创建可视化效果来了解食物无保障状况  

使用 IBM Watson Studio、PixieDust 和 Watson Analytics 为美国食物无保障状况生成可视化效果

| By Madison J. Myers

Description

当人们无法持续获取经济实惠且营养丰富的食物时,就会出现食物无保障状况。我们通过直观呈现最能造福于社会的洞察和预测结果,可切实制造影响并教育大众。此 Code Pattern 演示了如何利用 IBM Watson Studio、Pandas、PixieDust 和 Watson Analytics 来做到这一点。

概览

在数据科学中,我们往往会开展大量工作四处搜集对整个社会或某个部分产生影响的洞察,但最终却无法向数据科学领域之外的受众传达抑或是未能有效地传达我们发现的结果。而可视化则可在这方面大显身手。我们通过直观呈现最能造福于社会的洞察和预测结果,可切实制造影响并教育大众。我们可以加深人们对重大问题的认识,甚至有可能使其发生改变。此 Code Pattern 讲解了如何利用 IBM Watson Studio、Pandas、PixieDust 和 Watson Analytics 来做到这一点。

我们这个 Code Pattern 着重关注全美的食物无保障状况。当人们无法持续获取经济实惠且营养丰富的食物时,就会出现食物无保障状况。如果无法获取适当的营养或者接受有关适当营养的教育培训,人们就会挨饿或者摄入营养价值较低的食物。这个问题在美国已越来越严重:肥胖症和糖尿病患者不断增多,目前已有三分之二的美国成年人和三分之一的未成年人被认为是肥胖人群,近十分之一的美国人患有糖尿病,近半非洲裔美国人则患有心脏病。心血管疾病是全球主要死因,每年有 1.73 亿人口因此而丧命,并且这一数字仍在不断升高。美洲原住民居住地通常没有杂货店……所有这些趋势都在不断发展。问题不仅在于难以获取新鲜食物,也在于饮食文化、健康饮食教育不足以及种族和收入不平等。我们在此 Code Pattern 中将使用政府公开数据,包括食物匮乏、肥胖引起的疾病、种族、贫穷、地理位置和其他因素等等。

完成本 Code Pattern 后,您将能够:

  • 使用 Watson Studio。
  • 从 Pandas 数据帧中移除 NaN 和 0。
  • 使用 matplotlib、bokeh、seaborn 和 PixieDust 直观显示相关性和其他发现结果。
  • 从 DSX 下载 Pandas 数据帧。
  • 将数据上传到 Watson Analytics 中。
  • 使用 Watson Analytics 生成可视化效果,并与他人共享。

此 Code Pattern 是为关心社会正义问题的数据科学家和数据爱好者和/或 Watson Studio 和 Watson Analytics 新手而创建的。它将指导用户认识可视化的强大功能,了解如何选择可视化效果以及如何通过可视化分享自己的观点。

  1. 打开 Watson Studio,并创建 Notebook。
  2. 在 Watson Studio 中下载数据,并探索数据。
  3. 加载 Pixie Dust,并将其用于可视化。
  4. 从 Watson Studio 下载数据帧 .csv 文件。
  5. 将此 .csv 文件上传至 Watson Analytics,并实现可视化。

Related Patterns

相关博客

相关链接

Python 中的元编程

本文介绍如何在 Python 中使用元编程,以及它如何简化某些任务。

通过为 Python 提速来助力科学研究

应当使用 Python 进行科学计算,不是用于替代 Fortran 或 C/C++,而是作为包装器或各种专用编程模块和加速硬件之间的桥梁。在本文中,我们将说明如何在环境中加快 Python 的速度以优化其使用。

食物环境图集

包含了包括对子人群进入杂货店和接近杂货店新指标在内的超过275个变量。