயக்கி, வரைபடங்களைச் சேமித்தல்.
- தனிப்பயனாக்கம் (Customization): AI உதவியுடன் வரைபடங்களின் நிறம், அளவு, தலைப்பு, எழுத்துரு ஆகியவற்றை மாற்றியமைத்தல்.
- இலக்கிய இணைப்பு: “காட்சி” — விளக்கப்படங்கள் தரவுகளைக் காட்சிப்படுத்தும் நவீனக் கலை.
📢 அடுத்த பாடத்தில் (நாள் 50): புள்ளியியல் பகுப்பாய்விற்கு (Statistical Analysis) AI-யுடன் Python குறியீடு எழுதுதல் — t-test, ANOVA, regression.
🎥 காணொளி வழிகாட்டி: AI-யுடன் விளக்கப்படங்கள் உருவாக்குதல்
Bar Chart, Pie Chart, Scatter Plot — AI-யுடன் வரைபடங்கள் உருவாக்கும் நேரடி விளக்கம்.
🎨 “காட்சி” — தரவுகளை AI-யின் உதவியுடன் வரைபடங்களாக மாற்றி, ஆய்வின் முடிவுகளை எளிதாகவும் கவர்ச்சியாகவும் வெளிப்படுத்துங்கள். ஒவ்வொரு விளக்கப்படமும் உங்கள் ஆய்வுக் கதையைச் சொல்லும் ஒரு படமாகும்.
